人工智能 AI
庸木
这个作者很懒,什么都没留下…
展开
-
目标识别 YOLO 学习笔记(一)
文章源于我的个人博客,地址:目标识别 YOLO 学习笔记(一), 尊重原创,转载请注明。这个笔记,主要是学习 YOLO 入门教程《How to implement a YOLO (v3) object detector from scratch in PyTorch》的笔,其中包含自己学习过程中遇到的不懂之处的记录。与大家分享,以交流共勉。笔记也会分为5个部分,层层递进,使用 PyTorch实...原创 2019-01-15 20:13:26 · 2961 阅读 · 2 评论 -
目标识别 YOLO 学习笔记(二)
文章目录Getting StartConifguration File 配置文件引入要用到的模块Parsing the configuration file 解析配置文件创建网络YOLO layer测试代码补充知识1. Upsample 上采样2. batch normalize 批量标准化提出batch normalize的原因什么是 BNBN的优势什么时候用 BN参考文章YOLO 中的rout...原创 2019-01-16 20:20:50 · 1910 阅读 · 0 评论 -
Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation (DeepLab v3+) 论文笔记
《Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation》论文链接:https://arxiv.org/abs/1802.02611tensorflow 官方实现: https://github.com/tensorflow/models/tree/master/research/dee...原创 2019-02-25 20:42:11 · 3959 阅读 · 0 评论 -
AdaBoost, GBDT和XGBoost的区别和联系
原文请参考: https://hackernoon.com/gradient-boosting-and-xgboost-90862daa6c77什么是BoostingBoosting 是将一组弱学习器(weak learner)组合起来成为一个强学习器(strong learner) 的方法。假设我们有一个二分类任务。一个较弱的学习器分类时的错误率略小于0.5,即它的学习能力比抛硬币略强一点点...翻译 2019-03-14 17:28:20 · 2854 阅读 · 0 评论 -
Boosted Tree原理详解
简述boosted Tree算法简要描述:不断地添加树,不断地进行特征分裂来生长一棵树。每次添加一个树,其实是学习一个新函数,去拟合上次预测的残差。一个树在生长的过程中,挑选一个最佳特征的最佳分裂点,来进行特征分裂。训练后会得到的模型是多棵树,每棵树有若干叶子节点,每个叶子节点对一个分数,假如来了一个样本,根据这个样本的特征,在每棵树上会落到对应一个叶子节点,总分数就是把落到的叶子节点的分数...原创 2019-03-12 20:12:04 · 5984 阅读 · 0 评论 -
matplotlib配置图的属性
介绍一下使用 matplotlib.pyplot 模块绘制图像时,图像的常用属性设置。1.模块导入import matplotlib.pyplot as pltplt.plot(x, y, **kwargs)2.设置线的属性pyplot可以设置线的很多属性,如线宽/虚线样式/抗锯齿等。以下是几种设置线的属性的实现方式:使用 **kwargs 关键字设置:如 plt.pl...原创 2019-09-06 15:37:00 · 524 阅读 · 0 评论 -
matplotlib绘制子图 subplot
1.绘制子图使用subplot() 方法,subplot()方法传入numrows,numcols,fignum参数:fignum范围是 1 到numrows*numcolsimport matplotlib.pyplot as pltimport numpy as npx=np.linspace(0.0, 5.0, 50)y1 = np.sin(x)y2 = np.exp(x) *...原创 2019-09-06 15:38:45 · 1578 阅读 · 1 评论