![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
概念基础篇
桀骜不驯的山里男人
这个作者很懒,什么都没留下…
展开
-
小琼小谈级联分类器《python图像处理篇》
引言:级联分类器在机器学习中占据了重要地位,但是一直困惑了许久,到底啥是级联分类器?如何实现?直到学会了,才感觉打通了任督二脉,将人体的能量释放出来!!!1.级联分类器 在小琼看来就是多个二分类构成的分类器,类似于多个二叉树,其实要看级联分类器的类型,例如人脸识别用到的Haar,这个分类器说到底是一个多级二分类,大体的核心思想就是,使用一些容易判断的特征作为初级筛选,然后结果下一个特征,再次筛选,层层筛选,最后选出正确结果。(如果还是不太了解,举个例子!) 例子...原创 2021-11-16 15:06:30 · 2408 阅读 · 0 评论 -
最常用的故障诊断函数try《概念基础篇》
引言:在我们设计程序时,经常会遇到大大小小的BUG,然而此时我们并不知道程序出现的问题在哪里,这就使我们很发火! ! ! 但是如果我们可以使用这个函数可以直接跳过错误的代码,继续执行下一步。 此函数的作用通常为:当执行程序时,不间断的出现错误,如果将不确定的错误代码放入try 函数后,当在运行程序时,try中的错误代码函数出现错误时就直接跳过错误部分,继续执行下一步操作。例如:try: print(8/0)except: print(1) exit...原创 2021-10-17 09:50:57 · 778 阅读 · 0 评论 -
数据库numpy学习《python基础篇》
引言:下面主要介绍关于numpy的一些其他数学函数使用。1.数学的三角函数1》sin()代码;待续。。。原创 2021-10-03 19:46:19 · 86 阅读 · 0 评论 -
数据库numpy学习《python基础篇》
引言:numpy作为数据分析的强大工具,在今后的数据处理中难免会用到,所以我们必须打下一个良好的数据处理基础。让我们一起开始吧!!1首先我们应该搭建具有numpy的环境,具体搭建方式,可看这篇文章,然后介绍一下基础的数据产生:1.数据造假:数据的产生有很多类型与方式,下面一起看看吧!1》产生 [2,3]代码:import numpy as npdata=np.array([2,3])print('data的数据类型:{}',type(data))print('da.原创 2021-10-03 19:14:24 · 103 阅读 · 0 评论 -
相机标定(python基础)
引言:首先提出的问题是什么是相机标定?有什么作用呢?如何进行相机标定?1.什么是相机标定? 所谓的相机标定就是将外界世界的坐标信息转化为计算机(自带相机/摄像头)可以理解的“距离”,将世界坐标系转换到相机坐标系。我们可以理解为从一个坐标系转换到另一个坐标系所需要的转换关系就是相机标定。简单滴说:A=F(B),其中F()就是相机标定要做的工作。2.有什么作用?(能干啥?)通俗地讲,例如:我和你在世界坐标系(平常我们所说的距离)下的距离...原创 2021-10-03 09:14:07 · 2333 阅读 · 1 评论 -
卷积可视化操作(二维卷积)
引言:首先我们应该知道什么是卷积?干什么的?如何在自己的图像数据集上进行卷积操作?本篇文章就是解决这个为的。1.首先谈一下什么是卷积?答:(本人小学生六年级,哈哈)首先我们看一下这位博客的图: 是不是很生动形象地表达了卷积的操作步骤,其中黄色的方框为3x3卷积模板,绿色为你要输入的图像,最后输出为橙色的框(后面那个,应该是橙色吧!) 运算步骤:模板从左上角开始然后依次向右步长为1,进行滑动,在下一次滑动之前,首先就要进行卷积运行(黄色方框上的数字与绿色...原创 2021-10-02 10:15:01 · 1184 阅读 · 0 评论 -
滤波的相关函数《python基础篇》
引言:相关滤波的理论来自于信号处理这门学科,滤波处理在数字信号处理、图像处理方面有着重要的地位,在图像处理中,能够抑制外界环境所带来的干扰,如相机抖动、天气影响、以及电子设备的电波干扰等,通过滤波处理,能够很好地降低干扰噪声(不一定完全去除哦!!!)。1.首先介绍的是中值滤波: 中值滤波从字面意思理解,我们可以知道就是取中值的操作,就在固定的滤波模板中(例如3x3大小的滤波模板),将图像的周围的9个像素点进行排序,然后取中值代替模板中间的值。 此方法对于椒盐噪声...原创 2021-10-02 07:50:35 · 1452 阅读 · 0 评论 -
tensorboard使用方法(基础)
引言:tensorboard是一个可视化函数,能够将在运行过程中的数据展现在我们眼前,以图表的方式呈现。1.首先导入所需要的库from tensorboardX import SummaryWriter如果没有安装的小伙伴,请移步这里安装安装完成后,我开始写个测试程序吧!import numpy as npfrom tensorboardX import SummaryWriterwriter = SummaryWriter('./logs')for i in ran.原创 2021-10-01 16:24:16 · 2751 阅读 · 0 评论 -
python环境搭建(基础篇)
引言:巧妇难为无米之炊,所有的谈论都在此基础上进行,所以没有一个良好的环境,其他都是纸上谈兵。然后就是谈安装的顺序:第一安装anaconda,然后安装pycharm。最后建议大家买包瓜子,后面会发挥巨大职业作用。环境搭建开始:首先第一步:建议下载一个环境库----Anaconda库,官方网站:下载完成后,进行安装:1.首先双击打开:Anaconda3Windows-x86_64.exe然后进入界面:(等待程序初始化)点击next。2. 然后:点击我同意(i agree).原创 2021-10-01 14:45:50 · 75 阅读 · 2 评论 -
图像的不同读取方式 | Python技能树征题
引言:不文采用OpenCV,numpy,Image读取图像1.首先看第一种opencv读取图像的方式首先是函数库的导入然后是图片路径导入最后就是显示图片import cv2import numpy as npfrom PIL import Imageimport matplotlib.pyplot as plt#图片路径path=r'./Data/cat.png'#方式1 cv2读取img=cv2.imread(path)cv2.imshow('cat',i.原创 2021-10-01 14:13:57 · 92 阅读 · 0 评论 -
优化器optimizer
1.首先谈的第一个重要的zero_grad() 梯度清零。由于每次梯度计算完成后,网络中的优化器梯度不会自动清零,所以需要手动输入函数进行优化器梯度清零。例子:for i, data in enumerate(dataLoader): # 获取图片和标签 inputs, labels = data inputs, labels = Variable(inputs), Variable(labels) optimizer.zero_grad() ...原创 2021-10-01 09:06:23 · 439 阅读 · 0 评论 -
pytorch损失函数nn.L1Loss()
1.首先给出函数的参数:nn.L1Loss(size_average=True, reduce=False)2.然后举个简单的例子,帮助理解1》设置网络的输出与真实的输出:# 其中output为网络的输出# target为目标输出即对应输入真实的标签output = torch.ones(2, 3, requires_grad=True)*2.5target = torch.ones(1, 3)2》设置损失函数的参数/实例化:损失函数nn.L1Loss() 作...原创 2021-10-01 08:32:05 · 12601 阅读 · 0 评论 -
交叉熵:计算交叉熵损失函数nn.CrossEntropyLoss()
首先要提出的问题是。。。什么是损失函数?干什么的(功能)?类型有哪些?1.什么是损失函数?损失函数(loss function)或代价函数(cost function)是将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失”的函数。在应用中,损失函数通常作为学习准则与优化问题相联系,即通过最小化损失函数求解和评估模型。例如在统计学和机器学习中被用于模型的参数估计(parametric estimation),在宏观经济学中被用于风险管理(risk ...原创 2021-09-30 21:24:31 · 4218 阅读 · 1 评论 -
pytorch网络优化器(How to use an optimizer)
1.首先需要我们思考的问题是。。。什么是优化器? 优化器能干什么?有哪些?参数怎么设置?下面为大家一一讲解什么:1》什么是优化器? 在小琼看来,是一个优化函数(白说),举个例子:例如求解y=2*x+3的零点,采用试探法,首先x取值为-1,则y=1,取大了,然后再取x=-2,y=-1,那么我们是不是会在【-2,-1】之间再去一个值,而不是在其他区间内取值,这样如法炮制,逐步会逼近函数的零点,然后得出x=?(你们比我厉害,我算不出)。 其实优化器就是干这个的,优化目...原创 2021-09-30 20:16:11 · 143 阅读 · 0 评论 -
How to adjust learning rate
官方解释:torch.optim — PyTorch 1.9.1 documentation1.自我解释:torch.optim.lr_scheduler 官方给出了很多关于调整学习率的方法,但是调整学习率的时候一般会根据你所训练的次数,做出相应的调整,这是代码自动完成的。 学习率的调整应该在优化器更新之前,例如:官方给出的例子model = [Parameter(torch.randn(2, 2, requires_grad=True))]optim...原创 2021-09-30 18:12:58 · 438 阅读 · 0 评论 -
学习光流法
运动场:物体在三维空间中的运动。光流场:是运动场在二维图像平面上的投影。1.首先什么是光流呢? 1》光流法来源:光流的概念是由Gibson在1950年提出来的。 2》what is it ? 答:它是空间物体 在 观察成像平面上的 像素运动的瞬时速度,是利用图像序列中像素在时域上的变化,以及相邻帧之间存在的对应关系,是一种计算相邻帧之间目标物体运动信息的一种方法。光流是由于场景中前景目标本身的运动、相机的运动、或者二者的共同运动所产生,...转载 2021-09-23 19:38:11 · 297 阅读 · 0 评论 -
交叉验证(小琼)
将数据集分为训练集与验证集,对于避免获得过分夸大的模型很有指导意义,特别是在数据集较少的情况下。交叉验证有很多类型:例如二路交叉验证等。1.二路交叉验证: 1》将数据集分为训练集、验证集,使用训练集训练分类器模型,使用验证集验证模型的分类效果,此时得到一种测试结果。 2》将训练集与验证集互换功能,即使用验证集样本数据对分类器进行模型训练,使用训练集对模型进行验证。执行上述步骤,会得到两种实验结果,增强了分类器的分类效果(特别在数据相对较少的情况下)。2....原创 2021-09-13 16:38:24 · 112 阅读 · 0 评论