__阿健__的博客

简单来讲，IPython 是一个 加强版 的 Python 交互式解释器，与 原生的 Python shell 相比，IPython具有以下优势：与Shell紧密关联，可以 在IPython环境下直接执行Shell指令；提供了支持绘图操作的Web GUI环境（IPython Notebook），在机器学习领域、探索数据模式、可视化数据、绘制学习曲线时，这一功能特别有用；

列表生成式即 List Comprehensions，是 Python 内置的非常简单却强大的可以用来创建 list 的生成式。举个例子，...

问题特点：要求 按照层的顺序 对树进行操作方法思路：树的宽度优先搜索（Breadth First Search (BFS)），借助 队列(queue) 的数据结构来实现【在 Python 中，可以借助 collections.deque 实现队列的数据结构】。

如何评估(evaluate)目标检测算法的表现(performance)？目标检测算法的评估 和 分类算法的评估 有所不同，在目标检测任务中，我们即需要 识别出正确的目标类别，又需要 定位出准确的目标位置。评估目标检测算法性能 最常用的指标 是 AP (average precision，针对单类别) 和 mAP (mean AP，针对多类别)。

《Learning Fixed Points in Generative Adversarial Networks: From Image-to-Image Translation to Disease Detection and Localization》这篇文章的主要工作是 针对 StarGAN 进行跨域转换时倾向于进行不必要不相关的变化，以及不能很好地处理同域转换 的问题进行了改进，并在此基础上创新性地 将图像转换拓展应用于 异常的弱监督检测和定位，仅需要图像级的标注。

数据集是深度学习研究的基础，开源数据集为各种论文方法提供了 比较的基准。不同于经典计算机视觉任务中的 ImageNet、PASCAL VOC2007/2012 和 COCO 等数据集，表面缺陷检测并没有一个统一的，大规模的数据集，不同的缺陷检测数据集，在 样本数量，正负样本比例，复杂度 等方面都有很大的不同。不同的缺陷数据集往往适用于不同的方法。不同的检测设定下的研究往往基于不同的缺陷数据集。这里对一些常用的表面缺陷检测数据集进行了整理汇总。

二分法，也就是二分查找，用二分的方式去查找。简单来讲，二分查找的 核心思路 就是 取中间项进行判断，利用列表的有序性在 O(1) 的时间内将问题的规模缩小至一半（砍掉一半的项）【从 n 到 n/2 再到 n/4……，最终到 1，即查找完毕】

排序，即将序列(数组，链表)中的元素按照大小顺序进行排列。这边列举了最常用的几种排序算法，包括算法面试必须掌握的O(NlogN)复杂度的归并排序和快速排序，以及基础的冒泡排序、选择排序和插入排序。

我们在设计程序时，肯定希望程序是鲁棒的健壮的，在运行时能够不出或者少出问题。但是，在实际运行中，总会有一些因素可能导致程序无法正常运行。所谓异常处理机制，就是提供了对错误异常的处理手段：当程序出错时，程序不是立刻报错终止，你可以根据异常类型进行相应的处理，同时，程序可以继续运行下去。通常高级语言都内置了异常处理机制，像Java，Python也不例外，内置了一套try...except...finally...的异常处理机制。

在Python中，如果想函数内部对函数外的变量进行操作，有一些问题（一些在Java，C中再正常不过的操作这里就不行）

随机种子是针对随机方法而言的。常见的随机方法有 生成随机数，以及其他像 随机排序 之类的，后者本质上也是基于生成随机数来实现的。在深度学习中，比较常用的随机方法的应用有：网络的随机初始化，训练集的随机打乱等。

魔法方法，是Python从入门到进阶很重要的一点。魔法方法是python类中的一些特殊的方法，被双下划线所包围，像这种格式：__方法名__正如其名，“魔法”方法非常强大，充满魔力，可以让你实现很多功能。魔法方法的特殊之处在于，这些方法并非主动显示调用的，而是在特殊的情况下被调用的，比如__init__是在类的实例化时执行的方法，__len__是在调用len()函数时执行的方法，你可以通过实现（重载）这些方法自定义自己想要的行为。

Sublime Text (ST)是一款具有代码高亮、语法提示、自动补全且反应快速的编辑器软件，不仅具有华丽的界面，还支持插件扩展机制，最重要的是非常的轻便。

This article is a comprehensive review (全面回顾) of Data Augmentation techniques for Deep Learning, specific to images.

在计算实现上, TensorFlow 将图形定义转换成分布式执行的操作, 以充分利用可用的计算资源。TensorFlow 支持 CPU 和 GPU 两种计算设备。一般你不需要显式指定使用 CPU 还是 GPU, TensorFlow 能自动检测。如果检测到 GPU, TensorFlow 会优先利用找到的第一个 GPU 来执行操作。如果机器上有超过一个可用的 GPU, 除第一个外的其它 GPU...

我们常说的 深度学习 ，其实就是指 神经网络 ，尤其是 大规模的神经网络。那么神经网络究竟是什么？本质上，神经网络属于一种强大有效的机器学习方法 (模型)，同样是通过数据驱动，从数据中学习。最初神经网络算法的诞生是出于 对生物神经系统建模 的目的，但随后与其分道扬镳，成为一个 独立的工程问题，并在机器学习领域取得良好的效果。

当我们 应用深度学习算法，实现 大网络（网络的参数量 nn 很大），多样本（样本数量 mm 很大） 情形下的 大规模 计算处理时，通过 向量化 的方式，将 高度重复的计算组织成 并行的向量运算，对于 简化代码，加速运算 有着非常重要的作用。

实现神经网络的时候，一个好的符号约定能够对繁多的样本数据和网络参数，神经网络的复杂计算等进行有条理地 组织 和 表示。数据标记与上下标xxx：表示输入数据，维度为 nxn_xnx​；yyy：表示输出结果，维度（或者说类别数）为nyn_yny​；上标 (i)^{(i)}(i)（小括号）：代表第 iii 个训练样本，x(i)x^{(i)}x(i) 和 xix_ixi​ 存在混用的情况，注...

YOLO（You Only Look Once），是yolo系列的 开山之作，也是 深度学习领域第一个one-stage detector。作为一个 one-stage 检测器，YOLO 没有生成建议框这一步骤，它 直接将图片划分为 S×S 个网格 (grid cell)，每个网格对 中心点落入其中的目标 进行检测【如果目标的中心点落入某个格子中，我们就说这个格子 “包含” 了这个目标，就由这个格子负责对这个目标的检测】。

三目运算符(条件运算符)C++ 和 Java 中的三目运算符(条件运算符)：b ? x : y先计算条件 b，然后进行判断。如果 b 的值为 true，计算 x 的值，运算结果为 x 的值；否则，计算 y 的值，运算结果为y的值。一个条件表达式不会既计算 x，又计算 y。Python中实现三目运算(条件运算)Python语言中，可以通过 同一行的if else语句 实现类似的三目运算(...