- 博客(67)
- 资源 (1)
- 收藏
- 关注
原创 python [:,::-1]
In [33]: t = np.array([[1,2,3],[4,5,6],[7,8,9]])In [34]: y = t[:,::-1]In [35]: yOut[35]: array([[3, 2, 1], [6, 5, 4], [9, 8, 7]])
2018-05-05 20:59:18
1366
原创 Python zip() 函数
描述zip() 函数用于将可迭代的对象作为参数,将对象中对应的元素打包成一个个元组,然后返回由这些元组组成的列表。 如果各个迭代器的元素个数不一致,则返回列表长度与最短的对象相同,利用 * 号操作符,可以将元组解压为列表。 语法zip 语法:zip([iterable, ...])参数说明:iterabl – 一个或多个迭代器;返回值返回元组列表。实例以...
2018-04-29 15:34:49
259
转载 keras
显示设置输入张量的维度from keras import backend as K K.set_image_dim_ordering('th')
2018-04-24 17:24:28
323
原创 numpy.prod
numpy.prod(a, axis=None, dtype=None, out=None, keepdims=<class 'numpy._globals._NoValue'>)返回给定轴上的数组元素的乘积。Parameters: a : array_like Input data. axis : None or int or tuple of ...
2018-04-24 10:36:30
6946
原创 numpy.std() 计算矩阵标准差
In [1]: import numpy as npIn [2]: a = np.array([[1, 2], [3, 4]])In [3]: np.std(a) # 计算全局标准差Out[3]: 1.118033988749895In [4]: np.std(a,axis=0) # axis=0计算每一列的标准差 Out[4]: array([1., 1.])In [5]:...
2018-04-24 09:49:15
2133
原创 np.ndarray
numpy.ndarray()ndarray对象是用于存放同类型元素的多维数组,是numpy中的基本对象之一,另一个是func对象。 它的维度以及个维度上的元素个数由shape决定。imgs = np.ndarray([3,5,5],dtype=np.float32)>>> imgsarray([[[-5.49136896e+08, 4.58084468e-41...
2018-04-23 20:31:50
1025
原创 np.clip
numpy.clip(a, a_min, a_max, out=None)[source]其中a是一个数组,后面两个参数分别表示最小和最大值>>> import numpy as np>>> x = np.array([1,2,3,4,5,6,7,8,9])>>> np.clip(x,3,8)array([3, 3, 3, 4...
2018-04-23 16:20:20
278
原创 tqdm
用法tqdm(读音:taqadum, تقدّم)在阿拉伯语中的意思是进展。tqdm可以在长循环中添加一个进度提示信息,用户只需要封装任意的迭代器 tqdm(iterator),是一个快速、扩展性强的进度条工具库。>>> from tqdm import tqdm>>> from time import sleep>>> for...
2018-04-23 15:39:21
1485
原创 Pandas详解十之Dropna滤除缺失数据
约定:import pandas as pdimport numpy as npfrom numpy import nan as NaN滤除缺失数据pandas的设计目标之一就是使得处理缺失数据的任务更加轻松些。pandas使用NaN作为缺失数据的标记。 使用dropna使得滤除缺失数据更加得心应手。处理DataFrame对象处理DataFrame对象比较复杂...
2018-04-23 11:18:32
1848
原创 pydicom
安装sudo pip install pydicom使用import pydicomfilename = 'path_to_dicom'ds = pydicom.dcmread(filename)ds.dir() # 查看病人所有信息字典keysprint(ds.PatientName) # 查看病人名字print(ds) # 查看病人所有信息字典, 如果出现某k...
2018-04-23 10:57:11
2339
原创 torch.normal()
torch.normal(means, std, out=None)返回一个张量,包含从给定参数means,std的离散正态分布中抽取随机数。 均值means是一个张量,包含每个输出元素相关的正态分布的均值。 std是一个张量,包含每个输出元素相关的正态分布的标准差。 均值和标准差的形状不须匹配,但每个张量的元素个数须相同。 参数: means (Tensor) –...
2018-04-21 15:14:49
12186
原创 torch.topk
torch.kthvalue(input, k, dim=None, keepdim=False, out=None) -> (Tensor, LongTensor)k:第k个最小元素,返回第k个最小元素(input, k, dim=None, largest=True, sorted=True, out=None) -> (Tensor, LongTensor)返...
2018-04-21 14:58:30
8815
1
转载 anchors
anchor的本质:SPP(spatial pyramid pooling)思想的逆向。而SPP本身是做什么的呢,就是将不同尺寸的输入resize成为相同尺寸的输出。所以SPP的逆向就是,将相同尺寸的输出,倒推得到不同尺寸的输入。接下来是anchor的窗口尺寸,这个不难理解,三个面积尺寸(128^2,256^2,512^2),然后在每个面积尺寸下,取三种不同的长宽比例(1:1,1:2,2:...
2018-04-17 19:26:53
978
原创 np.stack()
stack(value, axis)通过axis=0或1,对value进行堆积>>> import numpy as np>>> a = [1, 2, 3, 4]>>> b = [5, 6, 7, 8]>>> d = np.stack((a,b),axis=0)>>> darray(
2018-04-17 16:10:57
870
原创 python flatten()
a是个矩阵或者数组,a.flatten()就是把a降到一维,默认是按横的方向降>>> a = np.array([[1,2], [3,4]])>>> a.flatten()array([1, 2, 3, 4])>>> a.flatten('F') # 按竖的方向降array([1, 3, 2, 4])...
2018-04-17 15:27:49
1451
原创 Python numpy.meshgrid
关于该方法的解释,官网有详细的介绍。numpy.meshgrid(*xi, **kwargs)从两个或多个坐标向量返回坐标矩阵。 给定一维坐标阵列x1,x2,…,xn,用N-D坐标数组对矢量化的N-D标量/矢量场在N-D网格上的评估。 Parameters : x1, x2,…, xn : array_like 1-D arrays representing ...
2018-04-17 15:24:47
629
转载 准确率、召回率、F1、AP、mAP、ROC、AUC
准确率、召回率、F1信息检索、分类、识别、翻译等领域两个最基本指标是 召回率(Recall Rate) 和 准确率(Precision Rate) ,召回率也叫查全率,准确率也叫查准率,概念公式 : 召回率( **R**ecall) = 系统检索到的相关文件 / 系统所有相关的文件总数 准确率( **P**recision) = 系统检索到的相关文件 / 系统所有检...
2018-04-17 10:03:01
3808
原创 ubuntu16.04 tensorflow Keras IPython
tensorflow:sudo apt-get install python3-pip python3-devsudo pip3 install --upgrade pipsudo pip3 install tensorflow安装成功:python3Python 3.5.2 (default, Nov 23 2017, 16:37:01) [GCC 5.4.0 2016060...
2018-04-15 15:00:15
341
翻译 Mask R-CNN for Object Detection and Segmentation
这是Python 3,Keras和TensorFlow上Mask R-CNN的实现。该模型为图像中的每个对象实例生成边界框和分割掩码。它基于特征金字塔网络(FPN)和ResNet101主干网。该存储库包括:在FPN和ResNet101上构建的Mask R-CNN的源代码。MS COCO的训练代码预先训练的MS COCO权重Jupyter笔记本电脑在每一步都可以看到检测管道用于多G...
2018-04-15 11:11:38
921
转载 python zero_grad()
有两种方式直接把模型的参数梯度设成0:model.zero_grad()optimizer.zero_grad() # 当optimizer=optim.Optimizer(model.parameters())时,两者等效如果想要把某一Variable的梯度置为0,只需用以下语句:Variable.grad.data.zero_()# Zero the gradients ...
2018-04-13 21:29:00
14633
转载 Pytorch Autograd
Pytorch学习入门(二)— Autograd pytorch能自动反向传播。 前向传播时,能够自动记录每个操作的拓扑顺序,反向传播时则可以自动反向传播。VariableVariable是一个类,对是对tensor的一个wrapper。有三个属性.data,.grad和.creator。(注意:新版的.creator已经改成.grad_fn了,这里不再说明。)如果是第一个运...
2018-04-13 20:42:40
367
原创 Python time time()方法
描述Python time time() 返回当前时间的时间戳(1970纪元后经过的浮点秒数)。 语法time()方法语法: time.time()参数NA。返回值返回当前时间的时间戳(1970纪元后经过的浮点秒数)。实例以下实例展示了 time() 函数的使用方法:#!/usr/bin/python>>> imp...
2018-04-13 20:12:34
522
原创 python torch.optim.SGD
[torch]optim.sgd学习参数 torch入门笔记14:Torch中optim的sgd(Stochastic gradient descent)方法的实现细节 pytorch中使用torch.optim优化神经网络以及优化器的选择神经网络优化器,主要是为了优化我们的神经网络,使他在我们的训练过程中快起来,节省社交网络训练的时间。在pytorch中提供了torch.optim方法优...
2018-04-13 17:43:28
87622
1
原创 Python enumerate() 函数
描述enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列,同时列出数据和数据下标,一般用在 for 循环当中。 Python 2.3. 以上版本可用,2.6 添加 start 参数。语法以下是 enumerate() 方法的语法: enumerate(sequence, [start=0])参数sequence -- 一个序列...
2018-04-13 17:06:34
149
原创 numpy.pad
np.pad()常用与深度学习中的数据预处理,可以将numpy数组按指定的方法填充成指定的形状。对一维数组的填充填补一个数组。 pad(array,pad_width,mode,**kwars)其中array为要填补的数组(input) pad_width是在各维度的各个方向上想要填补的长度,如((2,3),(4,5)),如果直接输入一个整数,则说明各个维度和各个方向所填补的长...
2018-04-13 11:29:46
262
转载 python assert
python assert的作用python assert 断言句语格式及用法很简单。在没完善一个程序之前,我们不知道程序在哪里会出错,与其让它运行时崩溃,不如在出现错误条件时就崩溃,这时候就需要assert断言的帮助。python assert断言是声明其布尔值必须为真的判定,如果发生异常就说明表达示为假。可以理解assert断言语句为raise-if-not,用来测试表示式,其返回值为...
2018-04-13 11:07:38
143
原创 python f[:-4]
if f.endswith('.mhd') and f[:-4] not in config_training['black_list']:>>> l = list(range(10))>>> l[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]>>> l[:-4][0, 1, 2, 3, 4, 5]
2018-04-13 10:14:02
11719
转载 PyTorch中使用指定的GPU
PyTorch中使用指定的GPUPyTorch默认使用从0开始的GPU,如果GPU0正在运行程序,需要指定其他GPU。有如下两种方法来指定需要使用的GPU。类似tensorflow指定GPU的方式,使用CUDA_VISIBLE_DEVICES。1.1 直接终端中设定:CUDA_VISIBLE_DEVICES=1 python my_script.py1.2 python...
2018-04-13 09:40:47
4648
原创 torch.manual_seed()
torch.manual_seed(args.seed) #为CPU设置种子用于生成随机数,以使得结果是确定的 if args.cuda: torch.cuda.manual_seed(args.seed)#为当前GPU设置随机种子;如果使用多个GPU,应该使用torch.cuda.manual_seed_all()为所有的GPU设置种子。...
2018-04-13 09:37:51
42646
6
原创 import_module
importlib.import_module(name, package=None)导入一个模块。 name参数指定以绝对或相对方式导入的模块(例如,pkg.mod或..mod)。 如果名称是用相对术语指定的,那么必须将package参数设置为用作解析包名的锚的名称(例如,import_module(’.. mod’,’pkg.subpkg’) 将导入pkg.mod)。import_mo...
2018-04-12 21:29:12
4148
转载 python之argparse模块
python学习之argparse模块简介:argparse是python用于解析命令行参数和选项的标准模块,用于代替已经过时的optparse模块。 argparse模块的作用是用于解析命令行参数,例如python parseTest.py input.txt output.txt –user=name –port=8080。使用步骤:1:import argparse...
2018-04-12 17:33:50
128
翻译 numpy.concatenate
numpy.concatenate((a1, a2, ...), axis=0, out=None)沿现有轴加入一系列阵列。 Parameters: a1, a2, … : sequence of array_like The arrays must have the same shape, except in the dimension corresponding...
2018-04-11 16:03:48
403
原创 numpy添加新的维度:newaxis
numpy中包含的newaxis可以给原数组增加一个维度np.newaxis放的位置不同,产生的新数组也不同Examples:x = np.random.randint(1, 8, size=5)xOut[48]: array([4, 6, 6, 6, 5])x1 = x[np.newaxis, :]x1Out[50]: array([[4, 6, 6, 6, 5]...
2018-04-11 14:57:28
339
原创 scipy.ndimage.zoom
最近邻:选择离它所映射到的位置最近的输入像素的灰度值为插值结果。最临近插值3X3 的256级灰度图,也就是高为3个象素,宽也是3个象素的图像,每个象素的取值可以是 0-255,代表该像素的亮度,255代表最亮,也就是白色,0代表最暗,即黑色 。假如图像的象素矩阵如下图所示(这个原始图把它叫做源图,Source): 234 38 22 67 44 12 89 65 6...
2018-04-11 14:19:16
9220
3
翻译 scipy.ndimage.morphology
scipy.ndimage.morphology.generate_binary_structurescipy.ndimage.morphology.generate_binary_structure(rank, connectivity)为二元形态操作生成二进制结构。Parameters: rank : int Number of dimensions of the a...
2018-04-10 17:14:37
3197
原创 DeepLung prepared
prepare.pyQ1(601): f= open(finished_flag,"w+")Q2(Ln505):if isflip: Mask = Mask[:,::-1,::-1]Q3(507):newshape = np.round(np.array(Mask.shape)*spacing/resolution).astype('int') ...
2018-04-09 16:02:05
521
原创 多线程编程
top:查看CPU使用情况进程与线程进程是程序执行时的一个实例,即它是程序已经执行到何种程度的数据结构的汇集。从内核的观点看,进程的目的就是担当分配系统资源(CPU时间、内存等)的基本单位。 线程是进程的一个执行流,是CPU调度和分派的基本单位,它是比进程更小的能独立运行的基本单位。一个进程由几个线程组成(拥有很多相对独立的执行流的用户程序共享应用程序的大部分数据结构),线程与同属一...
2018-04-03 11:14:23
106
原创 查看GPU显存 使用率
watch -n 0.2 nvidia-smi 主要关注GPU-Util Memory-Usage 0.2表示每隔0.2秒刷新一次终端的显示结果。 上面的表格中: 第一栏的Fan:N/A是风扇转速,从0到100%之间变动。有的设备不会返回转速,因为它不依赖风扇冷却而是通过其他外设保持低温。 第二栏的Temp:是温度,单位摄氏度。 第三栏的Perf:是性能状态,从P0到P12...
2018-04-03 10:44:20
28013
1
Accelerated+C++中文版+.pdf
2017-07-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人