AI_Beginner

原创 在ubuntu（20.04）上搭建基于docker的yolov5环境（GPU：3060）

在ubuntu上搭建基于docker的yolov5环境

原创 在ubuntu上搭建基于docker的yolov5环境

转自 XX仅供学习，如有侵权立即删除。提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录docker pull ultralytics/yolov5:latest

原创 pycharm连接docker容器镜像进行开发（一）

PyCharm可以通过两种方法连接远程服务器的docker容器：一、PyCharm通过SSH连接已在运行中的docker容器二、PyCharm连接docker镜像，运行代码再自动创建容器本文内容属于第一种情况。

原创 在windows上搭建基于docker的yolov5环境

文章目录相关环境准备下载最新版yolov5的docker镜像启动容器、加载镜像、挂载数据集路径停止容器关闭容器重启容器删除容器运行检测代码将检测结果从容器拷贝到宿主机相关环境准备在官网下载docker for windows下载最新版yolov5的docker镜像docker pull ultralytics/yolov5:latest启动容器、加载镜像、挂载数据集路径容器名称为“myyolov5” 在容器路径“/usr/src/app/uniform/data”下挂在windows文件夹“

原创 Docker 入门教程

转自 https://www.ruanyifeng.com/blog/2018/02/docker-tutorial.html仅供学习，如有侵权立即删除。2013年发布至今， Docker 一直广受瞩目，被认为可能会改变软件行业。但是，许多人并不清楚 Docker 到底是什么，要解决什么问题，好处又在哪里？本文就来详细解释，帮助大家理解它，还带有简单易懂的实例，教你如何将它用于日常开发。一、环境配置的难题软件开发最大的麻烦事之一，就是环境配置。用户计算机的环境都不相同，你怎么知道自家的软件，能在

原创 在无GPU的windows笔记本上搭建yolov5环境

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录环境安装创建 python 环境下载代码安装依赖安装torch使用yolo5和笔记本摄像头进行推理总结参考资料环境安装创建 python 环境conda create -n yolov5-cpu python=3.8conda activate yolov5-cpu下载代码安装依赖pip install -r requirements.txt安装torch一定要安装1.7以上的cpu版本pip insta.

原创 上传代码到码云Gitee私有仓库

安装git以windows10为例，首先从官网https://git-scm.com/download/win下载git。网速可能不给力，可以找一些国内镜像https://github.com/waylau/git-for-win下载安装完成后要配置一下环境变量，首先看看git.exe装在哪里了。然后在系统的环境变量中添加路径D:\Program Files\Git\mingw64\bin配置SSHssh-keygen -t rsa -C "XXX@qq.com"将id_rsa.pub中

原创 在pycharm中配置External Tools，实现python2代码自动转换python3

在pycharm中把python2代码转换为python3python3是自带了python2转python3的工具2to3.py的，我们只需要在pycharm中把2to3.py配置好就可以直接使用了。配置方法如下图所示。配置完成后一定要重启pycharm，然后在Project窗口中右击需要转换的python2文件，点击External Tools->2to3即可。完成后会自动替换掉原来的python2文件，并将原文件备份。...

原创 Pycharm专业版2020.1连接树莓派进行远程调试

在Pycharm中设置SSH interpreter输入树莓派的局域网IP、用户名和密码。设置代码同步目录在pycharm中选择Tools->deployment->browse remote host设置代码自动上传，设置完成后E:\python\RaspberryPi目录下的文件将自动上传到树莓派的/home/pi/python目录下。测试print("hello world")修改代码后发现还是不能自动上传print("hello world 2.0")需

原创 Jupyter notebook插件nbextensions

Jupyter notebook插件nbextensionsnbextensions安装安装jupyter_contrib_nbextensions在Anaconda Prompt中输入如下命令pip install jupyter_contrib_nbextensions这个时候重启jupyter notebook发现还是没有安装jupyter_nbextensions_configuratorconda install -c conda-forge jupyter_nbextensi

原创 Jupyter notebook基本配置（默认路径和浏览器）

Jupyter notebook配置设置默认打开路径在Anaconda Prompt中输入如下命令jupyter notebook --generate-config修改前修改后提示需要密码修改前修改后设置jupyter notebook密码为空重新打开jupyter notebook直接点login就可以了。设置默认浏览器设置google chrome为默认浏览器打开文件C:\Users\用户名\.jupyter\jupyter_notebook_config#

原创 Jupyter notebook选择运行代码的虚拟环境

Jupyter notebook虚拟环境选择使用jupyter notebook进行探索性的数据分析相比于其他IDE例如Pycharm具有很明显的优势，通过配置nbextensions等插件以后，jupyter notebook将会变得无比的方便。然而jupyter notebook原生不支持选择虚拟环境，导致每次有新项目都需要重新配置一遍所有插件，非常麻烦。最近发现使用nb_conda插件可以将jupyter notebook变成和pycharm一样可以选择运行环境。使用nb_conda插件在ba

原创 conda新建虚拟环境，利用requirements.txt安装第三方依赖包

conda新建虚拟环境，利用requirements.txt安装第三方依赖包github上面很多python项目都会给出一个requirements.txt的文件，里面通常会列出该项目中所使用到的第三方包的版本信息。利用conda可以快速建立一个和开发者相同的虚拟环境。但是不排除会由于操作系统不同导致各种问题。conda新建虚拟环境conda create -n E8519 python=3.6查看虚拟环境是否成功建立conda env list进入虚拟环境activate E8519

原创 配置latex环境（Atom+texlive）

首先需要从texlive官网(http://tug.org/texlive/acquire-netinstall.html)下载install-tl-windows.exe并安装。这个是在线安装，国内网速可能较慢，可以从其他镜像源下载ISO版本的(例如清华的镜像https://mirrors.tuna.tsinghua.edu.cn/CTAN/systems/texlive/Images/)...

原创 李航 统计学习方法 第一章 习题 参考答案

1.1 说明伯努利模型的极大似然估计以及被压死估计中的统计学习方法三要素。统计学习三要素：模型、策略和算法。伯努利模型的极大似然估计 模型 策略 算法 极大似然估计 条件概率 经验风险最小化 求解析解 贝叶斯估计 条件概率 结构风险最小化 求数值解 伯努利模型是定义在取值为0和1的随机变量上的概率分布。极大似...

原创 SQL数据库--查询

参考资料 -- https://www.liaoxuefeng.com/ 基本查询 查询student表的所有数据SELECT * FROM students 条件查询 （NOT AND OR) 不是2班的，而且成绩小于80分或者大于90分的SELECT * FROM studentsWHERE NOT class_id = 2AND (score <...

原创 利用kaggle的API将数据集直接下载到Google Colab

下载kaggle.json 登录kaggle在My Account中创建自己的Token： {"username":"abc","key":"123"} 下载数据集 找到需要下载的数据集名字安装kaggle的API，然后下载数据集。!pip install -U -q kaggle!mkdir -p ~/.kaggle...

原创 在Google colab Colaboratory上，安装CUDA和GPU版本的MXnet

首先得查看一下操作系统的版本!sudo lsb_release -aGoogle colab 目前用的是Ubuntu 18.04 到官网上找到CUDA对应的版本https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubun...

原创 UCI银行营销数据集--数据集不平衡

程序源代码参见GitHub：https://github.com/leungBH/BankMarketing 数据集基本情况 目标：根据相关的信息预测通过电话推销，用户是否会在银行进行存款。特征：总共有50个特征。年龄，工作类型，婚姻状况，受教育背景，信用情况，房贷，个人贷款，联系电话是手机还是固定电话，最后联系月份，最后联系日，通话持续时间，本次活动中联系的次数，最后一次接...

原创 UCI银行营销数据集---数据可视化

程序源代码参见GitHub：https://github.com/leungBH/BankMarketing 数据集基本情况 目标：根据相关的信息预测通过电话推销，用户是否会在银行进行存款。特征：总共有50个特征。年龄，工作类型，婚姻状况，受教育背景，信用情况，房贷，个人贷款，联系电话是手机还是固定电话，最后联系月份，最后联系日，通话持续时间，本次活动中联系的次数，最后一次接...

原创 Github和Git的使用

新建一个.hello.py文件 在git bash上切换的该目录 然后执行 git init 把新创建的文件添加到本地仓库  提交修改 在github中新建一个仓库learnpy 把本地仓库添加到远程仓库(相当于把origin变成git@github.com:USERNAME/learnpy.git的别名) 然后推送...

原创 UCI银行营销数据集--缺失值处理方法

程序源代码参见GitHub：https://github.com/leungBH/BankMarketing 数据集基本情况 目标：根据相关的信息预测通过电话推销，用户是否会在银行进行存款。特征：总共有50个特征。年龄，工作类型，婚姻状况，受教育背景，信用情况，房贷，个人贷款，联系电话是手机还是固定电话，最后联系月份，最后联系日，通话持续时间，本次活动中联系的次数，最后一次接...

原创 程序猿必备技能包--学习资料汇总

Git，Github廖雪峰的Git教程：https://www.liaoxuefeng.com/wiki/0013739516305929606dd18361248578c67b8067c8c017b000

原创 Pandas多表连接产生笛卡儿积（交叉表）

貌似pandas自带的merge，concat，和join对笛卡儿积这个操作都不是太友好，有许多blog甚至直接写了个两重循环实现交叉表。所以什么是笛卡儿积？https://baike.baidu.com/item/%E7%AC%9B%E5%8D%A1%E5%B0%94%E4%B9%98%E7%A7%AF/6323173?fr=aladdin就是从这两个表：      得到这个...

原创 算法分析--回溯法

回溯法提高搜索速度的策略：用约束函数在扩展节点处剪去不满足约束的子树。 用限界函数减去得不到最优解的子树。

原创 算法分析--贪心算法--最小生成树

贪心算法贪心算法做的选择都是当前状态下的局部最好选择。每次选择都将问题简化为规模更小的子问题。优点：简单高效。缺点：不是对所有问题都能找到整体最优解。最小生成树问题                                            ...

原创 算法分析--动态规划--矩阵连乘

动态规划算法的基本要素：最优子结构性质假设A1*A2*A3*...*An在k处断开为最优，那么只需要保证A1*...*Ak和Ak*..*An两个子序列的分割也是最优，就能保证该结果是最优。子问题重叠性问题描述：对于多个矩阵连乘，不同的分割次序会导致计算次数的不同，所以要找到最优化的分割，减少计算量。 A1 A2 A3 A4 A5 A6 ...

原创 机器学习算法笔记--------建立西瓜数据集

西瓜书里面常用的三个数据集，西瓜数据集2.0，3.0，4.0整理如下，注意中文容易出现乱码。西瓜数据集2.0西瓜数据集3.0西瓜数据集4.0 import pandas as pddef createDataSet_2(): dataSet_2 = [ # 1 ['青绿', '蜷缩', '浊响', '清晰', '凹陷',...

原创 机器学习算法笔记--------朴素贝叶斯

拉普拉斯平滑 保证不会出现0概率，每个概率都是0-1，概率总和为1 似然度，置信度 先验概率，后验概率 先验概率：P(X) ，P(Y)后验概率：P(X|Y) ，P(Y|X)贝叶斯公式： 例子（通过简单例子理解朴素贝叶斯的基本思想） 例一：癌症检测结果分析目标：根据先验概率P(Y)（患病和无患病的比例）和后验概率P(X|Y)（患病同时被检测出患病...

原创 统计学习、机器学习的基础知识汇总

数学概念 偏序关系 互信息 F1值，精确率，召回率 TP(True Positive) -- 将正类预测为正类FN(False Negative) --将负类预测为负类FP(False Positive) --将负类预测为正类TN(True Negative) --将正类预测为负类精确率(我预测了100个样本是对的，但实际上只有99个是真的对的，R=9...

原创 机器学习算法笔记--------决策树

摘要决策树包含三个主要过程：特征选择，决策树生成，决策树剪枝。其核心思想是计算集合无序程度，主要算法有ID3，C4.5和CART背景知识信息熵假设变量X的可能取值为Xi，i=1，2，……，n。变量X取值为Xi的概率为：那么随机变量X的信息熵为：条件熵变量Y在给定条件X下的信息熵：信息增益定义：特征A对训练数据集D的信息增益，g(D,A), 定义为集合D...

原创 Kaggle -- Google Analytics Customer Revenue Prediction -- 测试数据分析

测试数据包含以下字段Data FieldsfullVisitorId- A unique identifier for each user of the Google Merchandise Store. channelGrouping - The channel via which the user came to the Store. date - The date on whic...

原创 机器学习算法笔记--------K-近邻算法

基本思想： 假设训练集中每个数据都是已标记的数据。 当输入一个新样本的时候，将新样本的特征和数据集中的数据进行特征比对。 找出最相似的前k个数据。(欧式距离-L2范数，闵科夫斯基距离-Lp范数) 统计这k个数据的标签，其中出现频率最高的一个标签，就是我们的预测结果。（多数表决） 优缺点： 优点：精度高 缺点：计算复杂度高，空间复杂度高。没有显...

原创 算法分析--递归与分治--快速排序

快速排序算法策略分解：选择数组a中的一个元素q作为基准，把数组划分为三段a1<q，a2=q和a3>q。 递归：对数组a1，a2递归调用快速排序算法。 合并：不需要额外操作快速排序法时间复杂度分析1、最优情况每次都刚好在中间。解递归方程得：2、最坏情况解递归方程得：3、平均情况算法图解第一步：1、选择第一个元素41作为...

原创 校招在线编程题系列----数字游戏

题目来自牛客网https://www.nowcoder.com/questionTerminal/876e3c5fcfa5469f8376370d5de87c06题目描述小易邀请你玩一个数字游戏，小易给你一系列的整数。你们俩使用这些整数玩游戏。每次小易会任意说一个数字出来，然后你需要从这一系列数字中选取一部分出来让它们的和等于小易所说的数字。 例如： 如果{2,1,2,7}是你有的一系列数...

原创 CS231n-assignment1 soft max

原创 Kaggle比赛——Digit Recognizer——Part 2（Pytorch 卷积神经网络的架构）

        在构建好数据集以后就可以动手搭卷积神经网络了。这里我还是使用Pytorch来实现几个常用的卷积神经网络结构，由于计算资源有限，有些网络参数已经被我简化了，完整的网络结构可以查看原文献。        本文将简要的介绍如何使用pytorch实现几个经典的卷积神经网络。1.Lenetclass LeNet_simple(nn.Module): def __init...

原创 Kaggle比赛——Digit Recognizer——Part 1（Pytorch 数据集的建立）

       首先从Kaggle官网下载数据集https://www.kaggle.com/c/digit-recognizer/data里面包含三个CSV文档。train.csv是带标签的数据，用于训练和调参，test.csv是无标签的数据，在提交测试文档的时候才需要用到。        这里，我先把train里面的数据又随机划分为两个表，一个用于训练一个用于交叉验证，代码很简单，主要是pa...

原创 卷积神经网络 -- PyTorch 实现系列之 LeNet（datasets: CIFAR-10）

参考文献：Gradient-Based Learning Applied to Document Recognition摘要：        本文利用PyTorch实现了经典神经网络LeNet。引入：        目前有很多博客都系统介绍了LeNet的结构以及在各个框架下的代码实现，然而本人发现其中很大一部分博文是存在比较多的问题的，经过仔细阅读LeCun的文章，我把原始LeNe...

原创 CS231n-assignment2 FullyConnectedNet 多层神经网络的实现 任意数量隐藏层的实现

 from builtins import rangefrom builtins import objectimport numpy as npfrom cs231n.layers import *from cs231n.layer_utils import *class TwoLayerNet(object): """ A two-layer fully...