雨落狮山山亦奇的个人博客

原创 目标检测中的mAP+PyTorch实现

南极Python交流群已成立，长按下方二维码添加我的微信，备注加群即可，欢迎进群学习交流（划水）

原创 【YOLOv3】手把手教你打造一个汽车检测器

本文将带你打造一个汽车检测器，使用的算法是PyTorch版本的YOLOV3。我们不会讲解该算法的细节，而是专注于如何去实现自己的汽车检测器，主要包括数据下载，数据清洗，数据集制作以及训练和检测（图片检测，视频检测）等过程。即使你不知道YOLOV3是什么也没关系，这对于阅读本文几乎毫无影响。建议移步下方阅读，排版更精美：https://mp.weixin.qq.com/s?__biz=MzU0NzQwMzU1Mw==&mid=2247486707&idx=1&s..

原创 详解PyTorch中的交叉熵！

最近在做交叉熵的魔改，所以需要好好了解下交叉熵，遂有此文。关于交叉熵的定义请自行百度，相信点进来的你对其基本概念不陌生。推荐原文链接（排版精美）：https://mp.weixin.qq.com/s/94qCM6Kim0UaqAr6HaGpiQ本文将结合PyTorch，介绍离散形式的交叉熵在二分类以及多分类中的应用。注意，本文出现的二分类交叉熵和多分类交叉熵，本质上都是一个东西，二分类交叉熵可以看作是多分类交叉熵的一个特例，只不过在PyTorch中对应方法的实现方式不同（不同之处将在正文详细讲解

原创 用ProGAN生成高清影像，手把手教程！

ProGAN的结构ProGAN也是用于图像生成的一种生成对抗网络。在原始GAN 以及一些GAN变体中，都是对搭建好的整个网络(包括生成器和判别器)直接进行训练。而ProGAN的独特之处在于采用了逐步增长的方式，如下图所示：​具体来说，生成器最开始只有一层，用于生成分辨较低的图像，比如图中的44；此时判别器也只有一层，将生成的44的图片和真实的4*4的图片一起输入到判别器进行，得到输出结果。训练若干轮次。接下来，给生成器加一层，使得其生成的图像分辨率可以高一些，比如...

原创 仅10行代码！突破页数和会员限制，批量图片合成pdf | 实用工具分享

仅10行代码！突破页数和会员限制，批量图片合成pdf | 实用工具分享原创凡希我将在南极找寻你今天最近在整理以前的书籍和资料，发现了一堆自己写的笔记：摊开之后的画面是这样的：丢了吧，太可惜，留着呢，又用不到，而且还占地方。思来想去，我决定将它们扫描做成电子档，永久储存在云端。说干就干，先拿<操作系统笔记>开刀。我用手机摄像头充当扫描仪，开始了漫长的扫描，这真是个体力活。许久，终于扫描完了，共134张图片。二话不说，在手机相册中选中扫描的图片，传送到...

原创 lr中的coef维度

import numpy as npimport matplotlib.pyplot as pltfrom sklearn.datasets import make_blobsfrom sklearn.linear_model import LogisticRegression # 构造一些数据点centers = [[-5, 0], [0, 1.5], [5, -1]]X, y = make_blobs(n_samples=1000, centers=centers, random_sta.

原创 tf.keras中关于model.trainable=False的设置（in GAN）

提出问题在看GAN的实现代码的时候，发现了这么一个地方：class GAN(): def __init__(self): self.img_rows = 28 self.img_cols = 28 self.channels = 1 self.img_shape = (self.img_rows, self.img_cols, self.channels) self.latent_dim = 100​ ...

原创 变量，注释，缩进，细数Python优雅风 | Python基础连载（二）

开篇在之后的几期文章中，你将会陆续学习到Python的六个标准数据类型不过在此之前，有一些先导内容需要掌握，所以这一期就先来介绍一下这些内容。Python中的变量所谓变量，顾名思义，就是“会变化的量”。在Python中，你可以把变量当作一个袋子，袋子里面可以装水果，可以装手机，也可以装书籍。现在，将数字1装入一个叫做x的袋子，可以这样写：x=1这一句代码的作用就是定义了一个变量，名字叫做x，同时将数字1赋值给变量x。用上面的袋子的例子来解释，就是将数字1装入了袋子x，

原创 一切都要从搭建环境说起 | Python基础连载（启）

开篇在使用Python进行编程之前，首先需要搭建Python环境。如果你是第一次接触搭建Python环境这个名词，不用担心，这个过程非常简单，你只要跟着后面的环境搭建步骤一步一步的操作就可以了。为什么需要搭建环境温馨提示:这一部分属于扩展的知识，与环境搭建部分是独立的，对于非计算机专业的同学来说，看不太懂也没关系，直接跳转到下一部分阅读也无妨哦在介绍环境搭建步骤之前，还是简要说一下为什么需要搭建环境。计算机所能识别的，其实只有两个数字，即二进制中的0和1，由0和1的各种组合编写出来...

原创 计算机网络知识梳理总结（For 考研复试面试）

干货分享的微信公众号：我将在南极找寻你，就快更新了，等忙完这些第一章、计算机网络体系结构1.计算机网络的定义计算机网络就是一些互连的，自治的计算机系统的集合。2.计算机网络的组成(1)物理组成：硬件（由主机、通信处理剂、通信线路和交换设备组成），软件（实现资源共享的软件和方便用户使用的工具软件），协议（一种规则）; (2)工作方式组成：边缘部分(由所有连接在互联网上，...

原创 计算机组成原理知识梳理总结（For考研复试面试）

干货分享就在微信公众号：我将在南极找寻你话说已经好久没更新了第一章、计算机系统概述1.计算机发展历程计算机硬件发展历程： 电子管时代-->晶体管时代-->中小规模集成电路时代-->超大规模集成电路时代-->智能计算机-->生物计算机和量子计算机。 计算机的分类： 专用计算机、通用计算机。 摩尔定律： 当价格不变时，集成电路上可容纳的元器件的数目，约...

转载 ts的确定性分析

移动平均法（Moving average，MA） 指数平滑法（Exponential Smoothing，ES） - tz_zs的博客 - CSDN博客  https://blog.csdn.net/tz_zs/article/details/78341306

原创 Jacobi

Jacobifunction[x,k,index]=Jacobi(A,b,ep,it_max)if nargin&lt;4 it_max=100;endif nargin&lt;3 ep=1e-5;endn=length(A);k=0; x=zeros(n,1);y=zeros(n,1);index=1;while k&lt;=it_max fo...

原创 线性表

//试写一算法在带头结点的单链表结构上实现线性表操作LENGTH(L)int LENGTH(Sqlist L){ INT COUNT=0; p=L-&gt;next; for(i=0;i&lt;=L.length-1;i++) { if p!=NULL { count++; p=p-&gt;next; } } return count;}//...

原创 简单迭代法

简单迭代法A=input('请输入待求解的系数矩阵：\n');b=input('输入b：');nmax=('最大迭代次数是几？');eps=('误差是几？');x0=('初始解是几？');n=size(A);for k = 1:100 for i=1:n s=0; for j=1:i-1 s=s+A(i,j)*x(j...

翻译 Cholesky分解算法Matlab代码

n=input('请输入矩阵阶数：\n');A=input('请输入待求解的对称正定矩阵:\n');for k =1:n-1 A(k,k)=sqrt(A(k,k)) A(k+1:n,k)=A(k+1:n,k)/A(k,k); for j =k+1:n A(j:n,j)=A(j:n,j)-A(j:n,k)*A(j,k); endendA(n,...

原创 ｌｉｎｕｘ解决Traceback (most recent call last): File "/usr/bin/pip3", line 11, in <module> sys.exit(

sudo apt-get install python3-pip

原创 高斯顺序消去法的Matlab实现

高斯顺序消去法的Matlab实现%消元过程n=input('input n:');A=input('input your matrix:');b=input('input your bias');for k=1:n-1 A(k+1:n,k)=A(k+1:n,k)/A(k,k); %算子 A(k+1:n,k+1:n)=A(k+1:n,k+1:n)-A(k...

原创 数列极限四则运算误区

 数列极限的四则运算法则有这么一条：&lt;br&gt;$$\lim_{n\rightarrow\infty}(a_n+b_n)=\lim_{n\rightarrow\infty}a_n+\lim_{n\rightarrow\infty}b_n$$运用上面的法则，来看下面这道题：&lt;br&gt;$$\lim_{n\rightarrow\infty}(\frac{1}{\sqrt {n...

原创 爬虫第一课：正则表达式符号与方法

第一课：正则表达式符号与方法１．. :匹配任意字符，换行符除外：&gt;&gt;&gt; import re&gt;&gt;&gt; a='xy123'&gt;&gt;&gt; b=re.findall('x',a)&gt;&gt;&gt; b['x']&gt;&gt;&gt; b=re.findall('x...',a)&gt;&gt;&gt; b['xy12']

转载 SPSS协方差分析

1、分析原理协方差分析是回归分析与方差分析的结合。在作两组和多组均数之间的比较前，用直线回归的方法找出各组因变量Y与协变量X之间的数量关系，求得在假定X相等时的修正均数，然后用方差分析比较修正均数之间的差别。要求X与Y的线性关系在各组均成立，且在各组间回归系数近似相等，即回归直线平行；X的取值范围不宜过大，否则修正均数的差值在回归直线的延长线上，不能确定是否仍然满足平行性和线性关系的条件，协方差分...

转载 ch2. 交叉表做卡方检验

spss中交叉分析主要用来检验两个变量之间是否存在关系，或者说是否独立，其零假设为两个变量之间没有关系。在实际工作中，经常用交叉表来分析比例是否相等。例如分析不同的性别对不同的报纸的选择有什么不同。spss交叉表分析方法与步骤： 1、在spss中打开数据，然后依次打开：analyze--descriptive--crosstabs，打开交叉表对话框 2、将性别放到行列表，将对读物的选择变量放到列，...

原创 搭建一个简单的神经网络（向前传播）

代码实现1：#两层简单神经网络（全连接）import tensorflow as tf#定义输入和参数x=tf.constant([[0.7,0.5]])#一组X，表示体积和重量w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1))#两行三列的正态分布随机数组成的矩阵w2=tf.Variable(tf.random_normal(...

原创 蒙特卡洛方法计算圆周率

#蒙特卡洛方法计算圆周率from random import randoms=1000*1000#撒点的个数hist=0.0#圆内的点的初值for i in range(0,s+1): x=random() y=random() if pow(x**2+y**2,0.5)&lt;=1: hist+=1...

原创 数理统计证明题

原创 蒙特卡洛估算定积分的Python实现--平均值法

蒙特卡洛估算定积分的第二种方法本文首发于个人微信公众号“我将在南极找寻你”平均值法前几天，我们利用蒙特卡洛的随机投点法实现了y=x^2在0到1上的定积分的估算（传送门），今天，我们介绍另一种蒙特卡洛估算定积分的方法：平均值法原理：辛钦大数定律这里的大数定律，指的是伯努利大数定律，即绝对值里面的前者为平均观测值，后者为概率（由二点分布的的公式得到），这就是说，当n很大时，后者（概率）可以由前者（平均...

原创 Numpy常用函数

个人微信公众号：”我将在南极找寻你“Numpy常用函数1读写文本文件首先生成一个二阶单位矩阵：&gt;&gt;&gt; m=np.eye(2)&gt;&gt;&gt; marray([[ 1.,  0.],       [ 0.,  1.]])然后使用 savetxt函数进行存储：&gt;&gt;&gt; np.savetxt("eye.txt",m)2读取文本文件loadtxt，以“，”来分割：...

原创 Numpy基础知识

Numpy基础（个人微信公众号：“我将在南极找寻你”）1Numpy数组对象以及创建方式ndarray是一个多维数组对象，由“实际数据”+“元数据”组成创建一维数组&gt;&gt;&gt; a=np.arange(5)&gt;&gt;&gt; a.dtypedtype('int32')&gt;&gt;&gt; aarray([0, 1, 2, 3, 4])&gt;&gt;&gt; a.shape(5...

原创 微信机器人

# -*- coding: cp936 -*-import itchat@itchat.msg_register(itchat.content.TEXT)def text_reply(msg): defaultReply=u'俺不知道你在说些什么，俺兄弟凡希可能知道，微信搜索公众号“我将在南极找寻你”，点击关注就可以找到他了，嘿嘿' reply_text=...

原创 【线性回归】波斯顿房价预测

# -*- coding: cp936 -*-from sklearn.datasets import load_bostonboston=load_boston()from sklearn.cross_validation import train_test_splitimport numpy as npX=boston.datay=boston.targetX_train,X...

转载 Numpy的reshape中-1的意思

转载自知乎numpy.reshape(a, newshape, order='C')[source]，参数`newshape`是啥意思？ 根据Numpy文档(https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html#numpy-reshape)的解释： newshape : int or tuple of int...

原创 (决策树)泰坦尼克号生还者简单预测

import pandas as pdtitanic=pd.read_csv('http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt')X=titanic[['pclass','age','sex']]y=titanic['survived']X['age'].fillna(X['age'].mean(...

原创 （KNN）iris种类预测

# -*- coding: cp936 -*-from sklearn.datasets import load_irisiris=load_iris()iris.data.shapeprint iris.DESCRfrom sklearn.cross_validation import train_test_splitX_train,X_test,y_train,y_test=tr...

原创 （朴素贝叶斯）新闻文本分类

from sklearn.datasets import fetch_20newsgroupsnews=fetch_20newsgroups(subset='all')print len(news.data)print news.data[0]from sklearn.cross_validation import train_test_splitX_train,X_test,y_tr...

原创 （线性支持向量机）手写数字识别

from sklearn.datasets import load_digitsdigits=load_digits()digits.data.shapefrom sklearn.cross_validation import train_test_splitX_train,X_test,y_train,y_test=train_test_split(digits.data,digits...

原创 （逻辑斯蒂回归（主要）+随机梯度）良/恶性乳腺肿瘤预测

# -*- coding: cp936 -*-import pandas as pdimport numpy as npcolumn_names=['Sample code number','Clump Thickness','Uniformity of Cell Size','Uniformity of Cell Shape','Marginal Adhesion','Single Epi...

原创 机器学习实战代码3-5

使用文本注解绘制树节点# -*- coding: cp936 -*-#利用matplotlib的注解（注释）来绘制决策树（奇葩不）import matplotlib.pyplot as plt#引入中文字体from pylab import * mpl.rcParams['font.sans-serif'] = ['SimHei'] #定义文本框和箭头格式decision

原创 机器学习实战代码3-5

**使用文本注解绘制树节点# -*- coding: cp936 -*-#利用matplotlib的注解（注释）来绘制决策树（奇葩不）import matplotlib.pyplot as plt#引入中文字体from pylab import * mpl.rcParams['font.sans-serif'] = ['SimHei'] #定义文本框和箭头格式deci

原创 机器学习实战代码3-4

def createTree(dataSet,labels): classList = [example[-1] for example in dataSet] if classList.count(classList[0]) == len(classList): return classList[0]#stop splitting when all of the

原创 Python的类和对象

在def __init__(self)中，给类设置属性的时候，有两种可行的方法（也可能更多，我就知道这两个）以下面的代码为例（参考自微信公众号“Python爱好者社区”）# -*- coding: cp936 -*-#这是一个煮泡面的过程class Cook(): #初始化 def __init__(self,cookedstate,cook