闲人_Yty-CSDN博客

原创 InterpretDL实现ResNet的可解释性分析

Interpreting ResNet Model With LRP(Layer-wise Relevance Propagation)使用Layer-wise Relevance Propagation对ResNet和VGG网络进行可解释的分析。Star and Fork!本项目的所有代码和tutorials均源于PaddlePaddle的InterpretDL仓库，欢迎大家Star和Fork！InterpretDL: Interpretation of Deep Learning Models

2021-07-08 18:06:01 771 4

原创 PaddlePaddle2.0基础操作

PaddlePaddle2.0基础操作目录PaddlePaddle2.0基础操作项目描述数据集介绍项目要求数据准备环境配置/安装PaddlePaddle 介绍Paddle中张量以及张量和numpy数组之间的转换`paddle.reshape()``广播语义`计算图CUDA 语义Paddle 是一个会自动计算梯度的框架使用梯度线性回归注意数据维度正确性检查使用自动计算导数的GD来训练线性回归模型paddle.nn.Module线性模型激活函数顺序容器损失函数paddle.optimizer用GD自动计算导数

2021-04-19 19:53:51 960

原创 Paddle2实现Pixel2Pixel-人像卡通化应用

Pixel2Pixel：人像卡通化论文：Image-to-Image Translation with Conditional Adversarial Networks论文链接：https://arxiv.org/abs/1611.07004Pixel2Pixel：人像卡通化准备工作：引入依赖 & 数据准备import paddleimport paddle.nn as nnfrom paddle.io import Dataset, DataLoaderimport osim

2021-04-19 19:49:49 830 1

原创 PaddlePaddle实现LSGAN

PaddlePaddle实现LSGAN#导入一些必要的包import osimport randomimport paddle import paddle.nn as nnimport paddle.optimizer as optimimport paddle.vision.datasets as dsetimport paddle.vision.transforms as transformsimport numpy as npimport matplotlib.pyplot as

2021-04-19 19:46:42 228

原创 GAN基础理论客观题

GAN基础理论客观题1. （多选）GAN的基础结构包括（）A. 生成器B. 判别器C. 编码器D. 解码器参考答案：AB2.（多选）GAN的应用包括（）A. 换脸B. 动作迁移C. 图像翻译D. 超分辨率参考答案：ABCD3. （多选）生成对抗网络中的生成模型可以（）A. 输入噪声生成图像B. 输入噪声和标签生成图像C. 输入图像生成图像D. 输入文字描述生成图像参考答案：ABCD4. （单选）下列哪一项是GAN的判别器的损失函数（）A. B. C

2021-04-19 19:43:57 794

原创李宏毅机器学习2021系列作业2-年收入判断

李宏毅机器学习2021系列作业2-年收入判断项目描述二元分类是机器学习中最基础的问题之一，在这份教学中，你将学会如何实作一个线性二元分类器，来根据人们的个人资料，判断其年收入是否高于 50,000 美元。我们将以两种方法: logistic regression 与 generative model，来达成以上目的，你可以尝试了解、分析两者的设计理念及差别。实现二分类任务：个人收入是否超过50000元？数据集介绍这个资料集是由UCI Machine Learning Repository

2021-03-17 16:49:37 2621 8

原创李宏毅机器学习2021系列作业1-PM2.5预测

李宏毅机器学习2021系列作业1-PM2.5预测项目描述本次作业的资料是从行政院环境环保署空气品质监测网所下载的观测资料。希望大家能在本作业实现 linear regression 预测出 PM2.5 的数值。数据集介绍本次作业使用丰原站的观测记录，分成 train set 跟 test set，train set 是丰原站每个月的前 20 天所有资料。test set 则是从丰原站剩下的资料中取样出来。train.csv: 每个月前 20 天的完整资料。test.csv : 从剩下的

2021-03-15 23:17:22 2437 1

原创图像分类竞赛全流程实战

图像分类竞赛全流程实战【飞桨】【图像分类】【PaddlePaddle】文章目录图像分类竞赛全流程实战【飞桨】【图像分类】【PaddlePaddle】任务分析图像分类竞赛全流程工具图像分类比赛的一般解题流程数据解压EDA（Exploratory Data Analysis）与数据预处理数据集样本数量不平衡问题模型训练 Trick优化算法选择学习率调整策略One-Hot编码标签平滑（LSR）软标签&硬标签训练过程可视化模型评估模型保存模型预测以及结果输出欢迎报名：飞桨领航团图像分类零基础训练营

2021-03-07 16:27:02 422

原创 MLP多层感知机+LeNet MNIST实战

MLP多层感知机+LeNET_MNIST实战【飞桨】【图像分类】【PaddlePaddle】欢迎报名：飞桨领航团图像分类零基础训练营首先导入必要的包numpy---------->python第三方库，用于进行科学计算PIL------------> Python Image Library,python第三方图像处理库matplotlib----->python的绘图库 pyplot:matplotlib的绘图框架os------------->提供了丰富的方

2021-03-05 11:11:55 709 1

原创 OpenCV图像数据增强代码解析与实战【飞桨】【图像分类】【PaddlePaddle】

OpenCV数据增强代码解析与实战常用图像增广方法主要有：左右翻转(上下翻转对于许多目标并不常用)，随机裁剪，变换颜色(亮度，对比度，饱和度和色调)等等，我们拟用opencv-python实现部分数据增强方法。结构如下：class FunctionClass: def __init__(self, parameter): self.parameter=parameter def __call__(self, img): import cv2i

2021-03-04 01:22:56 1008 5

原创图像处理入门基础(OpenCV)

文章目录图像处理入门基础(OpenCV)引言1. OpenCV库基础操作图像处理的概念与基本操作图片、GIF、视频像素：画面中最小的点分辨率=画面水平方向的像素值 * 画面垂直方向的像素值屏幕分辨率图像分辨率图像的基本概念使用OpenCV加载并保存图片说明加载图片2. OpenCV库进阶操作图像基本操作ROI通道分割与合并颜色空间转换特定颜色物体追踪阈值分割固定阈值分割自适应阈值Otsu阈值小结图像几何变换缩放图片翻转图片平移图片绘图功能画线画矩形添加文字小结图像间数学运算图片相加图像混合按位操作小结平滑图

2021-03-03 15:36:13 1420 1

原创 Paddle高层API实现图像分类（CIFAR-100数据集_ResNet101）

Paddle高层API实现图像分类（CIFAR-100数据集_ResNet101）『深度学习7日打卡营·大作业』零基础解锁深度学习神器飞桨框架高层API，七天时间助你掌握CV、NLP领域最火模型及应用。课程地址传送门：https://aistudio.baidu.com/aistudio/course/introduce/6771目标掌握深度学习常用模型基础知识熟练掌握一种国产开源深度学习框架具备独立完成相关深度学习任务的能力能用所学为AI加一份年味数据集：指定数据集：

2021-02-11 19:39:39 1148 4

原创 paddle2.0高层API实现基于seq2seq的对联生成

paddle2.0高层API实现基于seq2seq的对联生成『深度学习7日打卡营·day5』零基础解锁深度学习神器飞桨框架高层API，七天时间助你掌握CV、NLP领域最火模型及应用。课程地址传送门：https://aistudio.baidu.com/aistudio/course/introduce/6771目标掌握深度学习常用模型基础知识熟练掌握一种国产开源深度学习框架具备独立完成相关深度学习任务的能力能用所学为AI加一份年味对联，是汉族传统文化之一，是写在纸、布上或

2021-02-08 15:23:36 421 2

原创 paddle2.0高层API实现自定义数据集文本分类中的情感分析任务

paddle2.0高层API实现自定义数据集文本分类中的情感分析任务本文包含了：- 自定义文本分类数据集继承- 文本分类数据处理- 循环神经网络RNN, LSTM- ·seq2vec·- pretrained预训练模型『深度学习7日打卡营·day3』零基础解锁深度学习神器飞桨框架高层API，七天时间助你掌握CV、NLP领域最火模型及应用。课程地址传送门：https://aistudio.baidu.com/aistudio/course/introduce/6771目标

2021-02-07 17:17:28 1101 1

原创 paddle2.0高层API实现人脸关键点检测(人脸关键点检测综述_自定义网络_paddleHub_趣味ps)

paddle2.0高层API实现人脸关键点检测(人脸关键点检测综述_自定义网络_paddleHub_趣味ps)本文包含了：- 人脸关键点检测综述- 人脸关键点检测数据集介绍以及数据处理实现- 自定义网络实现关键点检测- paddleHub实现关键点检测- 基于关键点检测的趣味ps『深度学习7日打卡营·day3』零基础解锁深度学习神器飞桨框架高层API，七天时间助你掌握CV、NLP领域最火模型及应用。课程地址传送门：https://aistudio.baidu.com/aistud

2021-02-06 02:43:37 987

原创 paddle2.0高层API实现ResNet50(十二生肖分类实战)

paddle2.0高层API实现ResNet50(十二生肖分类实战)① 问题定义十二生肖分类的本质是图像分类任务，我们采用CNN网络结构进行相关实践。② 数据准备2.1 解压缩数据集我们将网上获取的数据集以压缩包的方式上传到aistudio数据集中，并加载到我们的项目内。在使用之前我们进行数据集压缩包的一个解压。!unzip -q -o data/data68755/signs.zip2.2 数据标注我们先看一下解压缩后的数据集长成什么样子。.├── test│ ├── do

2021-02-05 02:43:14 1014

原创 paddle2.0高层API快速实现LeNet(MNIST手写数字识别)

文章目录paddle2.0高层API快速实现LeNet(MNIST手写数字识别)DL万能公式数据加载和预处理查看数据搭建LeNet-5卷积神经网络网络模型可视化模型配置模型评估模型预测批量预测单张图片预测部署上线保存模型继续调优训练保存预测模型paddle2.0高层API快速实现LeNet(MNIST手写数字识别)『深度学习7日打卡营·快速入门特辑』零基础解锁深度学习神器飞桨框架高层API，七天时间助你掌握CV、NLP领域最火模型及应用。课程地址传送门：https://aistudio.bai

2021-02-04 22:56:04 509 1

原创 MobileNetV1/V2详解_以及MobileNetV2_Tensorflow2实现

MobileNet v1/v2卷积神经网络（CNN）已经普遍应用在计算机视觉领域，并且已经取得了不错的效果。图1为近几年来CNN在ImageNet竞赛的表现，可以看到为了追求分类准确度，模型深度越来越深，模型复杂度也越来越高，如深度残差网络（ResNet）其层数已经多达152层。然而，在某些真实的应用场景如移动或者嵌入式设备，如此大而复杂的模型是难以被应用的。首先是模型过于庞大，面临着内存不足的问题，其次这些场景要求低延迟，或者说响应速度要快，想象一下自动驾驶汽车的行人检测系统如果速度很慢会发生什么可怕

2021-02-04 14:31:06 940

原创 forget tf1! TensorFlow2索引和切片

文章目录TensorFlow2 Index & sliceBasic indexingNumpy-style indexingslicestart:endIndexing bystart:end:step (::)::-1 (inverse)...Seletive Indexingtf.boolean_maskTensorFlow2 Index & sliceindexingBasic indexing[idx][idx][idx]Same with Numpy[id

2021-02-03 23:06:10 264 1

原创 forget tf1! tensorflow2的数据类型，tensor属性参数以及创建方法

tensorflow2import tensorflow as tfimport numpy as nptensorflow数据类型constant（可修改）a = tf.constant(1)print(a)a = tf.constant(2)print(a)tf.Tensor(1, shape=(), dtype=int32)tf.Tensor(2, shape=(), dtype=int32)tf.constant(1.)<tf.Tensor: shape=(),

2021-02-03 17:54:35 490

原创 ResNet详解以及Tensorflow2实现(resnet_v1/v2_34/50/101)

ResNet_Tensorflow2实现ResNet引入在VGG-19中，卷积网络达到了19层，在GoogLeNet中，网络史无前例的达到了22层。网络层数越高包含的函数空间也就越大，理论上网络的加深会让模型更有可能找到合适的函数。但实际上，网络的精度会随着网络的层数增多而增多吗？在深度学习中，网络层数增多一般会伴着下面几个问题计算资源的消耗模型容易过拟合梯度消失/梯度爆炸问题的产生根据实验表明，随着网络的加深，优化效果反而越差，测试数据和训练数据的准确率反而降低了。这是由于网络的加深会

2021-02-03 01:33:12 1382 1

原创交叉熵以及通过Python实现softmax_交叉熵（tensorflow验证）

文章目录交叉熵（Cross Entropy）信息论相对熵交叉熵机器学习中的交叉熵为什么要用交叉熵做损失函数？分类问题中的交叉熵softmaxsoftmax_cross_entropy求导Python实现单分类softmax_交叉熵交叉熵（Cross Entropy）交叉熵（cross entropy）是深度学习中常用的一个概念，一般用来求目标与预测值之间的差距。交叉熵（Cross Entropy）是Shannon信息论中一个重要概念，主要用于度量两个概率分布间的差异性信息。语言模型的性能通常用交叉熵和

2021-02-01 19:24:34 1381

原创 CNN卷积神经网络_Lenet详解_paddle2.0实现

CNN卷积神经网络卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络（Shift-Invar

2021-01-19 09:46:25 1147

原创 win10打开休眠模式

win10打开休眠模式模式介绍Windows系统中，有这样几种电源模式：关机、休眠、睡眠以及快速启动。这里主要跟大家说的是睡眠和休眠的区别，电脑在睡眠状态时，会切断内存之外的设备电源，电脑会进入睡眠状态，当再次唤醒电脑后，不会影响睡眠前保存好的工作状态。而休眠则是电脑系统自动将内存中的数据全部转存到硬盘上，并切断对所有设备的供电。当电脑恢复时，系统会将文件内容读入内存中，不会丢失。如果短时间离开电脑，要使用睡眠功能，既能省电还可以快速恢复工作状态。当计算机进入休眠状态后，内存中的内容将保存到硬盘上。当计

2021-01-18 15:44:38 338

原创 paddle2.0实现DNN（minst数据集）

文章目录paddle2.0实现DNN（minst数据集）Python依赖库数据准备数据集介绍train_reader和test_reader网络配置模型预测图片预处理使用Matplotlib工具显示这张图像并预测paddle2.0实现DNN（minst数据集）实践总体过程和步骤如下图：#导入需要的包import osimport zipfileimport randomimport jsonimport numpy as npfrom PIL import Imageimport m

2021-01-18 12:06:16 701

原创深度学习Python基础库的使用

目录Python编程库Why Python?Python机器学习的优势Numpy库1.数组创建2.数组的计算3.数组的索引与切片pandas库1.Series2.DataFramePIL库Matplotlib库Python编程库Python被大量应用在数据挖掘和深度学习领域，其中使用极其广泛的是Numpy、pandas、Matplotlib、PIL等库。Why Python?解释型语言（Interpreted Languages）免费试用跨平台执行Python机器学习的优势方便调试的

2021-01-17 09:21:08 138

原创 Kaggle (digit recognizer) PCA+SVM

下载minst数据集kaggle competitions download -c digit-recognizer包含两个文件：train.csvtest.csvimport pandas as pdimport matplotlib.pyplot as pltimport numpy as nptrain = pd.read_csv('../../../datasets/digit-recognizer/train.csv')print(train.shape)test .

2021-01-15 17:00:56 185 1

原创 Hello, Tensorflow

Hello, TensorflowTensorflow是广泛使用的实现机器学习以及其它涉及大量数学运算的算法库之一。Tensorflow由Google开发，是GitHub上最受欢迎的机器学习库之一。Google几乎在所有应用程序中都使用Tensorflow来实现机器学习。例如，如果您使用到了Google照片或Google语音搜索，那么您就间接使用了Tensorflow模型。它们在大型Google硬件集群上工作，在感知任务方面功能强大。Tensowflow内部有自己定义的常量、变量、数据操作等要素，它使

2021-01-14 15:07:39 198

原创超参数网络搜索(GridSearchCV)

超参数网络搜索由于各个新模型在执行交叉验证的过程中间是相互独立的，所以我们可以充分利用多核处理器（Multicore processor）甚至是分布式的计算资源来从事并行搜索，节省运算时间。# 导入20类新闻文本抓取器from sklearn.datasets import fetch_20newsgroupsimport numpy as npnews = fetch_20newsgroups(subset='all')print(news.DESCR).. _20newsgroups_

2021-01-13 16:14:35 668

原创机器学习模型性能衡量指标(回归)以及Python实现

文章目录机器学习模型性能衡量指标(回归)以及Python实现平均绝对误差(Mean Absolute Error, MAE)MSE 均方误差(Mean Squared Error, MSE)RMSE 均方根误差(Mean Squared Error, RMSE)R2(R-Square)校正决定系数(Adjust R-Square)机器学习模型性能衡量指标(回归)以及Python实现平均绝对误差(Mean Absolute Error, MAE)MAE=1m∑i=1m∣(yi−yi^)∣MAE = \

2021-01-11 19:36:12 714

原创 StandardScaler(sklearn)机器学习中的归一化

StandardScaler(sklearn)参数详解为什么要归一化归一化后加快了梯度下降求最优解的速度：如果机器学习模型使用梯度下降法求最优解时，归一化往往非常有必要，否则很难收敛甚至不能收敛。归一化有可能提高精度：一些分类器需要计算样本之间的距离（如欧氏距离），例如KNN。如果一个特征值域范围非常大，那么距离计算就主要取决于这个特征，从而与实际情况相悖（比如这时实际情况是值域范围小的特征更重要）。from sklearn.preprocessing import Standard

2021-01-11 16:59:42 4072 1

原创强化学习（Reinforcement learning）综述

文章目录Reinforcement learning 综述强化学习的分类环境（Model-free,Model-based）Based(Policy-Based RL & Value-Based RL)回合更新和单步更新在线学习和离线学习强化学习理论基础马尔可夫决策过程（Markov Decision Processes,MDPs）基本概念MDP 求解Bellman期望方程Bellman方程的分析状态价值函数和动作价值函数的关系最优方程最优价值函数（optimal state-value funct

2021-01-11 16:23:13 3686

qq_40326280的博客