自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(9)
  • 收藏
  • 关注

原创 【论文学习】Non-local U-Nets for Biomedical Image Segmentation

1.摘要深度学习在不同的生物图像分割上表现出色。现存的模型基本上是在U-Net基础上进行的改进,并且采用encoder-decoder的架构,这种架构通过堆积local operators来逐渐汇集长范围的信息。然而,使用local operators限制了效率和其有效性。在我们的工作中,我们提出了non-local U-Nets,采用了具有弹性的global aggregation block...

2020-04-25 21:35:08 858 1

原创 训练Unet网络模型分割医学图象遇到的坑(待整理)

1.图片转npy在将图片转成npy格式的时候,想查看矩阵是否有问题,刚开始时没有乘以255,用cv2.imwrite保存图片,打开后发现全部都是黑的,在查阅资料后发现自己当初对图片进行了归一化处理,也就是除以了255,导致图片的像素值都在0~1之间,所以保存图片时显示全黑。因此在保存时乘以255恢复到原来的像素值就可以了print (imgs_mask_train[0][0])min, ma...

2020-04-15 12:24:21 7597 5

原创 吴恩达机器学习代码及相关知识点总结--ex5(偏差与方差)

1.偏差和方差的定义偏差:描述的是预测值的期望与真实值之间的差距。偏差越大,越偏离真实数据。方差:描述的是预测值的变化范围,离散程度,也就是离其期望值的距离,方差越大,数据的分布越分散。我们训练出来的模型和真实模型之间通常存在着不一致性,而这不一致性就表现为偏差和方差,选择正确的模型复杂的,能够尽可能减少偏差和方差。复杂度高的模型通常对训练集有很好的拟合能力,但对测试数据就不一定了,极...

2020-03-01 16:47:13 404

原创 吴恩达机器学习代码及相关知识点总结--ex4(NN back propagation(神经网络反向传播))

数据可视化还是像前一个联系一样,首先进行数据可视化:import matplotlib.pyplot as pltimport numpy as npimport scipy.io as sioimport matplotlibimport scipy.optimize as optfrom sklearn.metrics import classification_report#这...

2020-02-29 20:39:47 883

原创 吴恩达机器学习代码及相关知识点总结--ex3(1.神经网络)

python矩阵乘积运算(multiply/maumul/*/@)解析1.加载数据def load_data(path,transpose=True): data=sio.loadmat(path) y=data.get("y")#before reshape:(5000, 1) y=y.reshape(y.shape[0]) X=data.get("X")#...

2020-02-28 19:19:50 675

原创 吴恩达机器学习代码及相关知识点总结--ex2(2.正则化逻辑回归)

1.可视化和第一部分作业类似:path = 'code/ex2-logistic regression/ex2data2.txt'data2 = pd.read_csv(path, header=None, names=['Test 1', 'Test 2', 'Accepted'])data2.head()positive = data2[data2['Accepted'].isin(...

2020-02-27 17:29:51 349 2

原创 吴恩达机器学习代码及相关知识点总结--ex2(1.逻辑回归)

查看数据import numpy as npimport pandas as pdimport matplotlib.pyplot as pltdata=pd.read_csv("code/ex2-logistic regression/ex2data1.txt",names=['Exam 1', 'Exam 2', 'Admitted'])data.head()positive...

2020-02-27 14:54:35 287 2

原创 吴恩达机器学习代码及相关知识点总结--ex1(2.多变量线性回归)

多元线性回归def computeCost(X, y, theta): inner = np.power(((X * theta.T) - y), 2) return np.sum(inner) / (2 * len(X))computeCost(X, y, theta)def gradientDescent(X,y,theta,alpha,iters): temp...

2020-02-26 12:29:16 366

原创 吴恩达机器学习代码及相关知识点总结--ex1(1.单变量线性回归)

小白开始机器学习之路,此文章主要供自己练习总结用,大部分代码参考吴恩达机器学习作业解答,文章思路可能有些混乱,如有问题还望批评指正(ง •_•)ง1.导入import pandas as pdimport seaborn as snssns.set(context="notebook", style="whitegrid", palette="dark")import matplotli...

2020-02-25 21:05:26 261 2

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除