AI Learning & Practice
文章平均质量分 79
Ai实践过程遇到的一些内容总结
夏目学习
conda create -n XiamuStudy
展开
-
数字图像处理
1. 数字图像处理图像处理用来提取感兴趣的区域,机器学习用于识别有效信息1.1 数字图像图像的采样与量化数字图像,将空间图像分成栅格,对栅格中心点的亮度进行量化数字图像可以表示为以像素为元素的矩阵采样精度:空间分辨率。空间分辨率衡量将模拟图像转化为数字图像的空间精度(相当于一维模拟信号的x值)量化精度:亮度分辨率。亮度分辨率是衡量图像亮度的量化精度(相当于一维模拟信号的y值)图像的存储精度量化级别为2的K次方//比如说这幅图片中原创 2021-05-28 16:29:53 · 2285 阅读 · 0 评论 -
2012-05-10 FPN目标识别评价指标之精确度与召回率
利用RSDDs数据集做二分类,有缺陷的defects为正样本,background为负样本分类系统的最终目的:能识别出测试集中所有缺陷,那么缺陷是正例,背景是反例TP、TN、FP、FNTrue positives : 缺陷的图片被正确识别成了缺陷。True negatives: 背景的图片被正确识别为背景。False positives: 背景的图片被错误识别为缺陷。(负错误的识别为正样本)False negatives: 缺陷的图片被错误识别为背景。(正错误的识别为负样本)..原创 2021-05-10 16:58:37 · 305 阅读 · 0 评论 -
TFRecord数据集生成
一、为什么使用TFRecord?正常情况下我们训练文件夹经常会生成 train, test 或者val文件夹,这些文件夹内部往往会存着成千上万的图片或文本等文件,这些文件被散列存着,这样不仅占用磁盘空间,并且再被一个个读取的时候会非常慢,繁琐。占用大量内存空间(有的大型数据不足以一次性加载)。此时我们TFRecord格式的文件存储形式会很合理的帮我们存储数据。TFRecord内部使用了“Protocol Buffer”二进制数据编码方案,它只占用一个内存块,只需要一次性加载一个二进制文件的方式即可,简单原创 2021-04-30 11:28:42 · 62 阅读 · 0 评论 -
03 抽象提取所学内容,合并为通用框架
01:实现拓扑排序( python3.9 自带拓扑排序)① 选择一个没有输入的节点,如果有多个没有输入的接点就任选一个;② 在图中删去第一步选择的节点,把选择的节点作为我们的访问顺序节点;③ 检查图是否为空,如果不为空,跳到①;"""图的节点与节点的值keys&values"""simple_graph = {'a' = [1,2]'b' = [2,3]}list(simple_graph.values())#['a','b']list(simple_gra原创 2021-03-26 10:35:16 · 320 阅读 · 2 评论 -
02多层神经网络的原理 神经网络自动求导原理
线性函数对信号进行加强非线性函数实现功能激活函数作用:让我的函数拟合非线性关系,如果没有非线性函数永远只能拟合线性关系,现实生活中绝大多数情况下都是非线性关系。机器学习:给机器数据,让机器自己去学习神经网络:通过线性与非线性函数对现实生活中的情况进行拟合90年代,深度网络不能超过三层的根本原因是数据量不够要有高精度,就得有足够的数据量参数多一个,所需的数据就要过一个数量级数据量决定这个东西能不能用,数据越多,精度越准确,才越能运用计算机的图k1接在L1上..原创 2021-03-24 10:42:49 · 577 阅读 · 0 评论 -
01从零开始理解神经网络
MIT计算机系一句名言:代码是给人看的,偶尔运行一下K-Neighbor-Nearest => KNN 找到K个最近的邻居,在数据量比较大的时候,这种方法比较低效Lazy Learning:当内容很多时,需要花费很多时间一个更有效的学习方法如果我们能够找到x和y之间的函数关系,我们每次要计算得时候,输入给这个函数就能直接获得预测值MSE(Mean Squared Error)...原创 2021-03-21 16:27:47 · 195 阅读 · 0 评论 -
Python数据分析与可视化
数据的四分位对于每种单独的数据属性来说,可以通过数据的四分位法进行处理、查找和寻找离群值,从而对其进行分析和处理。四分位数(quartile)是统计学中分位数的一种,即把所有数据由小到大排列并分成四等份,处于三个分割点位置的数据就是四分位数。第一四分位数(Q1)又称“下四分位数”,等于该样本中所有数据由小到大排列后第25%的数据。第二四分位数(Q2)又称“中位数”,等于该样本中所有数据由小到大排列后第50%的数据。第三四分位数(Q3)又称“上四分位数”,等于该样本中所有数据由小到大排列后原创 2021-03-19 16:05:20 · 1982 阅读 · 0 评论 -
深度学习理论方法 —— 相似度计算
基于欧几里得距离的相似度计算【公式1】:欧几里得计算公式作为计算结果的欧式值显示的是两点之间的直线距离,该值的大小表示两个物品或者用户差异性的大小,即用户的相似性如何。如果两个物品或者用户距离越大,那么相似性越小;反之,距离越小相似度越大。由于欧几里得相似度计算中最终数值的大小和相似度成反比,因此在实际中常常使用欧几里得距离的倒数作为相似度值,即1/d+1作为近似值。【例子1】:欧几里得公式的应用 物品1(特征1) 物品2(特征2) 物品3(特征3) 物品4(特.原创 2021-03-18 22:30:42 · 3201 阅读 · 0 评论 -
【AiLearning】test1: 具有神经网络思维的Logistic回归
在吴恩达老师DL系列课程的学习过程中,跟随做的一些小练习,在看懂别人代码基础上,整理的一些小笔记。源代码参考:https://blog.csdn.net/u013733326/article/details/79639509其中,有一行代码当时不明白为什么Y*np.log(A)要用点乘*而不用矩阵乘法numpy.dot()cost = (- 1 / m) * np.sum(Y * np.log(A) + (1 - Y) * (np.log(1 - A)))在分析Y和A的维度之后,得出的确应原创 2021-02-23 22:14:37 · 181 阅读 · 0 评论 -
【AiLearning】test3:搭建Deep Netural Network
在吴恩达老师DL系列课程的学习过程中,跟随做的一些小练习,在看懂别人代码基础上,整理的一些小笔记。源代码参考:https://blog.csdn.net/u013733326/article/details/79767169DL中的列表、元组与字典在DL的算法中,需要将一些参数存储起来,方便在下一次的前向传播与反向传播过程中,直接调用。据观察,参考代码中,常常将存储变量定义为列表、元组或字典类型。1、在初始化函数initialize_parameters_deep中,将参数存..原创 2021-02-18 15:11:25 · 208 阅读 · 2 评论 -
【AiLearning】test2:搭建Shallow Netural Network
在虚拟环境中装scikit-learn包强烈建议按照次序装#可以选择指定具体的版本,如conda install numpyconda install pandasconda install scipyconda install matplotlibconda install scikit-learn==0.20.0参考:https://blog.csdn.net/weixin_44753371/article/details/103902751scikit-learn库的算法主原创 2021-02-15 11:36:37 · 266 阅读 · 0 评论 -
【AiLearning】Numpy相关函数用法总结
numpy.array & ny.asarray 函数语法:numpy.array(a)作用:将数据a转化为矩阵格式,ny.array与ny.asarray功能是一样的,不会修改原数组a=[[1,2,3],[4,5,6],[7,8,9]]b=np.array(a)c=np.asarray(a)a[2]=1 #array与asarray不会修改原数组print(a)print(b)print(c)[[1, 2, 3], [4, 5, 6], 1][[1 2 3]原创 2021-02-01 16:02:26 · 245 阅读 · 0 评论