机器学习入门
文章平均质量分 63
再进步一点点
向IT进军
展开
-
目标检测的边界框回归损失的各类Loss
原文链接目标检测回归损失函数简介:SmoothL1/IoU/GIoU/DIoU/CIoU LossCrazyVertigo关注他386 人赞同了该文章寒假在家,码字不易,如果觉得对你有帮助,欢迎随手点个赞哈~ 目标检测任务的损失函数由Classificition Loss和Bounding Box Regeression Loss两部分构成。本文介绍目标检测任务中近几年来Bounding Box Regression Loss Function的演进过程,其演进路线是Smooth L1 Loss转载 2021-10-14 20:55:20 · 2803 阅读 · 0 评论 -
Pascal VOC 2012的语义分割类标签为什么是彩色
相信很多人应该有这个疑问吧——Pascal VOC 2012的语义分割类标签的取值明明是0——20以及255的纯白色,为什么我们打开却是彩色图片呢?其实答案很简单的,VOC数据集的标签的模式是"P"模式,什么?图片还有模式?不是向"RGB"图像那样读取出来是多少就是多少吗?看到这里的"P"模式了吗,虽然他是8位像素,但是他可以映射到其他任何模式,VOC是映射到的"RGB"彩色模式,因此他可以将本是灰色的图像呈现为彩色,而我们使用benmark_RELEASE扩展名数据集制作标签时,默认保存的是"L"模原创 2021-05-17 20:51:49 · 952 阅读 · 1 评论 -
Linux服务器用后台跑程序(Screen)
最近感情上受到些挫折,近三个月没有写博客了,不管怎样都还是要努力的嘛,继续加油!最近用实验室的Linux服务器跑程序,需要挂校园vpn才能连接(虽然有校园流量,但是只有3G,而且价格太坑了!!!),然后校园网的vpn经常会在你长时间不操作以后就给你断掉,导致我在服务器上跑的程序,基本上半小时就自动断了!!!查阅资料后,发现可以使用Linux后台跑程序,这样就不用担心你的程序会随着vpn断掉而终止了。Linux前台进程和后台进程:和终端无关的进程一定是后台进程,比如很多系统进程,用户一般感觉不到它原创 2020-11-25 13:33:22 · 1129 阅读 · 1 评论 -
Solving environment: failed with initial frozen solve. Retrying with flexible solve的解决
今天使用conda安装PyTorch出现了错误,在此记录。conda有了新的版本,让我更新,我先是没有管他。然后进入PyTorch官网下载,速度极其慢,于是终止下载。随后我更新了一下conda,最新版本4.8.4又转用国内的清华开源镜像下载PyTorch,然后就发现标题的错误。使用清华镜像需要设置下下载源,在Anaconda Prompt中输入以下conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/p原创 2020-08-17 19:12:25 · 36790 阅读 · 7 评论 -
记录机器学习练习中不懂的函数
该文章目的:记录自己在做机器学习练习题中遇到的陌生函数的用法,也包括经常会忘记的函数,后续会一直在这篇文章中增加!ヾ(◍°∇°◍)ノ゙该文章涉及的函数包有python、numpy、pandas、matplotlib、seaborn、scipy、sklearnpandas中apply()函数的用法DataFrame.apply(func,axis=0,broadcast=False,raw=False.reduce=None,args=(),**kwds)该函数最有用的参数是第一个,func原创 2020-07-31 16:12:09 · 626 阅读 · 0 评论 -
如何理解过拟合=高方差、欠拟合=高偏差
欠拟合=高偏差还好理解一些,一直不太明白过拟合和高方差有什么关系,那么我们首先就要理解各种 ‘差’ 的定义定义:我们评价一个模型好不好,是通过测试集的数据来评价的,而不是训练集或者交叉验证集,如果在测试集上预测数据表现得不好,那么我们就说这个训练出来的模型有很大的误差。那么误差来自于哪里呢?误差 = 偏差 + 方差在不写出这个式子时,很多人可能不会察觉误差和偏差有什么区别?因此总是想当然的认为误差和偏差是一个东西,这样就会造成我们无法理解方差是什么?误差:在测试集上,预测值和实际值之间存在的差距原创 2020-07-28 13:09:36 · 5112 阅读 · 5 评论 -
机器学习:正规方程参数θ的推导过程
多变量线性回归代价函数为:其中: 正规方程是通过求解下面的方程来找出使得代价函数最小的参数:设有m个训练实例,每个实例有n个特征,则训练实例集为: 其中表示第i个实例第j个特征。特征参数为:输出变量为:故代价函数为:进行求导,等价于如下的形式:求导公式:其中第一项:第二项:...转载 2020-07-23 10:02:38 · 438 阅读 · 0 评论 -
Pandas常用操作(一)
目录安装pandas创建Seriespandas读取数据创建DataFrameDataFrame切片操作Bool索引和NaN的处理方法Pandas常用统计方法案例1:电影时长分布的统计案例2:电影每种分类的部数统计安装pandaspip install pandas创建SeriesSeries是pandas中的一种数据类型,类似于字典,是一种一维的、含索引的数据类型,当然index索引也可以自定义。import pandas as pdimport randomimport strin原创 2020-07-20 18:12:24 · 303 阅读 · 0 评论 -
Numpy入门常用运算(一)
目录Numpy基础知识创建数组numpy常用方法numpy读取文件数据修改数据nan的计数nan的替换ndarray数组拼接&行列交换其他有用的方法Numpy基础知识首先安装Numpy包,pip install numpy,另外如果之前使用过Matplotlib包,应该已经自动安装了Numpy包创建数组import numpy as npimport random# 第一种创建方式t1 = np.array([1,2,3,4])print(t1)print(type(t1))#原创 2020-07-16 16:47:05 · 380 阅读 · 0 评论 -
Python、Conda、PyCharm入门踩坑系列
今日踩坑1. PyCharm工程的virtualenv Environment和Conda Environment有什么关系?这个问题困扰了我很久,现在也并没有完全搞清楚,经过实验得出结论,conda创建虚拟环境存在于conda安装包下的envs文件夹下,virtualenv的虚拟环境则在工程文件下的vnev文件下,virtualenv 创建的虚拟环境需要用到Python解释器,可以使用conda虚拟环境中的解释器或者是Python官网解释器。另外在创建virtualenv 虚拟环境的过程中遇到一个原创 2020-07-12 10:08:08 · 1220 阅读 · 0 评论 -
Python入门采坑系列
本周学习过程中遇到的问题在本周之前,我已经学习了Python语法知识,掌握到面向对象阶段,并跟着视频做了一个小游戏——飞机大战,由于我今后的目标是学习机器学习相关知识,从这里我开始了解各类其他知识,听了台大李宏毅老师的机器学习,仅能听懂写理论,对于课后作业,实在是毫无头绪,发现课后作业需要用到Python科学数据分析包,又转去听了黑马的Python数据分析课程,目前仅学了Matplotlib的使用,然后课后作业是使用Jupyter notebook编写代码,又去了解了Jupyter notebook的使用原创 2020-07-10 12:22:50 · 190 阅读 · 0 评论