python相关
littletomatodonkey
work and life balance
展开
-
PP-OCR: 3.5M超轻量中英文OCR模型详解(四) 文本识别优化瘦身策略
PP-OCR: A Practical Ultra Lightweight OCR System论文地址:https://arxiv.org/abs/2009.09941代码地址:https://github.com/PaddlePaddle/PaddleOCR本文主要介绍PP-OCR中文本识别优化瘦身策略,首先会介绍实验环境,然后介绍超轻量骨干网络选择,数据增强,余弦学习率,增大特征图分辨率,正则化参数,预热学习率,头部轻量化,预训练大模型和PACT 量化的基本思路和消融实验。下图是PP-OCR中.转载 2020-09-26 00:05:22 · 1276 阅读 · 0 评论 -
PP-OCR: 3.5M超轻量中英文OCR模型详解(三) 文本方向分类器优化瘦身策略
PP-OCR: A Practical Ultra Lightweight OCR System论文地址:https://arxiv.org/abs/2009.09941代码地址:https://github.com/PaddlePaddle/PaddleOCR本文主要介绍PP-OCR中文本方向分类器优化瘦身策略,首先会介绍实验环境,然后介绍超轻量骨干网络选择、数据增强、增大输入分辨率和PACT 量化的基本思路和消融实验。1. 实验环境文本方向分类器的消融实验采用的是全量数据训练和评估。识别准确.转载 2020-09-25 23:28:44 · 1928 阅读 · 0 评论 -
PP-OCR: 3.5M超轻量中英文OCR模型详解(二) 文本检测优化瘦身策略
PP-OCR: A Practical Ultra Lightweight OCR System论文地址:https://arxiv.org/abs/2009.09941代码地址:https://github.com/PaddlePaddle/PaddleOCR本文主要介绍PP-OCR中文本检测优化瘦身策略,首先会介绍实验环境,然后介绍超轻量骨干网络选择、头部轻量化、SE模块的断舍离、余弦学习率、预热学习率以及使用FPGM模型裁剪器的基本思路和消融实验。下图是PP-OCR中使用的文本检测算法DB的结.转载 2020-09-25 23:22:21 · 2050 阅读 · 0 评论 -
tensorflow 增强学习
增强学习(Reinforcement Learning)增强学习的应用领域很广,它假定有一个智能体(agent)在系统中,智能体做出特定的决策,对于表现不好的行为给予惩罚,奖励表现好的行为Setup code# 不显示python使用过程中的警告import warningswarnings.filterwarnings("ignore")%matplotlib i原创 2018-02-03 16:14:08 · 3386 阅读 · 0 评论 -
卷积神经网络的基本概念与mnist测试
CNN简介视觉皮质有一块很小的局部感受野(local receptive feld)。不同的感受野之间可能会发生重叠,所有的感受野组成了可视区域对视觉皮质的研究最终演化为CNN,CNN除了之前的全连接层以及激活函数等概念,还引入了卷积层和池化层等概念setup code# 不显示python使用过程中的警告import warningswarnings.fil原创 2018-01-28 12:11:47 · 2193 阅读 · 0 评论 -
sklearn集成方法
集成方法 集成方法是训练很多基学习器,然后用这些基学习器去对进行分类或者回归,最后取所有结果中比例最大的作为模型的结果投票分类器(Voting Classifiers)定义:对于一个训练集,有很多分类器,比如说Logistic、KNN、SVM等。对于一个样本,我们给出所有分类器的分类结果,然后利用这个结果对样本的分类进行预测 hard voting classifier原创 2018-01-19 17:53:18 · 8203 阅读 · 3 评论 -
sklearn 降维方法概述
降维方法现实中的许多数据都是稀疏的(sparse),高维数据处理的时间和空间复杂度都十分大,因此需要对数据进行降维对数据进行降维,会在一定程度上降低数据的精度,同时也会增加机器学习模型处理流程的复杂度。主要的降维方法映射(Projection)现实中的许多数据的特征都是相关的,或者特征为常数,可以利用映射的方法将高维数据映射到低维流行学习(Manifold原创 2018-01-20 00:54:40 · 4432 阅读 · 0 评论 -
jupyter tensorflow配置
jupyter tensorflow配置Anaconda安装按照官网安装即可tensorflow按照官网安装即可使用时需要source activate tensorflowwindows防火墙配置在配置jupyter,使其能够远程访问之前,首先需要配置本地的防火墙,因为用服务器ping本地windows机器出现了无法连接的情况解决办法的链接:ht原创 2018-01-20 23:13:41 · 3619 阅读 · 0 评论 -
tensorflow RNN
RNN介绍setup code# 不显示python使用过程中的警告import warningswarnings.filterwarnings("ignore")%matplotlib inlineimport matplotlib.pyplot as pltimport numpy as npimport tensorflow as tfimport osde原创 2018-01-29 21:15:03 · 1067 阅读 · 0 评论 -
pyspark MLlib基本使用
MLib基本概念MLib其实就是将数据以RDD的形式进行表示,在分布式数据集上调用各种算法。使用方法MLlib中包含能够在集群上运行良好的并行算法,如kmeans、分布式RF、交替最小二乘等,这能够让MLib中的每个算法都能够适用于大规模数据集也可以将同一算法的不同参数列表通过parallelize(),在不同节点上运行,最终找到性能最好的一组参数,这可以节省小规模...原创 2018-03-26 23:09:19 · 7791 阅读 · 2 评论 -
python-EM求解混合高斯分布
python-EM求解混合高斯分布参考链接https://blog.csdn.net/sinat_33761963/article/details/53520898https://zhuanlan.zhihu.com/p/26328340代码import numpy as np def Normal(x,mu,sigma):#一元正态分布概率密度函数 re...原创 2018-06-27 21:19:21 · 1859 阅读 · 0 评论 -
python-argparse使用
argparse使用简介python的argparse主要是用来解析参数的,比较方便可以解析可选参数或者必选参数官网链接:https://docs.python.org/3/library/argparse.htmlexampleimport argparseparser = argparse.ArgumentParser()parser.add_argument("...原创 2018-08-21 10:14:52 · 4447 阅读 · 0 评论 -
sklearn 数据预处理
sklearnpreporcessing预处理,针对每一列数据生成对应的多项式特征,可以用于之后的多项式拟合,即先生成对应的多项式,然后再利用最小二乘法拟合一个矩阵为[a,b]的形式,则生成2阶多项式特征之后为[1, a, b, ab, a^2, b^2]interaction_only为True时,只找出有交互作用的多项式矩阵,[1,a,b,ab]include_bias=F原创 2018-01-08 22:52:37 · 3643 阅读 · 2 评论 -
sklearn 决策树
sklearn 决策树原创 2018-01-18 15:49:51 · 1416 阅读 · 0 评论 -
Anaconda+tensorflow1.0安装
Anaconda+tensorflow安装原创 2017-02-18 19:00:39 · 8259 阅读 · 0 评论 -
python 命令行传入参数
python 命令行传入参数原创 2017-03-30 19:55:49 · 2776 阅读 · 0 评论 -
python 读取摄像头数据并保存
python 读取摄像头数据并保存原创 2017-06-24 10:27:41 · 5186 阅读 · 0 评论 -
sklearn分类
sklearn分类原创 2018-01-13 22:02:21 · 5408 阅读 · 0 评论 -
tensorflow入门
tensorflow 基本使用简介TF底层是用C++封装的,因此十分高效TF定义一个图,然后利用优化的C++代码对图进行计算TF有可视化工具tensorboard,可以对计算图进行可视化TF可以实现自动微分(automatic differentiating)TF默认情况下会使用所有gpu,同时占满所有gpu内存,如果需要对其进行修改,可以参考:https://www.cnb原创 2018-01-22 15:05:23 · 348 阅读 · 0 评论 -
tensorflow 神经网络基本使用
TF使用ANN(artificial neural network)简介受到生物神经网络的启发发展历史 生物神经网络单元逻辑运算单元:and、or、xor等运算感知机(perceptron):hw(x)=step(wT⋅x)h_w(x)=step(w^T \cdot x)多层感知机和反向传播(multi-perceptron and backpropagation)p原创 2018-01-22 20:40:18 · 5078 阅读 · 0 评论 -
一些常用的回归模型
线性回归模型线性回归线性回归在求解时,一般需要给所有样本添加一个常数项,作为回归模型的偏置线性回归模型可以表述为 y^=hθ(x)=θTx\hat y = {h_\theta }(x) = {\theta ^T}x 该方程有封闭解,利用最小二乘法可以有 θ^=(xTx)−1x⋅y\hat \theta = {({x^T}x)^{ - 1}}x \cdot y%ma原创 2018-01-16 12:33:33 · 20795 阅读 · 1 评论 -
sklearn SVM使用
sklearn SVM使用原创 2018-01-17 17:49:12 · 61669 阅读 · 5 评论 -
DNN训练过程中的一些问题以及技巧
DNN训练过程中的一些问题以及技巧首先介绍几个概念 lower layers :浅层的网络层,主要对简单的特征进行梯度,如边缘、角点等deeper layers:深层的网络层,主要用于提取十分复杂的特征。在使用DNN的过程中,我们可能会遇到一些问题 梯度弥散或者梯度爆炸,这会提升DNN的训练难度对于大型的网络来说,其训练速度十分慢如果网络参数过多,很容易发生过拟合的问题原创 2018-01-25 17:26:14 · 6389 阅读 · 0 评论 -
python安装Pillow
python安装Pillow原创 2016-01-15 22:36:44 · 4457 阅读 · 1 评论