just_play
W1nd_
这个作者很懒,什么都没留下…
展开
-
OpenCV基本操作
Day46OpenCV基本操作图片读取视频读取截取部分图像颜色通道提取边界填充数值计算图像融合图像处理图像平滑加噪声均值滤波方框滤波1方框滤波2高斯滤波中值滤波展示所有形态学处理腐蚀操作膨胀操作开运算闭运算梯度运算礼帽黑帽边缘检测sobelscharr、laplaciancanny高斯金字塔拉普拉斯金字塔图像轮廓轮廓近似边界矩形外接圆模板匹配匹配多个对象直方图mask操作均衡化自适应直方图均衡化傅里叶变换OpenCV基本操作import cv2from matplotlib import pyplot原创 2021-06-02 09:45:39 · 219 阅读 · 2 评论 -
CNN基础
Day45CNN基础神经网络基础CNN基础CNN基础神经网络基础CNN基础原创 2021-05-28 11:02:22 · 176 阅读 · 0 评论 -
BP神经网络
Day44BP神经网络基本介绍简单实例BP神经网络基本介绍简单实例原创 2021-05-27 17:52:03 · 106 阅读 · 0 评论 -
非深度学习的图像分割及人脸检测
Day43非深度学习的图像分割及人脸检测图像分割基于阈值、边缘基于区域、图论分水岭算法Graph CutsGrabCut人脸检测Haar-like特征+级联分类器行人检测HOG+SVMDPM非深度学习的图像分割及人脸检测图像分割基于阈值、边缘基于区域、图论分水岭算法Graph CutsGrabCut人脸检测Haar-like特征+级联分类器![在这里插入图片描述](https://img-blog.csdnimg.cn/20210原创 2021-05-27 16:01:02 · 1031 阅读 · 0 评论 -
图像预处理介绍
Day42图像预处理介绍图像显示与存储原理图像增强的目标图像处理方法点运算形态学处理域处理及变换空域分析及变换边界填充策略滤波频域分析及变换图像预处理介绍图像显示与存储原理图像增强的目标图像处理方法点运算形态学处理域处理及变换空域分析及变换边界填充策略滤波频域分析及变换...原创 2021-05-27 14:30:00 · 197 阅读 · 0 评论 -
Auto-Encoder、Variational-Auto-Encoder
Day41Auto-Encoder、Variational-Auto-EncoderAuto-EncoderVariational-Auto-EncoderAuto-Encoder、Variational-Auto-EncoderAuto-Encoderimport osimport tensorflow as tfimport numpy as npfrom PIL import Imagefrom tensorflow import kerasfrom tensorfl转载 2021-05-19 11:01:09 · 98 阅读 · 0 评论 -
RNN、LSTM、GRU实战——imdb情感分析
Day40RNN、LSTM、GRU实战——imdb情感分析RNNCell模式Layer模式LSTMCell模式Layer模式GRUCell模式Layer模式RNN、LSTM、GRU实战——imdb情感分析RNNCell模式import osimport tensorflow as tfimport numpy as npfrom tensorflow import kerasfrom tensorflow.keras import layerstf.ran原创 2021-05-17 17:35:52 · 1189 阅读 · 1 评论 -
CIFAR10简单实战——Resnet18
Day39CIFAR10简单实战——Resnet18CIFAR10简单实战——Resnet18import tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import datasets, layers, optimizers, Sequential, metricsimport osfrom resnet import resnet18os.environ['TF_CPP_MIN_LOG_LEVEL'] =原创 2021-04-30 13:10:32 · 180 阅读 · 0 评论 -
CIFAR10简单实战——VGG13
Day38CIFAR10简单实战CIFAR10简单实战import tensorflow as tffrom tensorflow.keras import datasets, layers, optimizers, Sequential, metricsfrom tensorflow import kerasimport osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'def preprocess(x, y): # [0~255]原创 2021-04-26 14:34:45 · 413 阅读 · 0 评论 -
Tf.keras的部分API
Day37Tf.keras的部分APIMetricsCompilekeras快速自定义保存、加载模型save_weightssavesaved_modelTf.keras的部分APIMetricsimport tensorflow as tffrom tensorflow.keras import datasets, layers, optimizers, Sequential, metricsdef preprocess(x, y): x = tf.cast(x, dtyp原创 2021-04-26 11:29:26 · 198 阅读 · 0 评论 -
Tensorboard可视化
Day36Tensorboard可视化简介代码Tensorboard可视化简介https://www.cnblogs.com/nxf-rabbit75/p/10635563.html.代码tensorboard --logdir logs(logs是自建的文件夹)tensorflow没有这种仪表盘的显示很不方便代码片import tensorflow as tffrom tensorflow.keras import datasets, layers, opt原创 2021-04-25 15:01:30 · 116 阅读 · 0 评论 -
手写数字识别/fashion_mnist
Day35手写数字识别/fashion_mnist手写数字识别/fashion_mnistimport tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import datasets, layers, optimizers, Sequential, metricsdef preprocess(x, y): x = tf.cast(x, dtype=tf.float32) / 255. y = tf原创 2021-04-25 13:57:00 · 158 阅读 · 0 评论 -
tensorflow入门测试代码
Day34tensorflow入门初识张量前向传播合并与分割数据统计张量排序张量填充与复制张量限幅进阶数据集加载全连接层MSE、EntropyGradienttensorflow入门初识import tensorflow as tffrom tensorflow.keras import datasets, layers, optimizersimport numpy as npfrom tensorflow import kerasfrom keras.layers.embeddings i原创 2021-04-25 13:54:13 · 743 阅读 · 2 评论 -
Recursive
Day33RecursiveRecursive原创 2021-04-08 18:07:04 · 101 阅读 · 0 评论 -
Generation
Day32GenerationDynamic Conditional GenerationMemory NetworkNeural Turing MachineScheduled SamplingBeam SearchGenerationDynamic Conditional GenerationMemory Network方式一方式二Neural Turing Machinek对应产生attention下图中,上是根据实际情况纠正,下是根据模型情况原创 2021-04-08 17:28:20 · 134 阅读 · 0 评论 -
Unsupervised Learning
Day31Unsupervised LearningLinear MethodPCAReferenceNeighbor EmbeddingAuto-encoderDeep GenerationPixelRNNAuto-encoderVAEGANUnsupervised LearningLinear MethodPCAReferenceNeighbor EmbeddingAuto-encoder经历encode和decode时(尽可能前后原创 2021-03-29 16:10:24 · 105 阅读 · 0 评论 -
Deep Reinforcement Learning
Day30Deep Reinforcement LearningDeep Reinforcement Learning原创 2021-03-22 17:55:57 · 93 阅读 · 0 评论 -
Word Embedding
Day29Word Embedding例子Word Embedding例子原创 2021-03-17 13:47:29 · 107 阅读 · 0 评论 -
半监督学习
Day28Semi-supervisedGraph-based ApproachSemi-supervisedGraph-based Approach原创 2021-03-17 09:36:03 · 101 阅读 · 0 评论 -
神经网络超简短介绍
Day27CNN基本介绍RNNLSTMCNN基本介绍循环神经网络模型(RNN)是一种节点定向连接成环的人工神经网络,是一种反馈神经网络,RNN利用内部的记忆来处理任意时序的输入序列,并且在其处理单元之间既有内部的反馈连接又有前馈连接,这使得RNN可以更加容易处理不分段的文本等。但是由于RNN只能对部分序列进行记忆,所以在长序列上表现远不如短序列,造成了一旦序列过长便使得准确率下降的结果。长短期记忆模型(LSTM)是RNN模型的一种特殊结构类型,其增加了输入门、输出门、忘记门三个控制单元(“ce原创 2021-03-11 22:01:49 · 169 阅读 · 0 评论 -
深度学习之前后向传播
Day26背景知识梯度下降链式法则前向传播和后向传播前向传播后向传播背景知识梯度下降链式法则前向传播和后向传播根本目的就是找C对w的偏微分前向传播后向传播原创 2021-03-02 22:53:18 · 122 阅读 · 0 评论 -
深度学习之梯度下降
Day25梯度下降基本概念学习率Adagrad随机梯度下降Scaling泰勒展开二个参数情形梯度下降基本概念学习率Adagrad随机梯度下降Scaling泰勒展开二个参数情形原创 2021-02-28 16:37:05 · 108 阅读 · 0 评论 -
隐马尔可夫模型
Day24HMM介绍算法直接计算法前向概率-后向概率HMM介绍算法直接计算法前向概率-后向概率原创 2021-02-09 11:27:01 · 116 阅读 · 2 评论 -
主题模型
Day23主题模型数学基础Γ函数Beta分布共轭先验分布Dirichlet分布LDA主题模型数学基础Γ函数Beta分布共轭先验分布如果先验分布和似然函数可以使得先验分布和后验分布(posterior distributions)有相同的形式,那么就称先验分布与似然函数是共轭的。所以,共轭是指的先验分布(prior probability distribution)和似然函数(likelihood function)。如果某个随机变量Θ的后验概率 p(θ|x)和气先验概率p(θ)属于同一个原创 2021-02-08 14:36:52 · 124 阅读 · 0 评论 -
贝叶斯网络
Day22贝叶斯网络概念网络实例特殊贝叶斯网络贝叶斯网络概念网络实例特殊贝叶斯网络原创 2021-02-03 22:36:32 · 132 阅读 · 0 评论 -
EM
Day21EMpLSAEMpLSA原创 2021-01-31 21:06:15 · 128 阅读 · 0 评论 -
聚类杂谈
Day20聚类杂谈距离/相似度核心思想K-Means聚类衡量标准轮廓系数聚类杂谈距离/相似度核心思想K-Means注:原始K-means算法最开始随机选取数据集中K个点作为聚类中心,而K-means++按照如下的思想选取K个聚类中心:假设已经选取了n个初始聚类中心(0<n<K),则在选取第n+1个聚类中心时:距离当前n个聚类中心越远的点会有更高的概率被选为第n+1个聚类中心。在选取第一个聚类中心(n=1)时同样通过随机的方法。聚类衡量标准轮廓系数原创 2021-01-30 17:41:10 · 155 阅读 · 0 评论 -
SVM
Day19SVM数据概念目标函数例子松弛条件核函数SVM数据概念目标函数注:(wx+b)/∣∣w∣∣是x这个点到wx+b=0这条直线距离(wx+b)/||w||是x这个点到wx+b=0这条直线距离(wx+b)/∣∣w∣∣是x这个点到wx+b=0这条直线距离mFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1cxbmRf,size_16,color_FFFFFF,t_70)例子松弛条件原创 2021-01-25 23:26:57 · 90 阅读 · 0 评论 -
提升杂谈
Day18提升杂谈概念推导学习率搜索GBDTXGBOOSTADABOOST例子误差上限和界后话提升杂谈概念推导学习率搜索GBDTXGBOOST注:XGBoost着重于改变分类器的权重ADABOOST注:Adaboost改变样本权重的特性使之在训练集能得到较好结果,测试集则不一定例子误差上限和界后话...原创 2021-01-24 00:18:02 · 120 阅读 · 0 评论 -
分类杂谈
Day17分类杂谈熵条件熵联合熵相对熵整理KL散度信息增益Gini系数分类杂谈熵条件熵联合熵相对熵整理KL散度信息增益Gini系数原创 2021-01-18 22:55:09 · 93 阅读 · 0 评论 -
回归杂谈
Day16回归杂谈线性回归局部加权回归Logistic回归广义线性模型GLMSoftmax回归AUC回归杂谈线性回归局部加权回归Logistic回归广义线性模型GLMSoftmax回归AUC原创 2021-01-13 22:41:20 · 90 阅读 · 0 评论 -
正则化与梯度下降
Day15正则化与梯度下降正则化图示求解梯度下降正则化与梯度下降正则化图示求解梯度下降L1L2正则化: https://blog.csdn.net/red_stone1/article/details/80755144.原创 2021-01-12 21:53:58 · 1733 阅读 · 0 评论 -
最大似然估计
Day14最大似然估计贝叶斯公式带来的思考定义例子二项分布正态分布最大似然估计贝叶斯公式带来的思考定义例子二项分布正态分布原创 2021-01-11 22:12:13 · 97 阅读 · 0 评论 -
机器学习之回归算法2
Day13机器学习之回归算法2模型的保存和加载逻辑回归公式损失函数代码实现优缺点逻辑回归与朴素贝叶斯对比聚类评估准则Kmeans优缺点代码实现机器学习之回归算法2模型的保存和加载逻辑回归公式损失函数代码实现import pandas as pdimport numpy as npfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScalerfr原创 2021-01-10 23:43:39 · 120 阅读 · 0 评论 -
机器学习之回归算法1
Day12机器学习之回归算法1线性回归定义损失函数求解过拟合和欠拟合岭回归代码实现机器学习之回归算法1线性回归定义损失函数求解正常求解梯度下降比较过拟合和欠拟合岭回归代码实现from sklearn.datasets import load_bostonfrom sklearn.linear_model import LinearRegression, SGDRegressor, Ridgefrom sklearn.model_selection impo原创 2021-01-10 20:22:53 · 173 阅读 · 0 评论 -
机器学习之分类算法2
Day11机器学习之分类算法2决策树信息论基础信息增益信息熵信息增益的计算常见决策树算法决策树结构与本地保存随机森林集成学习随机森林API优点代码实现机器学习之分类算法2决策树信息论基础信息增益信息熵注:此处的log都是2为底信息增益的计算常见决策树算法基尼系数划分更细致criterion:默认gini,也可entropy决策树结构与本地保存随机森林集成学习随机森林API注:单颗树是随机有放回抽样优点代码实现from sklearn.feature_ex原创 2021-01-10 16:05:25 · 182 阅读 · 0 评论 -
机器学习之分类算法1
Day10机器学习之分类算法k-近邻算法(KNN)朴素贝叶斯代码实现混淆矩阵精确率和召回率F1-score交叉验证超参数搜索-网格搜索机器学习之分类算法k-近邻算法(KNN)定义:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近的样本中的大多数属于某一个类别),则该样本属于这个类别ps:k取值很小时容易受异常点影响,取值很大时容易受k值数量影响优点:易于实现,无需估计参数,无需训练缺点:懒惰算法,内存开销大;必须指定k值,k值指定不当则不能保证精度使用场景:小数据场景,几千到几万样本原创 2021-01-07 23:45:59 · 147 阅读 · 0 评论 -
机器学习之降维
Day9机器学习之降维机器学习算法分类特征选择主成分分析PCAsklearn数据集API介绍机器学习之降维机器学习算法分类监督学习分类k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络回归线性回归、岭回归无监督学习聚类k-means特征选择特征选择是单纯从提取到的所有特征中选择部分特征作为训练集特征,特征再选择前和选择后可以改变也可以不改变值,但选择后特征维度比之前小主要方法:过滤式(VarianceThreshold)、嵌入式(正则原创 2021-01-07 20:24:35 · 83 阅读 · 0 评论 -
机器学习之特征工程
Day8机器学习之特征工程定义预处理代码机器学习之特征工程定义特征工程是将原始数据转化为更好代表预测模型的潜在问题的特征的过程,从而提高了对位置数据的预测准确性。其包括特征构建、特征提取、特征选择三部分。数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已,成功的结果往往源自最开始对数据的处理。TF-IDFTF: term frequency,词的频率,即出现的次数IDF: inverse document frequency,逆文档频率,log(总文档数量/该词出现的文档数量)原创 2021-01-06 16:12:18 · 104 阅读 · 0 评论 -
机器学习之数学基础
Day7机器学习之数学基础机器学习之数学基础PPT截图如下:原创 2021-01-01 22:54:39 · 112 阅读 · 0 评论