![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
Dataloading...
江湖夜雨十年灯
展开
-
【机器学习】熵和概率分布,图像生成中的几种量化评估IS、FID、Wasserstein Distance等
说明对于输入的样本,通过inception_v3模型后预测某类别的置信度要高,衡量图片生成的质量,理想情况下,生成的图片在inception_v3模型看来,某个类别的置信度为1.0,其它都为0,此时的H(y|x)最小。推土代价被定义为移动土的量乘以土移动的距离,在所有的方案中,存在一种推土代价最小的方案,这个代价就称为两个分布的Wasserstein距离。(prior probability)是指根据以往经验和分析得到的概率,如全概率公式,它往往作为"由因求果"问题中的"因"出现的概率。原创 2023-10-02 14:05:56 · 1045 阅读 · 0 评论 -
【Python】plt绘图之颜色查询
绘制条形图时,柱子将会按照上述的顺序显示颜色,每种颜色对应的字符串可以在matplotlib的官方文档查询(https://matplotlib.org/stable/gallery/color/named_colors.html)原创 2023-03-03 11:01:29 · 1124 阅读 · 0 评论 -
目标检测的标注文件格式互相转化
【代码】目标检测的标注文件格式互相转化。原创 2022-09-21 15:07:42 · 619 阅读 · 0 评论 -
修改txt文件内容每行第一列
【代码】修改txt文件内容每行第一列。原创 2022-09-21 14:43:57 · 1515 阅读 · 1 评论 -
评价指标(一)精确率,召回率,F1-score
先来讲一下精确率(Precision)和准确率(Recall),首先要明确一点,精确率不等于准确率(Accuracy),两者是不同的,后面也会讲到准确率。很多时候,模型不只关心其中某个指标,因此需要平衡精确率和召回率,因此就有了F1-score,F1值是精确率和召回率的调和均值。识别成狗的有75张,正确识别的55张,识别成猫的25张,正确的15张,那么关系表就如下。也就是说识别成狗的样本里,正确的比例,例子里就等于55/(55+20)假如我们正在做猫狗的二分类识别任务,假设狗是正样本,猫是负样本,原创 2022-09-19 15:43:28 · 1414 阅读 · 0 评论 -
Anaconda虚拟环境的程序在终端可以运行,而在Pycharm运行程序出错
当在pycharm运行程序时 ,报错找不到指定的模块,奇怪的是明明环境都已经配置好了,相关的包也都安装好了。具体路径,根据你的Anaconda安装目录自行调整。Solve:配置环境变量。原创 2022-09-19 11:18:46 · 3525 阅读 · 0 评论 -
深度学习数据集
包含近百个开源数据集原创 2022-09-06 08:52:36 · 187 阅读 · 0 评论 -
图像处理:单通道转为3通道
第二个参数是axis,这个参数表示从哪一个维度进行堆叠以及堆叠的内容,这个维度是相对于堆叠的数组来说的。原始的y的维数为(2,3),那么堆叠以后维数为(2,3,3)假如input是一个3维的张量。这个张量的三个值依次表示input的第1,第2,第3维数据扩展几倍。在处理图像时,经常遇到需要把单通道的图像转换为3通道的rgb图像,大部分情况下,简单的重复堆叠已经可以满足。input是待扩展的张量,multiples是扩展方法。......原创 2022-08-30 10:35:51 · 8597 阅读 · 0 评论 -
图像处理专业术语中英文对照
minimum meansquare error filter-Wiener filter:最小均方误差滤波-维纳滤波。coding of lossless image compression:无失真图像。gray-level co-occurrence matrix:灰度共生矩阵。continuous fourier transform:连续傅里叶变换。discrete fourier transform:离散傅里叶变换。fast fourier transform:快速傅里叶变换。...原创 2022-08-26 10:53:48 · 1717 阅读 · 0 评论 -
tf.image函数等常见的图片预处理操作
tensorflow实现数据增强(随机裁剪、翻转、对比度设置、亮度设置):Tensorflow 笔记 Ⅷ——TensorFlow 数据增强:深度学习–TensorFlow(7)拟合(过拟合处理)(数据增强、提前停止训练、dropout、正则化、标签平滑):...原创 2022-08-25 17:24:10 · 394 阅读 · 0 评论 -
plt.imshow()的颜色映射
plt.imshow()函数负责对图像进行处理,并显示其格式,但是不能显示。其后跟着plt.show()才能显示出来。matplotlib.cm.[色彩] (‘[数据集]’)即对[数据集]应用[色彩]matplotlib.cm是matplotlib库中内置的色彩映射函数。cmap即colormaps,图谱。...原创 2022-08-16 13:29:34 · 1513 阅读 · 0 评论 -
【机器学习】Sklearn-cluster聚类方法
Classes1各种聚类方法特性汇总:https://blog.csdn.net/ztf312/article/details/97951928原创 2022-05-23 22:17:07 · 205 阅读 · 1 评论 -
面部表情特征提取
人脸情感特征提取(详细)https://blog.csdn.net/qq_44186838/article/details/103366180?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522165095582316781483718903%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=1650955823167原创 2022-04-26 14:54:30 · 597 阅读 · 0 评论 -
Pytorch与PaddlePaddle常用API对照表
参考博客:https://blog.csdn.net/qq_40243750/article/details/121214097#comments_20812288原创 2022-04-25 21:02:56 · 348 阅读 · 0 评论 -
聚类评价指标adjusted_rand_score和accuracy_score的区别
import numpy as npfrom sklearn import metricsy_pred = [0, 2, 1, 2, 1]y_true = [0, 1, 2, 1, 2]acc = metrics.accuracy_score(y_true, y_pred)# acc = accuracy_score(y_true, y_pred, normalize=False)print('acc:', acc)ARI = metrics.adjusted_rand_score(y原创 2022-04-15 22:43:27 · 2393 阅读 · 0 评论 -
FER数据集+聚类
基于卷积神经网络特征图聚类的人脸表情识别:https://www.fx361.com/page/2020/0409/6544661.shtml原创 2022-03-23 23:15:51 · 1170 阅读 · 0 评论 -
使用 k-means 聚类算法对多维属性数据进行分类
k-means高维聚类:https://www.cnblogs.com/icydengyw/p/13591990.html原创 2022-03-17 22:22:37 · 9355 阅读 · 0 评论 -
K-means聚类原理及代码实现
1.K-均值聚类法的概述K-均值聚类就是在给定了一组样本(x1, x2, …xn) (xi, i = 1, 2, … n均是向量) 之后,假设要将其聚为 m(<n) 类,可以按照如下的步骤实现:Step 1: 从 (x1, x2, …xn) 中随机选择 m 个向量(y1,y2,…ym) 作为初始的聚类中心(可以随意指定,不在n个向量中选择也可以);Step 2: 计算 (x1, x2, …xn) 到这 m 个聚类中心的距离(严格来说为 2阶范数);Step 3: 对于每一个 xi(i = 1,原创 2022-03-16 21:36:04 · 615 阅读 · 0 评论 -
谱聚类算法及实现
谱聚类算法及其代码(Spectral Clustering):https://blog.csdn.net/liu1194397014/article/details/52990015K-means 聚类算法及其代码实现:https://blog.csdn.net/liu1194397014/article/details/52844997?spm=1001.2014.3001.5502原创 2022-03-14 17:14:24 · 315 阅读 · 0 评论 -
Python处理特征数据以及plt绘图
整理一些网友的博客和经验贴,供自己学习用,感谢~用python将txt文本中的数据导入excel:https://blog.csdn.net/Cristy_Chen/article/details/105961032原创 2022-03-11 20:52:30 · 664 阅读 · 0 评论 -
【Google Colab】云端上传数据集慢和训练过程显存释放问题的解决
比如查询到PID位13975,那么下一步杀掉这个进程即可释放显存。2、训练过程终止或结束,释放显存。原创 2022-02-25 18:20:33 · 2361 阅读 · 0 评论 -
谱聚类(spectral clustering)
谱聚类概述谱聚类是从图论中演化出来的算法,后来在聚类中得到了广泛的应用。它的主要思想是把所有的数据看做空间中的点,这些点之间可以用边连接起来。距离较远的两个点之间的边权重值较低,而距离较近的两个点之间的边权重值较高,通过对所有数据点组成的图进行切图,让切图后不同的子图间边权重和尽可能的低,而子图内的边权重和尽可能的高,从而达到聚类的目的。谱聚类与k-means对比其他无监督聚类(如kmeans),spectral clustering的优点主要有以下:过程对数据结构并没有太多的假设要求,如km原创 2022-02-23 21:46:55 · 303 阅读 · 0 评论 -
【2021 arXiv机器学习论文精选】
【Papers with Code 2021重要论文盘点】《Papers with Code 2021 : A Year in Review》链接:https://medium.com/paperswithcode/papers-with-code-2021-a-year-in-review-de75d5a77b8b【2021最佳数据可视化项目】《Best Data Visualization Projects of 2021 | FlowingData》by Nathan Yau链接:http.原创 2022-01-02 10:47:10 · 1550 阅读 · 0 评论 -
[Tensorflow] 使用 model.save_weights() 保存 / 加载 Keras Subclassed Model
https://www.cnblogs.com/zlian2016/p/11158403.html原创 2021-12-06 22:40:45 · 2026 阅读 · 0 评论 -
将PyTorch、TensorFlow模型转换为PaddlePaddle模型
https://zhuanlan.zhihu.com/p/334543493原创 2021-11-30 15:31:35 · 380 阅读 · 0 评论 -
记录在Colaboratory上运行项目
https://blog.csdn.net/weixin_43726448/article/details/115040779原创 2021-11-24 17:24:54 · 186 阅读 · 0 评论 -
【机器学习项目】
【机器学习可诠释性&可解释性基础】《Explain Yourself - A Primer on ML Interpretability & Explainability》https://thegradient.pub/explain-yourself/?continueFlag=7bf63faa097a4c308c5d9ca70a139b0afrom——爱可可老师的微博...原创 2021-11-18 10:12:05 · 1185 阅读 · 0 评论 -
在Google Colab上安装运行pytotch
参考链接:https://www.cnblogs.com/jiaxin359/p/10234946.html原创 2021-11-09 22:06:12 · 111 阅读 · 0 评论 -
Google Colab(Colaboratory)使用指南
https://blog.csdn.net/qq_37486501/article/details/104859933原创 2021-10-27 22:41:01 · 134 阅读 · 0 评论 -
windows cuda the launch timed out and was terminated 解决方案
在windows下cuda函数运行时间超过5s时,windows会强制结束程序,导致输出结果不对。解决方式可分为三种:1、优化代码,减少程序的运行时间。2、修改注册表:1)、左下角搜索 ->regedit2)、找到HKEY_LOCAL_MACHINE->SYSTEM->CurrentControlSet->control->GraphicsDrivers3)、右键GraphicsDrivers->新建->DWORD(32 位),命名TdrLevel数值为原创 2021-10-27 15:47:05 · 1614 阅读 · 0 评论 -
inductive bias:归纳偏置
为什么卷积神经网络(CNN)相比于全连接网络(FC)往往有更好的泛化性能,尤其在图像分类任务上?通常用更好的归纳偏置(inductive bias)来解释,然而在数学上并不严格,因为足够宽的全连接网络始终可以模拟卷积网络。在机器学习中,经常会对学习的问题做一些假设,这些假设就称为归纳偏置(inductive bias)。拆开来看,归纳(Induction)是自然科学中常用的两大方法之一(归纳与演绎,induction and deduction),指的是从一些例子中寻找共性、泛化,形成一个比较通用的规则的原创 2021-10-26 21:54:24 · 3485 阅读 · 1 评论