持之以恒

原创 5-2计算机视觉的常见概念

在这里插入图片描述

原创 5-1计算机视觉的基本概念

原创 4-4Pytorch解决数字识别MNIST

加载相关包import torchimport torchvision.datasets as dataset#加载数据import torchvision.transforms as transformsimport torch.utils.data as data_utils定义CNN网络class CNN(torch.nn.Module): def __init__(self): super(CNN, self).__init__() self..

原创 4-3利用神经网络解决回归问题(波士顿房价)

demo_reg.pyimport torch#dataimport numpy as npimport reff = open("housing.data").readlines()data = []for item in ff: out = re.sub(r"\s{2,}"," ",item).strip() #print(out) data.append(out.split(" "))data = np.array(data).astype(np.float.

原创 4-3利用神经网络解决分类和回归问题(1)

原创 01

pass

原创 4-1，4-2机器学习和神经网络的基本概念

原创 3-37Pytorch与torchvision

原创 3-36Pytorch与tensorboardX

首先建立一个文件夹log运行一下脚本from tensorboardX import SummaryWriterwriter = SummaryWriter("log")for i in range(100): writer.add_scalar("a",i,global_step = i) writer.add_scalar("b",i ** 2,global_step = i)writer.close()在终端输入如下命令(pytorch_gpu) E:\pyt..

原创 3-35Pytorch与visdom

安装过程遇到一些问题，解决方案：解决方案注意脚本我名字不能命名为visdom,否则会显示如下错误最终成功import visdomimport torchvis = visdom.Visdom()x = torch.arange(1,100,0.01)y=torch.sin(x)vis.line(X=x, Y=y,win='sinx',opts={'title':'y=sin(x)'})在浏览器打开：http://localhost:8097/...

原创 3-34Pytorch与nn库

原创 01CBIR框架

数据介绍：1000张自然图像照片整体思路首先创建一个VSM特征矩阵，大小为1000 * d(特征提取算法提取特征向量的维数)将VSM特征矩阵，和语义名，图像文件名称保存到.mat利用.mat数据库进行检索。首先创建vsm引入相关的包import numpy as npimport osimport os.pathimport cv2import scipy.io as sio#函数功能单一，有利于组织ImgDB_path = "F:\\CBRI\\Simple_CBIR

原创 3-32，3-33Pytorch与autograd中的几个重要概念

只有叶子张量才有梯度import torchclass line(torch.autograd.Function): @staticmethod def forward(ctx,w,x,b): #y = w*x + b ctx.save_for_backward(w,x,b) return w * x + b @staticmethod def backward(ctx,grad_out):

原创 3-31Pytorch与auto-variabletensor

原创 3-30Pytorch与auto-variabletensor

原创 3-29Pytorch与autograd梯度与机器学习

半监督的学习：弱标签，伪标签，半标签（非常学术）。

原创 3-28Pytorch与autograd导数

原创 3-27Pytorch简单编程技巧(模型的保存/加载)

并行化操作加快数据处理速度安装cv2命令pip install opencv-pythonimport torchimport numpy as npimport cv2data = cv2.imread('test.png')#print(data)cv2.imshow('test1',data)cv2.waitKey(0)out = torch.from_numpy(data)out = out.to(torch.device("cuda"))print(out..

原创 3-25Pytorch与张量填充3-26Pytorch与傅里叶变化

import torcha = torch.full((2,3),10)print(a)tensor([[10., 10., 10.], [10., 10., 10.]])

原创 3-24Pytorch与张量变形

import torcha = torch.rand((2,3))print(a)out = a.reshape(3,2)print(out)tensor([[0.9521, 0.0812, 0.1984], [0.2137, 0.3824, 0.9961]])tensor([[0.9521, 0.0812], [0.1984, 0.2137], [0.3824, 0.9961]])#转置print(torch.t(out))tens.

原创 3-23Pytorch与张量切片

import torcha = torch.rand((10,4))print(a)out = torch.chunk(a,2,dim = 0)print(out[0],out[0].shape)print(out[1],out[1].shape)tensor([[0.4780, 0.9652, 0.8689, 0.6855], [0.6050, 0.6120, 0.8252, 0.4419], [0.8837, 0.2002, 0.0820, 0.7129].

原创 3-22Pytorch与张量组合与拼接

import torcha = torch.zeros((2, 4))b = torch.ones((2, 4))out = torch.cat((a,b),dim = 0)print(out)out = torch.cat((a,b),dim = 1)print(out)tensor([[0., 0., 0., 0.], [0., 0., 0., 0.], [1., 1., 1., 1.], [1., 1., 1., 1.]])ten.

原创 3-21Pytorch与张量的索引与数据筛选

import torch#torch.wherea = torch.rand(4,4)b = torch.rand(4,4)out = torch.where(a>0.5,a,b)print(a)print(b)print(out)tensor([[0.9875, 0.0399, 0.4628, 0.0218], [0.6645, 0.6531, 0.6494, 0.4461], [0.0189, 0.6904, 0.1290, 0.1731]..

原创 步骤一：入门linux基础/01Linux简介和安装/003Linux系统的多面性

紫红色终端XFCE轻量级桌面管理器

原创 步骤一：入门linux基础/01Linux简介和安装/002Linux发行版的介绍

吉祥物各种版本…

原创 3-20Pytorch与张量裁剪运算

约束tensor范围------------------->正则化/防止过拟合/解空间变小了/约束loss解空间/约束定点/量化import torcha = torch.rand(5,5) * 10print(a)tensor([[8.6500, 6.2630, 2.3630, 6.9838, 7.2702], [7.1591, 4.2263, 6.8978, 8.1862, 9.6897], [5.1330, 5.6379, 7.6174, 8.90

原创 3-19pytorch与矩阵分解SVD

原创 3-18pytorch与矩阵分解PCA

EVD--------PCA算法SVD--------LDA算法（判别分析）（与特征工程相关）要求A必须满秩！(非齐矩阵)

原创 3-17Pytorch与线性代数运算

二范数：欧氏距离核范数：低秩问题的求解计算机技术中有一种特点，图像有一种区域性，反应到数据上就是有相关性范数作用：定义loss,参数约束import torcha = torch.rand(1,1)b = torch.rand(1,1)print(a,b)print(torch.dist(a,b,p = 0))print(torch.dist(a,b,p = 1))print(torch.dist(a,b,p = 2))print(torch.dist(a,b,p = 3))p.

原创 3-16Pytorch与随机抽样

import torchtorch.manual_seed(1)mean = torch.rand(1,2)std = torch.rand(1,2)print(torch.normal(mean,std))tensor([[0.7825, 0.7358]])

原创 3-15Pytorch与分布函数

KL散度

原创 3-14pytorch与统计学方法

颜色直方图特征（lbp gabor sift hog/纹理）

原创 2-4MySQL数据库安装与初始化

5.0开始有了 事务机制。。。。。（数据有保障）percona只能装在linux上很多人担心mysql是否继续开源。。于是开发了mariaDB在官网下载免费版点击excute…执行安装开始配置因为现在使用的是单机版mysql所以第一个先不用配置默认端口号3306，如果安装了则。。改一个端口号选择传统密码加密机制输入自己常用的密码默认启动mysql…继续next安装完成bin目录。。一些命令配置环境变量完成之后cmdMicrosoft Windows.

原创 2-1数据库简介

程序重要还是数据库重要？数据库重要…为什么要使用数据库管理数据。记事本中只能ctrl+f查找。。。不能进行复杂逻辑的提取。excel问题：不支持关联数据的查找。。!](https://img-blog.csdnimg.cn/20210121123529864.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Njgx.

原创 word排版

pass

原创 3-13其他数学函数

重点学习abs（绝对值函数）l1losssigmoid（）sign(符号函数)

原创 3-12三角函数

余弦用的多，相似性度量人脸识别常用的loss = am-softimport torcha = torch.rand(2,3)b = torch.cos(a)print(a)print(b)

原创 3-11比较运算-排序

import torcha = torch.rand(2,3)b = torch.rand(2,3)print(a)print(b)print(torch.eq(a,b))print(torch.equal(a,b))print(torch.ge(a,b))print(torch.gt(a,b))print(torch.le(a,b))print(torch.lt(a,b))print(torch.ne(a,b))tensor([[0.1323, 0.5918, 0....

原创 3-10取整-余

import torcha = torch.rand(2,2)a = a * 10print(a)print(torch.floor(a))print(torch.ceil(a))print(torch.round(a))print(torch.trunc(a))print(a.frac())print(a % 2)tensor([[5.2226, 2.8359], [3.1016, 6.5535]])tensor([[5., 2.], [3., 6.

原创 3-9in-place的概念和广播机制

广播机制