<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Ace Cheney的博客]]></title><description><![CDATA[Life is a game, but I'm a creator not a player.]]></description><link>https://blog.youkuaiyun.com/Accelerato</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Accelerato]]></copyright><item><title><![CDATA[交互式函数可视化]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/124263863</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/124263863</guid><author>Accelerato</author><pubDate>Tue, 19 Apr 2022 03:34:59 +0800</pubDate><description><![CDATA[通过tkinter 内嵌 matplotlib实现
本脚本GitHub链接


import math
import numpy as np
from tkinter import * 
from matplotlib.figure import Figure
from matplotlib.backends.backend_tkagg import (FigureCanvasTkAgg, 
NavigationToolbar2Tk)

fig = Figure(figsize = (5, 5), dpi ]]></description><category></category></item><item><title><![CDATA[module ‘scipy.misc‘ has no attribute ‘imresize‘]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/117408833</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/117408833</guid><author>Accelerato</author><pubDate>Mon, 31 May 2021 02:00:42 +0800</pubDate><description><![CDATA[报错
AttributeError: module 'scipy.misc' has no attribute 'imresize'

解决方法
使用skimage库
conda install scikit-image 

代码修改
from skimage import transform
...
...
# img = np.float32(scipy.misc.imresize(img, ratio))
img = transform.resize(img,(int(img.shape[0]*rat]]></description><category></category></item><item><title><![CDATA[module ‘scipy.misc‘ has no attribute ‘toimage‘]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/117408808</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/117408808</guid><author>Accelerato</author><pubDate>Mon, 31 May 2021 01:40:15 +0800</pubDate><description><![CDATA[报错信息
scipy.misc.toimage(img_array).save(img_name)
AttributeError: module 'scipy.misc' has no attribute 'toimage'

解决方案
1. 降低scipy版本：
$ pip uninstall scipy
$ pip install scipy==1.2.0

2. 使用keras包
pip install keras
#或者
conda install keras

代码修改：
from keras.p]]></description><category></category></item><item><title><![CDATA[AttributeError: module ‘arff‘ has no attribute ‘DENSE‘]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/115070573</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/115070573</guid><author>Accelerato</author><pubDate>Mon, 22 Mar 2021 11:40:56 +0800</pubDate><description><![CDATA[解决方法：

卸载arff包：

pip uninstall arff


安装liac-arff包

pip install liac-arff


]]></description><category></category></item><item><title><![CDATA[使用JS距离实现LDA文档相似度计算]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/114578934</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/114578934</guid><author>Accelerato</author><pubDate>Tue, 09 Mar 2021 11:37:51 +0800</pubDate><description><![CDATA[问题提出：
[1]

[2]
实现源码：
topicmodel = gensim.models.ldamodel.LdaModel(corpus=corpus, id2word=dictionary, num_topics=topic_num, random_state=100, update_every=1, chunksize=100, passes=10, alpha='auto', per_word_topics=True)
vec = topicmodel.get_document_topics(]]></description><category></category></item><item><title><![CDATA[GENSIM官方教程（4.0.0beta最新版）-FastText Model]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/113732336</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/113732336</guid><author>Accelerato</author><pubDate>Sun, 07 Feb 2021 21:14:38 +0800</pubDate><description><![CDATA[GENSIM官方教程（4.0.0beta最新版）-FastText Model译文目录什么时候使用fastText模型训练参数解释模型的保存与载入词向量查找相似性查询

译文目录
GENSIM官方文档（4.0.0beta最新版）-面向新手的核心教程
GENSIM官方教程（4.0.0beta最新版）-Word2Vec词向量模型
GENSIM官方教程（4.0.0beta最新版）-FastText Model
GENSIM官方教程（4.0.0beta最新版）-LDA模型
GENSIM官方教程（4.0.0beta最]]></description><category></category></item><item><title><![CDATA[LDA主题模型评价指标汇总]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/113634058</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/113634058</guid><author>Accelerato</author><pubDate>Sat, 06 Feb 2021 22:38:32 +0800</pubDate><description><![CDATA[主题模型评价指标-主题距离引入与效果展示注意事项个人经验
引入与效果展示
在训练好LDA模型后，一个很自然的举动就是尝试去衡量模型的好坏。
比如去看看自己聚出来的模型直接有哪些不同。
本文介绍的模型评价可视化指标的最终的效果是这样的：

我使用LDA把语料集聚成了10类，所以横纵坐标
Jaccard Distance
#原理
注意事项

此函数仅适用于gensimLDA模型，gensim的HDP和malletLDA并不可用，如果使用会报错如：

AttributeError: 'LdaMallet' obj]]></description><category></category></item><item><title><![CDATA[* Not all rows (distributions) in doc_topic_dists sum to 1.]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/113444114</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/113444114</guid><author>Accelerato</author><pubDate>Sat, 30 Jan 2021 18:26:04 +0800</pubDate><description><![CDATA[问题描述：
在使用gensim的HDP进行主题聚类并尝试通过PyLDAVIS进行可视化时报错
代码：
from gensim.models import HdpModel
en_hdp = HdpModel(en_corpus, en_dictionary, chunksize=5000)

import pyLDAvis
import pyLDAvis.gensim
pyLDAvis.enable_notebook()
vis = pyLDAvis.gensim.prepare(en_hdp, en_co]]></description><category></category></item><item><title><![CDATA[`should_run_async` will not call `transform_cell` automatically in the future. Please pass the resul]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/113357378</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/113357378</guid><author>Accelerato</author><pubDate>Thu, 28 Jan 2021 20:12:08 +0800</pubDate><description><![CDATA[警告：
/opt/anaconda3/lib/python3.8/site-packages/ipykernel/ipkernel.py:287: DeprecationWarning:

`should_run_async` will not call `transform_cell` automatically in the future. Please pass the result to `transformed_cell` argument and any exception that happe]]></description><category></category></item><item><title><![CDATA[GENSIM官方教程（4.0.0beta最新版）-LDA模型评价与可视化]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/113332750</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/113332750</guid><author>Accelerato</author><pubDate>Thu, 28 Jan 2021 17:23:40 +0800</pubDate><description><![CDATA[GENSIM官方文档（4.0.0beta最新版）-LDA模型评价与可视化一、载入数据集并进行分词等预处理操作二、训练两个LDA模型三、可视化两个模型并比较案例一：可视化一个模型的主题之间的关联性案例二：可视化不同模型的主体之间的关联性。
原文链接

一、载入数据集并进行分词等预处理操作
from string import punctuation
from nltk import RegexpTokenizer
from nltk.stem.porter import PorterStemmer
from ]]></description><category></category></item><item><title><![CDATA[GENSIM官方教程（4.0.0beta最新版）-Word2Vec词向量模型]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/113260050</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/113260050</guid><author>Accelerato</author><pubDate>Thu, 28 Jan 2021 13:17:19 +0800</pubDate><description><![CDATA[GENSIM官方教程（4.0.0beta最新版）-词向量模型回顾：词袋模型简介：词向量模型词向量模型训练实例训练一个你自己的模型储存和加载模型训练参数内存相关的细节模型评估在线学习计算训练损失基准测试词嵌入可视化
原文链接
本章节介绍Gensim的词向量模型，并将其应用于 Lee Evaluation Corpus。
词向量模型是一种基于神经网络的广泛使用的算法。这种算法通常属于深度学习，尽管word
2vec本身通俗易懂。通过使用大量未注释的纯文本，word2vec会自动学习单词之间的关系。每个单词用一个]]></description><category></category></item><item><title><![CDATA[GENSIM官方教程（4.0.0beta最新版）-LDA模型]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/113330984</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/113330984</guid><author>Accelerato</author><pubDate>Thu, 28 Jan 2021 13:13:55 +0800</pubDate><description><![CDATA[GENSIM官方文档（4.0.0beta最新版）-LDA模型概述数据集文档预处理以及向量化训练LDA需要调试的东西
原文链接
概述
这一章节介绍Gensim的LDA模型，并演示其在NIPS语料库上的用法。
本教程的目的是演示如何训练和调整LDA模型。
在本教程中，我们将：

加载输入数据。
预处理该数据。
将文档转换成单词袋向量。
训练LDA模型。

本教程不会：

解释潜在的狄利克雷分配方式
说明LDA模型如何执行推理
教您如何调参

如果您不熟悉LDA模型或如何在Gensim中使用它，我（Olavur ]]></description><category></category></item><item><title><![CDATA[GENSIM官方文档（4.0.0beta最新版）-面向新手的核心教程]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/113196211</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/113196211</guid><author>Accelerato</author><pubDate>Wed, 27 Jan 2021 17:43:32 +0800</pubDate><description><![CDATA[GENSIM官方文档（4.0.0beta最新版）-面向新手的核心教程1. 核心概念Document（文档）Corpus（语料库）Vector (向量)Model（模型）总结2. 语料库和向量空间从字符串到向量语料流-一次一篇文档语料库格式与Numpy和Scipy的兼容性3. 主题和变换创建语料库主题变换模型4. 相似度查询创建语料库相似度接口初始化查询结构执行查询

1. 核心概念
本模块介绍Documents, Corpora, Vectors and Models：他们是理解和使用gensim所需的基本]]></description><category></category></item><item><title><![CDATA[迷宫与寻路可视化（二）广度优先搜索构建迷宫（BFS算法）]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/110008971</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/110008971</guid><author>Accelerato</author><pubDate>Mon, 23 Nov 2020 23:13:17 +0800</pubDate><description><![CDATA[广度优先搜素构建迷宫效果展示基本思想????BFS算法BFS在迷宫生成中的原理函数完整源码下载链接
效果展示

基本思想
不论是DFS，BFS还是RFS，这些算法生成的迷宫本质上是一个二维矩阵网络形式的生成树，也就是说其中没有回路，同时从右上角的起点到迷宫中的每一点都有且仅有一条路径，当然，到终点的路径也是唯一的。

这是一张用于生成迷宫的地图，左上角是淡黄色的是起点，右下角橙红色的是终点。黑色的是墙壁，我们在此基础上使用BFS算法从起点开始不断打通墙壁，直到在规则内无墙壁可以继续打通，则迷宫生成。下面来制]]></description><category></category></item><item><title><![CDATA[2020-1024]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/109254228</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/109254228</guid><author>Accelerato</author><pubDate>Sat, 24 Oct 2020 09:28:22 +0800</pubDate><description><![CDATA[=996

]]></description><category></category></item><item><title><![CDATA[计算机视觉项目实战（二）、局部特征匹配 Local Feature Matching]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/105577679</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/105577679</guid><author>Accelerato</author><pubDate>Sat, 09 May 2020 00:58:40 +0800</pubDate><description><![CDATA[局部特征匹配 Local Feature Matching项目要求项目原理局部特征图像中的特征点Harris角点（Harris Corner Detector）NMS（非最大值抑制）SIFT（尺度不变特征变换）实验步骤读取图像，并对图像进行预处理简介sepup_image()使用Harris Corner Detector查找图像中的角点简介get_interest_points()输出使用ANM...]]></description><category></category></item><item><title><![CDATA[计算机视觉项目实战（三）、基于词袋模型的场景识别 Scene Recognition with Bag of Words]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/105627078</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/105627078</guid><author>Accelerato</author><pubDate>Wed, 29 Apr 2020 17:51:45 +0800</pubDate><description><![CDATA[基于词袋模型的场景识别 Scene Recognition with Bag of Words项目要求项目原理图像分类算法实验步骤结果展示参考资料
项目要求

图像的词袋化特征表示
分别训练SVM分类器和KNN分类器
将从训练集获取的特征进行k-means聚类，构建词袋。


项目原理
图像分类算法
图像分类是机器视觉中一个重要的问题，其基本概念是：通过算法自动把图像划分到特定的概念类别中。图像分...]]></description><category></category></item><item><title><![CDATA[计算机视觉项目实战（一）、图像滤波和图像混合 Image Filtering and Hybrid Images]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/105563523</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/105563523</guid><author>Accelerato</author><pubDate>Fri, 17 Apr 2020 02:41:58 +0800</pubDate><description><![CDATA[图像滤波和图像混合 Image Filtering and Hybrid Images项目要求项目原理主要函数my_imfilter()函数解释输入参数输出参数主要实现步骤gen_hybrid_image()函数解释输入参数输出参数主要实现步骤实验步骤结果展示数据预览参考文献
项目要求

通过滤波分离图像的高频和低频。
将不同图像的高频和低频合并以创建相关尺度的图像。


项目原理


图像的频率...]]></description><category></category></item><item><title><![CDATA[迷宫与寻路可视化（一）深度优先搜索构建迷宫（DFS算法）]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/98903522</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/98903522</guid><author>Accelerato</author><pubDate>Sat, 28 Mar 2020 15:05:52 +0800</pubDate><description><![CDATA[效果展示
基本思想
函数详解
源码链接

]]></description><category></category></item><item><title><![CDATA[Zero-Shot Learning论文学习笔记（第三周）]]></title><link>https://blog.youkuaiyun.com/Accelerato/article/details/102553939</link><guid>https://blog.youkuaiyun.com/Accelerato/article/details/102553939</guid><author>Accelerato</author><pubDate>Fri, 18 Oct 2019 10:49:47 +0800</pubDate><description><![CDATA[Zero-Shot Learning论文学习笔记（第三周） Feature Generating Networks for Zero-Shot Learning原文链接：摘要算法简介：使用GAN在特征空间生成数据的原因1.f-GAN2.f-WGAN3.f-CLSWGAN实验1.f-CLSWGAN模型在ZSL和GZSL任务上的性能。数据集简介关于准确率f-xGAN各种变体在ZSL和GZSL任务上的性...]]></description><category></category></item></channel></rss>