CV_YOU的博客

装饰器促发后的执行过程：当某个函数加上@装饰器以后，这个装饰器马上被执行，上面例子中，就是logging（）函数被执行。而logging函数的返回值，才开始执行被装饰得函数say（）。第一步：执行装饰器@delay，这个装饰器函数是一个偏函数，是一个新的类了，不再是原始的类DelayMan。这里记录下自己理解的装饰器：装饰器就是装饰现有函数，现有函数不需要有任何代码修改的情况下，增加函数的功能。2、偏函数提前固定了2个参数，包装啦一层函数，简化了函数的调用，产生来新的函数地址。第三步：执行add（）函数。

最近研究LSTM的网络,想将LSTM应用到图像上,查资料发现,用到图像上的LSTM叫ConvLSTM,在这里记录下最核心的两个函数用法: tf.nn.static_rnn与tf.nn.dynamic_rnn.这两个函数是tensoflow针对RNN的LSTM提供的两个函数,两个函数的功能上其实差不多,但是tf.nn.dynamic()函数更加灵活.这里我还主要讲解函数用法没和两个函数输入数据...

pytorch的几种权重初始化方式:PyTorch提供了多种参数初始化函数： torch.nn.init.constant(tensor, val) torch.nn.init.normal(tensor, mean=0, std=1) torch.nn.init.xavier_uniform(tensor, gain=1)上面的初始化函数的参数tensor，...

Ubuntu下安装opencv其实非常简单，之前下安装包，多线程编译，再make,而且opencv3有个包一直下不下来，其实用下面几种方法安装，可谓是方便实用。 1.conda安装，这要求你电脑安装Anoconda，不过一般用python开发的程序员，应该都装了这个。 然后直接输入：conda install -c https://conda.anaconda.org/menpo op...

在深度学习的数据训练过程中,虽然tensorflow和pytorch都会自带打乱数据进行训练的方法,但是当我们自己生成数据,或者某些情况下依然要自己手动打乱顺序. 这里介绍如何以相同规律打乱X,Y两组数据,多组数据相同道李.第一种:(X,Y是list的格式,不是array) 产生相同的种子(seed)打乱顺序:import randomseed =50x_batch, y_batc...

有时候,用Pycharm打开别人的工程文件,经常会出现每行代码前tab不匹配的错误:查阅资料后,有一个简单的设置可以轻松解决: Edit -> Convert Indents -> To Spaces OK,搞定了....

用pytorch读取数据，确实要比tensorflow简单，但是也得熟悉半个小时左右．下面总结下我的体验，直接用代码（1）torch.utils.data.Dataset（2）torch.utils.data.DataLoader这两个类搭配的数据读取代码：import osimport globimport cv2import numpy as npfrom torchvisi...

参考下面的github链接就明白了：https://github.com/ChengBinJin/V-GAN-tensorflow

tensoeflow的可视化工具是tensorboard,但是tensorboard在显示网络结构图的时候，显示特别混乱．之前看了caffe的可视化网络图，很清晰，最近发现pytorch的网络图可视化工具，对网络图的显示也很清晰．第一步：安装：一行命令安装conda install -c anaconda graphviz python-graphviz第二步：可视化代码（最好自己单独...

１．ubuntu下conda建立虚拟环境：建立环境：conda create -n your_env_name python=X.X（2.7、3.6等)使用激活(或切换不同python版本)的虚拟环境：Linux: source activate your_env_namepython --version对虚拟环境中安装额外的包：conda install -n your_en...

1.梯度１．Variable()中，requires_grad=Fasle时不需要更新梯度， 适用于冻结某些层的梯度；２．volatile=True相当于requires_grad=False，适用于测试阶段，不需要反向传播。在torch>=0.4中，这个现在已经取消了，使用with torch.no_grad()或者torch.set_grad_enable(grad_mode)来替代...

之前习惯用.cpu()，.cuda()来指定．现在不要显示的指定是gpu, cpu之类的. 利用.to()来执行# at beginning of the scriptdevice = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")...# then whenever you get a new Tenso...

制作可变大小的数据集h5文件,可以参考下面的博客链接:https://www.jishux.com/p/c11fa4f31d757d5cdset = f.create_dataset('mydata', shape=(1, 1,128,128), maxshape=(None, 1,128,128), chunks=(1, 1,128,128))加了这个参数chunks=(1, 1,12...

参考链接:https://blog.youkuaiyun.com/jinruoyanxu/article/details/53390943

话不多说,代码说话:import numpy as npimport mathclass Conv2D(object): def __init__(self, shape, output_channels, ksize=3, stride=1, method='VALID'): self.input_shape = shape self.output_channels = outp...

下面记录一下Python读取文件夹下图片的两种方法：import osimagelist = os.listdir('./images/')#读取images文件夹下所有文件的名字import globimagelist= sorted(glob.glob('./images/' + 'frame_*.png'))#读取带有相同关键字的图片名字，比上一中方法好...

最近做一个课题，要讲两个网络接在一起，自己摸索了好几天，查阅了h各种资料，最后勉强解决了问题.下面总结一下：首先是保存参数的方法： 我最初都是用的最简单的方式保存图的参数，然后加载图的参数，见下面代码： saver = tf.train.Saver() saver.restore(sess, args.dir_models + 'model.ckpt')#加载模型 saver.s...

经常我们在编译Python代码的时候,会在命令行中增加自己指定的参数: 比如下面这个样子:python main.py --dataset_dir=apple2orange --continue_train True这上面就有3个Python的脚本参数,arg[0],arg[1],arg[2]在main.py中有下面语句来让用户输入用户自己指定的参数.形式很固定,记住就好:i...

map（）函数 map()是 Python 内置的高阶函数，它接收一个函数 f 和一个 list，并通过把函数 f 依次作用在 list 的每个元素上，得到一个新的 list 并返回。 下图可以说明： 对应下面的代码def f(x): return x*xprint map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])任务：假设用户输入的英文名字不规范，没有按照首字母

map（）函数 map()是 Python 内置的高阶函数，它接收一个函数 f 和一个 list，并通过把函数 f 依次作用在 list 的每个元素上，得到一个新的 list 并返回。 下图可以说明： 对应下面的代码def f(x): return x*xprint map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])任务：假设用户输入的英文名字不规范，没有按照首字母

filter()函数是 Python 内置的另一个有用的高阶函数，filter()函数接收一个函数 f 和一个list，这个函数 f 的作用是对每个元素进行判断，返回 True或 False，filter()根据判断结果自动过滤掉不符合条件的元素，返回由符合条件元素组成的新list。例如，要从一个list [1, 4, 6, 7, 9, 12, 17]中删除偶数，保留奇数，首先，要编写一个判断奇数的

这里说一下，python中的高阶函数，就是可以自定义的函数作为参数传入函数中。sorted()也是一个高阶函数，它可以接收一个比较函数来实现自定义排序，比较函数的定义是，传入两个待比较的元素 x, y，如果 x 应该排在 y 的前面，返回 -1，如果 x 应该排在 y 的后面，返回 1。如果 x 和 y 相等，返回 0。 因此，如果我们要实现倒序排序，只需要编写一个reversed_cmp函数：d

最近接触python,看到了python中返回函数的概念，以前只接触过函数返回值，比如python就可以返回int,str,list,dict等等类型数据，这里要说的是python还支持返回函数。首先看看python支持返回函数的基本语法def f(): print 'call f()...' # 定义函数g: def g(): print 'call g()

开始弄机器学习了，一点一点学习机器学习中相关的概念和算法。k-NN用来干什么的 简单来说，我理解的就是分类，就是根据已知训练集样本的种类，来对测试集样本做一个分类。 比如，我有1000张训练样本图片，总共有3个类，然后测试集有500张图片，就可以利用KNN算法根据训练样本的1000个数据来对500张未知分类的样本做一个分类。现在应该了解kNN的用途了吧。2.K-NN算法原理 首先

1.对于SVM这里总结下代码实现SVM的两种代码实现（for循环和矩阵操作） 首先看看SVM的损失函数，梯度函数 损失函数最终形式： L = (1/N)∑iLi + λR(W) 其中： R(W) = ∑k∑s (Wk,s)2 Li = ∑j≠yi max(0, (xiW)j−(xyiW)j+Δ) 理解：yi表示提前知道第yi个分类是正确的。比yi大的评分表示判断

softmax也是一个用于多分类的线性分类器。 首先来看看softmax的损失函数和梯度函数公式 结合惩罚项，给出总的损失函数： L = -(1/N)∑i∑j1(k=yi)log(exp(fk)/∑j exp(fj)) + λR(W) 下面有几个准备函数也要理解： Li = -log(exp(fyi)/∑j exp(fj)) ：这个就是最基本的softmax函数，

交叉验证 在训练样本时候，通常会采用一种叫交叉验证的方法，就是将一份数据分为5份（也可以是其他份），然后遍历每一份做测试集，剩下的数据做训练集，这样，一份数据就可以被利用5次，增加了数据的利用率。 下面是代码#将数据分成num_fold份X_train_folds =np.array_split(X_train,num_folds)Y_train_folds = np.array_spli

SVM算法 SVM是一种很常见的分类算法，了解SVM算法就不从基本概念 去理解了，各种网页上的分享都是千篇一律。这里直接讲解怎么根据一幅图片的输入，来计算SVM的损失函数，权重矩阵的跟新，梯度下降法计算进行最优化。基本概念 前面介绍的KNN算法存在下面2点主要问题： 1.分类器必须记住所有训练数据并将其存储起来，以便于未来测试数据用于比较。这在存储空间上是低效的，数据集的大小很容易就以GB计

首先用下面命令安装pip，然后在解释pip安装和apt-get的区别：安装命令：wget https://bootstrap.pypa.io/get-pip.py --no-check-certificatesudo python get-pip.py然后进行下面两行语句：检查更新并安装$ sudo pip install --upgrade pip $ sudo pip install --

在这里记载一下我处理图片数据集时候，遇到一些函数；max()和argmax()max是Python的内置函数，而argmax()是numpy的调用函数。 A：是一个[m*n]的矩阵 max（A），求出矩阵A中的最大值 这里的A应该是一个n*1的矩阵。B:B[m,n]矩阵 argmax(),就是求出矩阵最大元素的索引，比如下面的A矩阵，求出就是np.argmax(A)=4，np.argma

使用 alternate 机制可以自由切换python默认版本，只需要在终端输入简单的几个指令：sudo update-alternatives –install /usr/bin/python python /usr/bin/python2 100（install前面是2个-） sudo update-alternatives –install /usr/bin/python python...

最近用pycharm学习Python，发现这个IDE不支持中文注释，就是注释了中文后，编译的时候会出错： 其实解决方发很简单，就是在自己写的代码的最前面加上下面两条语句：#!/usr/bin/python# -*- coding:utf8 -*-开始我觉得还有这种操作，后面试试才发现，真有这种操作。 下面看看我的代码截图，就知道加到哪里了。 就是加在最前面

最近看Python，看到了Python中的类，类的继承，对象self，等概念，于是学习了下，下面做一个记录，就从一段代码开始分析起： 下面一段代码里，有一个父类mytime,然后定义了一个子类mydatatime，继承了父类mydata。import timeclass mytime(object): def __init__(self, hour=21, minute=13, s...

首先看一段代码：def count(): fs = [] for i in range(1, 4): def f(j): def g(): return j*j return g r = f(i) fs.append(r) return fsf1,