konglingshneg的博客

配制环境为：ubuntu16.04+GeForce GTX980需要配置的有：1.NVIDIA驱动+CUDA+CUDNN+anaconda+tensorflow+jupyternotebook第一步：选型NVIDIA驱动：390.67CUDA:8.0 CUDNN:V6ANACONDA:3-4.4.0tensorflow：1.3.0-cp35只要满足下边这个表格即可...

json无法识别numpy版的int，如果数据是numpy类型就会出现错误，转换为python内置int即可解决

数据如上所示，主文件夹下有/home/kls/Desktop/data/ucf101_fea_video/51_v_Lungers_g21_c05.mat，mat第一维为fea_tmp也是一个mat，第二维为fea_spa也是一个mat，我们要将fea_tmp转换为jpgimport cv2import scipy.io as sciofrom PIL import Imageimp...

https://blog.youkuaiyun.com/qq_26569761/article/details/51582024

#!/usr/bin/env python# -*- coding:utf-8 -*-import osimport mathimport numpy as npimport pandas as pdimport os.path as ospfrom tqdm import tqdm#进度条label_warp = {'正常': 0,'不导电':1,'擦花':2,'角位漏底':...

图像检测不错的博客讲了maskrcnnhttps://blog.youkuaiyun.com/l297969586/article/details/71159675labelme:用anaconda3+python3ubuntu+gtx980+cuda8+cudnn6+tensorflow3.5-3.6有问题删除文件之前先备份，系统搞坏一天又没了anaconda安装好想用ide，虽然自带i...

不要使用anaconda2+python2版本，问题很多，有问题卸载anaconda或者删除labelme文件夹重新安装即可

# In[]from keras.datasets import mnistimport scipy.io as sioimport osimport pandas as pdfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras import backendfrom keras...

             （一）项目描述   文字是人类表达和交流信息的重要工具之一，不论是在生产还是日常生活中，人们都要接触和处理大量的文字信息。数字识别能够将数字高速、快效的输入到计算机系统，实现人机交互，减轻人们的劳动，将人力从枯燥冗杂的工作中解放出来，提高处理效率。手写数字识别在车牌号码识别，快递信息录入，邮件文字录入等领域具有重要的价值。   MNIST是一个简单的图片数据集...

代码实现比较简单import tensorflow as tf  #通过Numpy工具包模拟数据集  from numpy.random import RandomState    batch_size=8#训练数据batch的大小    #定义神经网络的参数  # 输入层2个节点，第一个隐层3个节点，第二个隐层2个节点，输出一个节点w1=tf.Variab...

https://www.cnblogs.com/lliuye/p/9183914.html用于设计简单线性非线性网络，可以通过这个自己设计一个简单神经网络，而不是利用tensorflow直接BP迭代暴力求解模型...

决策树的理解：决策树是一种一种类似于流程图的树结构，其中每个内部结点表示在一个属性上的测试对未知数据进行分类，每个分支代表一个属性输出，每个树叶结点代表类或类分布。决策树包括：根结点、若干个内部结点、若干个叶节点（即目标分类节点）。例如：决策树包含三种结点，并用含属性值标记（比如上图中的晴，雨，云）的有向边相连（一定自上向下忽略方向箭头）。（1）根结点(root node)，用矩...

先看一个实例来体会一下什么叫做KNN。已知一堆数据a和一堆数据0，然后有一个未知数据c，要判断c到底属于a还是0.如果是1NN,就找到离C最近的数据，离哪一个最近，就判断c属于哪一类。如果利用3NN，如下图所示，以c为半径画圆，直到找出三个数为止，分别有一个a，两个0，则说明c属于0.（注意K一定是奇数可以保证不会平票）接下来通过一个实例来讲一下KNN分类问题：一个学生是不是三好学...

傅里叶变换，PCA，SVD，从数学上来说都是矩阵变换，从一个矩阵乘以一个变换矩阵变为另一个矩阵，由于变换矩阵一般都具有特殊性，达到升降维的作用。从矩阵的角度来说都是基变换，就是从一个坐标系转换到另一个坐标系，坐标系维度也会发生变换。从应用角度来说，傅里叶变换其实是通过那个复杂的傅里叶变换函数产生无限个正交基，从而起到升维目的（记得是1，cos，sin。。。）这样信号中很多看不出来的东西就全部能看出...