Labiod的博客

EfficenrNet代码中（torch），出现了两个函数，Conv2dStaticsSamePadding(nn.Conv2d)和 Conv2dDynamicSamePadding(nn.Conv2d)。每个函数都有两步作用: padding + ConvConv2dStaticsSamePadding(nn.Conv2d)函数的作用，第一步，如果输入数据（一般来讲就是feature）需要做padding，就使用0填充（nn.ZeroPad2d（））对图像进行填充，如果不需要填充，就把原始数据传给

Robust Covariance (Minimum Covariance Determinant) 是sklearn提供的求离群点数据的例子中出现过。目的是在于通过EllipticEnvelope(contamination=0.25)求给定数据集的协方差矩阵。经验协方差有时候由于种种原因，并不使用全部的样本数据计算协方差矩阵，而是利用部分样本数据计算，这时候就要考虑利用部分样本计算得到的协方差矩阵是否和真实的协方差矩阵相同或者近似。当提供的样本数目相对于特征数足够多时，利用最大

sklearn中的离群点检测中，有个Empirical Covariance，翻译过来，为，经验协方差。对应 EllipticEnvelope 函数。实际上应该是sklearn.base工具包下，关于离群点检测函数的一个封装，目的在于用协方差来计算给定数据集离群点。EllipticEnvelope类继承自，OutlierMixin和MinCovDet这两个父类。类OutlierMixin作用是混合scikit-lear所有离群点检测估计工具的工具类。类MinCovDet作用是计算最...

FASTAPI特点：编辑器支持 数据格式自动转换 数据格式自动校验 自动生成注解和文档请求参数、路径参数、 RequestBody参数。Request body参数继承自BaseModel。fastAPI请求函数会对参数按照以下顺序进行识别：如果这个参数已经再路径中被声明过，那么它就是一个请求参数。 如果这个参数的类型是单类型（如str,float， int, bool）等，那么它就是一个请求参数。 如果这个参数的类型是Pydantic数据模型，那么它就被认...

fast——api

基本分类器：分类衣物图片这篇教程将会训练一个神经网络模型来对衣物图片进行分类。如果你了解整个代码的细节也没有什么问题，因为文章的目的在于帮助你快速理清tensorflow构建模型的过程。这里采用的tf.keras API。在tensorflow中，keras是一个用来构建和训练模型的高级API接口。导入数据集预处理数据构建模型设计网络层数编译模型训练模型执行训练验证精度看看预测结果怎么样验证精度使用训练的模型来分类一些其它的...

tensorflow2.0版的本的一些小的测试与尝试，届时会陆续将代码与新的放到此处。主要参照tensorflow core给出的教程。原链接采用这是一个 Google Colaboratory 笔记本文件， jupyter编译工具，我这边使用的pycharm进行实现。接下来 我们开始快速入门 ，实现步骤为： 加载数据集–构建模型–训练模型–验证模型下载并安装 TensorFlow 2.0 测试版包。将 TensorFlow 载入你的程序：from __future__ import absol

算法概述原理在无线通信领域，有一种“MIMO”技术。“MIMO”是什么呢？ 它是 多输出多输入 “Multi Iuput Multi Output”的缩写。它可以用来解决来降低误码率并提升信道容量的问题。其原理是：通过多个发射机发送的信号，并在多个接收机端接收信号，这些信号经历的衰减是相互独立的。这样一来，在接收端多个信号同时被严重衰减的概率就会以指数形式减小，通过获得分集增...

Tensor=torch.cuda.FloatTensor if torch.cuda.is_available() else torch.FloatTensortorch.cuda该包增加了对CUDA张量类型的支持，实现了与CPU张量相同的功能，但使用GPU进行计算。它是懒惰的初始化，所以你可以随时导入它，并使用is_available()来确定系统是否支持CUDA。CU...

使用keras搭建模型，用imagenet的权重进行预训练。densenet169的layers数量未595，冻结模型前593，增加一个2分类的dense层，使用图片训练。冻结模型修改前的模型：修改后的模型：...

在这第五次课程中，我们将首先讨论已经写过的函数，特别是如何以将它们看作迭代计算处理。迭代计算抓住了计算的核心，即循环内的每次迭代都会更新一系列的状态变量。基于此，我们接下来将会讨论一个非比寻常的概念——递归。在递归中，我们可以将计算简化为相同问题更加简单的版本，运用这一概念方便快速地开展计算过程。我们还将展示递归这一概念是如何建立在概念归纳的基础之上的。而且我们会特地运用这一点来解...

学堂在线课程在第4堂课中，我们将学习循环计算并将它们抽象化。这意味着我们将学习函数内的计算方法，允许我们将计算的细节和计算的使用区分开来。我们将此称作黑盒抽象。这个方法十分强大，可以协助我们构建复杂函数，计算非常有趣的事物，而不会被细节问题所困扰。某种程度上，这使得重复使用更加方便，调试和修改也变得更加简单。我们还要引进一种名为环境的形式，帮助我们进行可视化处理，观察如何使用...

Python for循环学堂在线第三讲，简单算法我们会发现当型循环通常在一系列选择中进行迭代。通常，尤其在穷举法中，这一系列选择是一个按照顺序的完整序列。我们至今遇到的所有例子中，对象都是整数。如果我们在一系列选择中完成那种迭代、那种循环，Python将会提供一种非常有用特殊机制来处理这一问题。它被称为for循环。for循环相关的语法。它的形式如下：for<ident...