It’s All Uphill From Here

问题描述目前的问题是，使用keras的callback将日志数据（acc、loss、val_acc、val_loss）写入文件，然后使用Tensorboard在浏览器查看变化，现在打算读出相关数据，并自行绘图。解决方案

Q9_390. 寻找峰值 II给定一个整数矩阵 A, 它有如下特性:相邻的整数不同 矩阵有 n 行 m 列，n和m不会小于3。 对于所有的 i < n, 都有 A[i][0] < A[i][1] && A[i][m - 2] > A[i][m - 1] 对于所有的 j < m, 都有 A[0][j] < A[1][j] && A[n - 2][j] > A[n - 1][j] 我们定义一个位置 [i,j] 是峰值, 当且仅

前言：tensorflow2.0中有很多种模型保存方法，为了做一个统一的比较，本文做一个归纳总结，加之自己在这上面踩过很多的坑，现在感觉做一个总结实在是有必要。因为tensorflow创建模型的方式很多，包括Sequence、Model、SubClass Model，我们可以保存所有的模型，也可以仅仅保存权重。本文为系列文章第一篇，介绍各种模型保存方法，后面还会介绍checkpoint以及SavedModel的细节。一、Sequence和Model模型的保存1.1 保存整个模型为一个 h5 文件

损失函数中的logitsSparse_categorical_crossentropy函数中的参数from_logits用法：其中形参默认为from_logits=False，网络预测值y_pred 表示必须为经过了 Softmax函数的输出值。当 from_logits = True 时，网络预测值y_pred 表示必须为还没经过 Softmax 函数的变量 。logits表示网络的直接输出 。没经过sigmoid或者softmax的概率化。from_logits=False就表示把已经概率化

一、第一种理解　　　　相对熵（relative entropy）又称为KL散度（Kullback–Leibler divergence，简称KLD），信息散度（information divergence），信息增益（information gain）。　　KL散度是两个概率分布P和Q差别的非对称性的度量。 KL散度是用来度量使用基于Q的编码来编码来自P的样本平均所需的额外的比特个数。 典型情况下，P表示数据的真实分布，Q表示数据的理论分布，模型分布，或P的近似分布。　　根据sha...

tensorflow里的一个函数，boolean_mask(a,b)将使a (m维)矩阵仅保留与b中“True”元素同下标的部分。在做目标检测（YOLO）时常常用到。"""Apply boolean mask to tensor.Numpy equivalent is `tensor[mask]`.```python# 1-D exampletensor = [0, 1, 2, 3]mask = np.array([True, False, True, False])boolean_ma...

官方：Adds a persistent buffer to the module.This is typically used to register a buffer that should not to be considered a model parameter. For example, BatchNorm’s running_mean is not a parameter, but is part of the persistent state.Buffers can be ac

二分查找又叫折半查找，二分查找应该属于减治技术的成功应用。python标准库中还有一个灰常给力的模块，那就是bisect。这个库接受有序的序列，内部实现就是二分。下面这篇文章就详细介绍了Python如何实现二分查找与bisect模块,需要的朋友可以参考借鉴，下面来一起看看吧。前言其实Python 的列表（list）内部实现是一个数组，也就是一个线性表。在列表中查找元素可以使用list.index()方法，其时间复杂度为O(n) 。对于大数据量，则可以用二分查找进行优化。二分查找要求对象必须有..

本文重点阐述了xgboost和lightgbm的主要参数和调参技巧，其理论部分可见集成学习,以下内容主要来自xgboost和LightGBM的官方文档。xgboostXgboost参数主要分为三大类：General Parameters（通用参数）：设置整体功能Booster Parameters（提升参数）：选择你每一步的booster(树or回归）Learning Task Parameters（学习任务参数）：指导优化任务的执行General Parameters（通用参数）...

解决LINK : fatal error LNK1158: 无法运行“rc.exe”error: command ‘E:\XXX\VS2015\VC\BIN\x86_amd64\link.exe’ failed with exit status 1158的问题。错误是放置rc.exe和rcdl.dll文件的地方。Visual Studio使用的是64位“交叉编译器”，它不存在于S（VSInstallDir）VC \ bin中，而是存在于S（VSInstallDir）VClbinx86_amd64文件夹中

首先我要吐槽一下，看程序的过程中遇见了yield这个关键字，然后百度的时候，发现没有一个能简单的让我懂的，讲起来真TM的都是头头是道，什么参数，什么传递的，还口口声声说自己的教程是最简单的，最浅显易懂的，我就想问没有有考虑过读者的感受。接下来是正题：首先，如果你还没有对yield有个初步分认识，那么你先把yield看做“return”，这个是直观的，它首先是个return，普通的return是什么意思，就是在程序中返回某个值，返回之后程序就不再往下运行了。看做return之后再把它看做一个是生成器（

在使用pandas判断数据时出现错误提示：ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().个人理解：这是因为，你将一个值与多个值或一个列表中的值相比较、匹配，导致的问题看提示，我们可以知道，在比较前，我们可以使用它推荐的某个方法：a.empty if(a.empty):print("!!") 判断a是否为空a.it...

nonzero(a)nonzero函数是numpy中用于得到数组array中非零元素的位置（数组索引）的函数。它的返回值是一个长度为a.ndim(数组a的轴数)的元组，元组的每个元素都是一个整数数组，其值为非零元素的下标在对应轴上的值。（1）只有a中非零元素才会有索引值，那些零值元素没有索引值；（2）返回的索引值数组是一个2维tuple数组，该tuple数组中包含一维的array数组。其中，一维array向量的个数与a的维数是一致的。（3）索引值数组的每一个array均是从一个维度上来描述其索

DataFrame数据的保存和读取df.to_csv写入到csv文件 pd.read_csv读取csv文件 df.to_json写入到json文件 pd.read_json读取json文件 df.to_html写入到html文件 pd.read_html读取 html文件 df.to_excel 写入到 excel 文件 pd.read_excel 读取 excel 文件pandas.DataFrame.to_csv将 DataFrame写入到 ...

数据平滑处理 -- log1p( ) 和 exmp1( )1. 数据预处理时首先可以对偏度比较大的数据用og1p函数进行转化，使其更加服从高斯分布，此步处理可能会使我们后续的分类结果得到一个好的结果。2. 平滑问题很容易处理掉，导致模型的结果达不到一定的标准，log1p( )能够避免复值得问题 — 复值指一个自变量对应多个因变量log1p( ) 的使用就像是一个数据压缩到了一个区间，与数据的标准类似。其逆运算就是expm1的函数由于使用的log1p（）对数据进行了压缩，最后需要将预测出的平.

一、基本形式sorted(iterable[, cmp[, key[, reverse]]])iterable.sort(cmp[, key[, reverse]])参数解释：（1）iterable指定要排序的list或者iterable，不用多说；（2）cmp为函数，指定排序时进行比较的函数，可以指定一个函数或者lambda函数，如： students为类对象的list，没个成员有三个域，用sorted进行比较时可以自己定cmp函数，例如这里要通过比较第三个数据...

自定义转换函器：创建一个类，实现fit()[return self]、transform()和fit_transform(),如果使用TransformerMixin作为基类，则自动实现fit_transform()函数，fit_transform() <==> fit().transform(),如果添加BaseEstimator作为基类，,注意此时__init__函数不能接受 ∗args∗args 和 ∗∗kwargs∗∗kwargs，还可以使用两个额外的方法（get_params()

<p>过拟合（overfitting）是指在模型参数拟合过程中的问题，由于训练数据包含抽样误差，训练时，复杂的模型将抽样误差也考虑在内，将抽样误差也进行了很好的拟合。具体表现就是最终模型在训练集上效果好，而在测试集上的效果很差，模型的泛化能力比较弱。</p>那为什么要解决过拟合现象呢？这是因为我们拟合的模型一般是用来预测未知的结果（不在训练集内），过你个虽然在训练集上效果很好，但在实际使用时（测试集）效果很差。同时，在很多问题上，我们无法穷尽所以状态，不可能将所有情...

Xavier初始化:条件：正向传播时，激活值的方差保持不变；反向传播时，关于状态值的梯度的方差保持不变。 初始化方法： 假设激活函数关于0对称，且主要针对于全连接神经网络。适用于tanh和softsign 论文地址：Understanding the difficulty of training deep feedforward neural networks 参考资料：深度学习之参数初始化（一）——Xavier初始化He初始化：论文地址：Delving Deep into Rectifier

文章目录numpy中axis取值的说明stack()函数np.hstack()函数np.vstack()函数这三个函数有些相似性，都是堆叠数组，里面最难理解的应该就是stack()函数了。先来看一下axis的用法，然后在stack()中就好理解了。numpy中axis取值的说明axis: 0,1,2,3,…是从外开始剥，-n,-n+1,…,-3,-2,-1是从里开始剥。为了方便下面的理解，可以这样看待：在numpy中...

一、CNN卷积神经网络的经典网络综述下面图片参照博客：http://blog.youkuaiyun.com/cyh_24/article/details/51440344二、LeNet-5网络 输入尺寸：32*32卷积层：2个降采样层(池化层)：2个全连接层：2个输出层：1个。10个类别（数字0-9的概率）LeNet-5网络是针对灰度图进行训练的，输入图像大小为32*32*1，不包含输入层的情况下共有7层，每层都包含可训练参数（连接权重）。注：每个层有多个Feature Map.

EarlyStopping是什么EarlyStopping是Callbacks的一种，callbacks用于指定在每个epoch开始和结束的时候进行哪种特定操作。Callbacks中有一些设置好的接口，可以直接使用，如’acc’,’val_acc’,’loss’和’val_loss’等等。 EarlyStopping则是用...

681.最近时刻给定一个"HH:MM"格式的时间，重复使用这些数字，返回下一个最近的时间。每个数字可以被重复使用任意次。保证输入的时间都是有效的。例如，"01:34"，"12:09" 都是有效的，而"1:34"，"12:9"都不是有效的时间。例1：输入: "19:34"输出: "19:39"解释: 从1，9，3，4中选出的下一个最近的时间是19:39，它是五分钟后。 答案不是19:33，因为它是23小时59分钟后。例 2:输入: "23:59"输出: "22...

Fail to find the dnn implementation. [Op:CudnnRNN]解决办法使用的版本为tensorflow2.0报错信息：tensorflow.python.framework.errors_impl.UnknownError: [_Derived_] Fail to find the dnn implementation. [[{{node CudnnRNN}}]] [[sequential/lstm/StatefulPartitionedCal

分类时，由于训练集合中各样本数量不均衡，导致模型训偏在测试集合上的泛化性不好。解决样本不均衡的方法主要包括两类：（1）数据层面，修改各类别的分布；（2）分类器层面，修改训练算法或目标函数进行改进。还有方法是将上述两类进行融合。数据层面1. 过采样（1） 基础版本的过采样：随机过采样训练样本中数量比较少的数据；缺点，容易过拟合；（2） 改进版本的过采样：SMOTE，通过插值的方式加入近邻的数据点；（3） 基于聚...

269. 火星人词典 · alien-dictionary有一种新的使用拉丁字母的外来语言。但是，你不知道字母之间的顺序。你会从词典中收到一个非空的单词列表，其中的单词在这种新语言的规则下按字典顺序排序。请推导出这种语言的字母顺序。说明：你可以假设所有的字母都是小写。如果a是b的前缀且b出现在a之前，那么这个顺序是无效的。如果顺序是无效的，则返回空字符串。这里可能有多个有效的字母顺序，返回以正常字典顺序看来最小的。例1：输入：["wrt","wrf","er","ett",".

subplot分图展示均匀分图matplotlib 是可以组合许多的小图, 放在一张大图里面显示的. 使用到的方法叫作 subplot. 使用import导入matplotlib.pyplot模块, 并简写成plt. 使用plt.f...

保存和加载模型关于保存和加载模型，有三个核心功能需要熟悉：torch.save：将序列化的对象保存到磁盘。此函数使用Python的 pickle实用程序进行序列化。使用此功能可以保存各种对象的模型，张量和字典。torch.load：使用pi...

目录一、fig, ax = plt.subplots()的作用？二、参数的含义？三、怎么在一个图上排列多个子图？四、怎么把多个子图一起合并到一个图上？《Python for Data Analysis》 2nd Edition一、fig, ax = plt.subplots()的作用？它是用来创建 总画布/figure“窗口”的，有figure就可以在上边（或其中一个子网格/subplot上）作...

N皇后问题 · N-Queensn皇后问题研究的是如何将n个皇后放置在n×n的棋盘上，并且使皇后彼此之间不能相互攻击。 上图为 8 皇后问题的一种解法。给定一个整数 n，返回所有不同的n皇后问题的解决方案。每一种解法包含一个明确的n 皇后问题的棋子放置方案，该方案中 'Q' 和 '.' 分别代表了皇后和空位。示例 1:输入: 4输出: [[".Q..", // 解法 1 "...Q", "Q...", "..Q."],["....

1120/9_597. 具有最大平均数的子树 · subtree_with_maximum_average给一棵二叉树，找到有最大平均值的子树。返回子树的根结点（Lint）/最大平均值(Leet)。说明：Q9_597: LintCode会打印出根结点为你返回节点的子树，保证有最大平均数子树只有一棵。Q1120: LeetCode直接返回MaxAvg.提示：树中的节点数介于 1 到 5000之间。每个节点的值介于 0 到 100000 之间。如果结果与标准答案的误差不超..

1.对一个一维向量import numpy as npa = np.array([3, 1, 2, 4, 6, 1])b=np.argmax(a)#取出a中元素最大值所对应的索引，此时最大值位6，其对应的位置索引值为4，（索引值默认从0开始）print(b)#42.对2维向量（通常意义下的矩阵）a[][]import numpy as npa = np.array([[1, 5, 5, 2], [9, 6, 2, 8], .

先看看模块的结构： 前面五个属性大家感兴趣可以打出来看看数值，这里就不介绍了。 先说明的是，使用这个模块的函数前先确保操作的列表是已排序的。先看看 insort 函数：其插入的结果是不会影响原有的排序。 再看看bisect 函数： 其目的在于查找该数值将会插入的位置并返回，而不会插入。 接着看 bisect_left ...

#*args的用法：当传入的参数个数未知，且不需要知道参数名称时。def func_arg(farg, *args): print("formal arg:", farg) for arg in args: print("another arg:", arg)func_arg(1,"youzan",'dba','四块五的妞')print("-----------------------")# 输出结果如下：# formal arg: 1# another a...

#__contains__优于__iter__优于__getitem__方法#__contains__方法应该把成员关系定义为对一个映射应用键（并且可以使用快速查找），以及用于序列的搜索class Iters: def __init__(self, value): self.data=value def __getitem__(self, i): ...

介绍我们在上一章学习了“Lambda 操作， Filter, Reduce 和 Map”， 但相对于map, filter, reduce 和lamdba, Guido van Rossum更喜欢用递推式构造列表（List comprehension)。在这一章我们将会涵盖递推式构造列表（List comprehension）的基础功能。递推式构造列表（List comprehension...

Lambda 操作Lambda操作——有些人喜欢，有些人讨厌，还有很多人害怕。当你看完了我们这章的介绍后，我们很自信你会喜欢上它。要不然，你可以去学习Guido van Rossums更喜欢去用的“list comprehensions”（递推式构造列表）了，因为他也不喜欢Lambda, map filter 和reduce。Lambda操作或者lambda函数是一种创建小型匿名函数的方式...

在tensorflow 的代码里经常看到tf.split()这个函数，今天来扒一扒这个API的用法tf.split( value, num_or_size_splits, axis=0, num=None, name='split')Splits a tensor into sub tensors.If num_or_size_splits...

0. 前言参考资料： FaceNet: A Unified Embedding for Face Recognition and Clustering - 原文 译文 其他参考博客： 优快云博客：【深度学习论文笔记】FaceNet: A Unified Embedding for Face Recognition and Clustering 优快云博客：Face...

主要的思路是传统的机器学习思路，即：准备训练集、提取特征、使用定义好的神经网络结构进行训练生成训练模型；对预测集进行特征提取，再使用模型预测。1、准备训练集。对训练集进行人工标注（也可以通过captcha验证码库生成标注好的验证码），这些训练集的格式必须是统一的，比如都是160*60分辨率，RGB格式的。（当然正式训练时可以再进一步预处理，例如分辨率转化、灰化等）准备验证集，可以是从训练集...