lvsolo的专栏

神经网络学习工具目前就职于人工智能企业，日常工作内容集中在模型在不同平台的适配、模型转换、量化等方面，虽然与模型相关，但是对于模型结构、原理的研究不够深入，希望能够在闲暇时间积累一些关于模型结构和原理方面的知识，跟进一下比较前沿的进展。但在此过程中，发现在：1、知识获取；2、代码复现中都存在不少的障碍，主要障碍是：1、没有足够时间去跟进最新的进展（日常工作中这种需求也不强）；2、各个框架（尤其pytorch）的可视化支持不够；3、不够熟悉相关框架的常用函数；针对这三个问题，有以下解决思路

在python中有json包，以下方法：dumps，loads， dump， load函数都存在于json包中。json\string\dict之间的转换关系： dumps loadsdict——>string——>dictload.json——>dictdumpstring———> .json...

一、元算法元算法（meta-algorithm）是一类将多个分类器分类结果进行整合的算法，元算法一般包括一下几种：bagging(boostrap aggregating),random-forest,jackknife,boosting 遇到罕见病例时，医院会组织专家团进行临床会诊共同分析病例以判定结果。如同专家团临床会诊一样，重大决定汇总多个人的意见往往胜过一个人的决定。机器学习中也吸取了‘三

朴素贝叶斯分类的原理是条件概率的计算： 在已知先验概率的条件下，计算后验概率，后验概率即是在当前数据条件下属于分类1或者分类2 的概率，取概率较大的一个为输出。 贝叶斯准则很熟悉了，不解释了，但在这个算法中引入了一个很重要的思想：将文本等数据对象转化为向量格式进行计算。 其中包含了：1、正则表达式的运用，python中re库的运用 2、留存交叉验证：将样本一部分用作训练，一部分用作测试，当将

kNN.py# -*- coding: utf-8 -*-############KNN: the k nearest neighbours###########from numpy import *import operatorimport os###############new_input : a matrix with [1,1024]#dataset : a matri

学习了机器学习实战第五章 这一章用到了最优化方法中的梯度上升法，简单说，梯度上升法基于函数的单调性，我们如果想求得函数的极值，就可以让自变量根据梯度的方向进行变化，这样根据函数的单调性可以保证变化的方向正确而且可以保证效率最高，因为梯度指示的方向相当于山脊的方向，沿梯度方向函数变化是最快的。 以本算法为例，目标函数是error=classLabel−herror=classLabel-h 要求

数据整理:用Python的os模块进行遍历文件夹,用string.encode("utf-8")解决编码不能写入的问题用Python的csv模块写入csv文件 #!/usr/bin python2.7# coding=utf-8import os.pathimport csvwith open('/home/lvsolo/下载/att_faces/list.csv', 'a+')

用Python对opencv samples进行批量生成可执行文件.oimport osfor root, dirs, files in os.walk("."): if(root == '.'): for file in files: if(len(file)>=5 and file[-3:] == 'cpp'):