- 博客(5)
- 收藏
- 关注
RSS订阅原创 YOLO系列（一）：YOLOv1笔记一（原理部分）
YOLO1基本设计原理Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测,将其视为一个单一回归问题。一.一张图片首先Resize到448x448的size；原论文中给出的理由是：检测通常需要细粒度的视觉信息，因此我们将网络的输入分辨率从 224 × 224 增加到 448 × 448。二.将输入的图片变成切割成 S*S的网格（单元格）；（在文章后边令S=7。）三.每一个单元格要预测个边界框（bounding box）以及边界框的置信度（confidence score
2022-03-24 22:04:14
1438
1
原创 Visdom安装&解决遇到的坑
在Pytorch虚拟环境中安装Visdom第一步：激活Pytorch虚拟环境activate pytorch第二步：下载Visdom安装包在github中下载visdom包，下载地址：添加链接描述第三步：在激活后的环境中中进入visdom-mastercd/D D:\visdom-master第四步：安装指令：pip install -e .第五步：启动服务器python -m visdom.server最终会出现如上图示，将最后的地址复制到游览器就能
2022-03-23 18:28:30
4094
转载 研报复现系列（三）：【东莞证券】股吧里说了什么？——基于文本舆情构建股市情绪指标
1.研报概述本文是研报复现系列的第三篇，本文复现了【东莞证券】的研报【股吧里说了什么？——基于文本舆情构建股市情绪指标】该研报试图利用文本情感分析，通过统计情绪词，将股民的评论进行情感分析，联系情绪词与指数的相关性，并由此为根据来进行买入与卖出等操作。2.研究环境pycharmimport pandas as pdimport matplotlib.pyplot as pltfrom matplotlib.font_manager import FontPropertiesimport js
2021-05-05 16:56:48
1613
2
转载 研报复现系列（一）：【方正证券】跟踪聪明钱：从分钟行情数据到选股因子
1.研报概述本文是研报复现系列的第一篇，文本复现了【方正证券】的研报【跟踪聪明钱：从分钟行情数据到选股因子】。该研报尝试从分钟行情数据中挖掘出那些聪明人（即机构）所做的交易，称为“聪明钱”，并量化这些聪明钱对后市看涨、看跌的情绪观点，进而跟随聪明钱进行选股。2.研究环境JointQuantimport datetimeimport mathimport matplotlib.pyplot as pltfrom jqdata import *import pandas as pdimpor
2021-04-14 19:02:58
1727
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人