<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[远方]]></title><description><![CDATA[转行机器学习]]></description><link>https://blog.youkuaiyun.com/mingxiaod</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; mingxiaod]]></copyright><item><title><![CDATA[PreScan与MATLAB联合仿真报错]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/90647540</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/90647540</guid><author>mingxiaod</author><pubDate>Tue, 28 May 2019 21:30:31 +0800</pubDate><description><![CDATA[一、 问题：
Error:Matlab ||和&amp;&amp;运算符的操作数必须能够转换为逻辑标量值
二、解决方法
必须安装VS2013（我装的VS2017不行的），然后重启prescan和MATLAB，编译通过，界面如下：

三、VS2013安装包
链接：https://blog.youkuaiyun.com/qq_33742119/article/details/80075352

...]]></description><category></category></item><item><title><![CDATA[关于opencv图片显示和保存问题]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/90114265</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/90114265</guid><author>mingxiaod</author><pubDate>Sat, 11 May 2019 20:07:58 +0800</pubDate><description><![CDATA[问题1：在jupyter中用opencv打开图片出现卡顿（未响应）

解决方法：在末尾加上waitKey和destroyAllWindows.
    cv2.imshow("object",img_cp)
    cv2.waitKey(1)
    cv2.destroyAllWindows()

问题2：opencv保存图片和显示图片不一样
如下图，保存图片和在线显示图片背景发生变化

解决...]]></description><category></category></item><item><title><![CDATA[一文搞懂目标检测]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/89389366</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/89389366</guid><author>mingxiaod</author><pubDate>Thu, 18 Apr 2019 22:06:22 +0800</pubDate><description><![CDATA[一、计算机视觉四大任务

分类任务（Classification）：需要解决图片内容“是什么”的问题，即判断图片包含什么类别。
定位（Location）：需要解决图片内的目标“在哪里”的问题，即定位出图片内的目标的位置。
检测（Detection）：需要解决图片内容“是什么，在哪里”的问题，即定位出目标的的位置以及判断目标的类别。
分割（Segmentation）：分为实例的分割和场景分割，解决“...]]></description><category></category></item><item><title><![CDATA[特征工程介绍]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/88877988</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/88877988</guid><author>mingxiaod</author><pubDate>Thu, 28 Mar 2019 20:58:04 +0800</pubDate><description><![CDATA[文章目录1.特征工程是什么2.数据预处理2.1 无量纲化2.1.1 标准化2.1.2 区间缩放法2.1.3 归一化2.2 特征二值化2.3 独热编码2.4 缺失值计算3.特征选择3.1 Filter（过滤法）3.1.1 方差选择法3.1.2 相关系数法3.2 Wrapper（包装法）3.2.1 递归特征消除法3.3 Embedded（集成法）3.3.1 基于树模型的特征选择法4 降维4.1 主成分...]]></description><category></category></item><item><title><![CDATA[共享单车数据分析]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/86697327</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/86697327</guid><author>mingxiaod</author><pubDate>Tue, 26 Mar 2019 10:14:22 +0800</pubDate><description><![CDATA[Capital Bikeshare trip data
数据特征
总共七个特征：
Duration：骑行持续时间，数据形式：844108ms和14h 26min. 2sec
Start date：开始日期，数据形式：12/31/2010 23:49
End date：结束日期，数据形式：1/1/2011 14:15
Start station	：起始站，数据形式：10th &amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp]]></description><category></category></item><item><title><![CDATA[kaggle蛋白质比赛分析]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/88543725</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/88543725</guid><author>mingxiaod</author><pubDate>Tue, 26 Mar 2019 10:13:52 +0800</pubDate><description><![CDATA[一、数据准备
蛋白质数据比赛采用了kaggle官网提供的数据集，以及额外的人类蛋白质图谱网站的数据集：https://www.proteinatlas.org/
二、数据增强
数据增强目的：

增加训练的数据量，提高模型的泛化能力。即使拥有大量数据，也需要采用数据增强的方法来提高模型泛化能力。
增加噪声数据，提升模型的鲁棒性。

三、损失函数
采用gamma为2的FocalLoss
四、训练参数
...]]></description><category></category></item><item><title><![CDATA[python安装OpenCV后报错：“DLL load failed: 找不到指定的模块”]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/88665418</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/88665418</guid><author>mingxiaod</author><pubDate>Tue, 19 Mar 2019 16:23:48 +0800</pubDate><description><![CDATA[报错信息
在安装opencv-python后，输入：import cv2 as cv，后报错：DLL load failed: 找不到指定的模块
报错分析
cv2文件部分缺少部分dll文件。每个人的电脑环境不同，缺失的文件不同。
解决办法

下载软件后安装：depends， http://www.dependencywalker.com/




在电脑中搜索cv2.cp36-win32.pyd文...]]></description><category></category></item><item><title><![CDATA[anaconda安装TensorFlow报错]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/88657874</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/88657874</guid><author>mingxiaod</author><pubDate>Tue, 19 Mar 2019 11:16:37 +0800</pubDate><description><![CDATA[1.警告
You are using pip version 18.1, however version 19.0.3 is available.
You should consider upgrading via the 'python -m pip install --upgrade pip' comm
and.

警告：
pip版本太低，需要升级
方法：
不要采用更新pip的语句，很容易报错...]]></description><category></category></item><item><title><![CDATA[PyTorch实现数据增强（kaggle环境）]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/88430217</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/88430217</guid><author>mingxiaod</author><pubDate>Tue, 12 Mar 2019 21:56:10 +0800</pubDate><description><![CDATA[一、数据增强方法：
1. 对图片进行比例缩放
2. 对图片进行随机位置的截取
3. 对图片进行随机水平和竖直翻转
4. 对图片进行随机角度的旋转
5. 对图片进行亮度、对比度和颜色随机变化
二、Torch中已经把这些方法内置在了torchvision中，可以直接调用
from PIL import Image
from torchvision import transforms as tfs

i...]]></description><category></category></item><item><title><![CDATA[PyTorch实现DenseNet]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/88423505</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/88423505</guid><author>mingxiaod</author><pubDate>Tue, 12 Mar 2019 16:31:44 +0800</pubDate><description><![CDATA[import numpy as np
import torch
from torch import nn
from torch.autograd import Variable
from torchvision.datasets import CIFAR10

建立卷积模块，卷积模块的顺序：BN——&amp;gt;ReLU——&amp;gt;Conv
def conv_block(in_channel, out_...]]></description><category></category></item><item><title><![CDATA[PyTorch实现卷积和池化（kaggle环境）]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/88409411</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/88409411</guid><author>mingxiaod</author><pubDate>Mon, 11 Mar 2019 20:50:07 +0800</pubDate><description><![CDATA[import numpy as np
import torch
from torch import nn
from torch.autograd import Variable
from PIL import Image
import matplotlib.pylab as plt
%matplotlib inline

卷积层
导入图片并且转化为灰度图
im = Image.open('../i...]]></description><category></category></item><item><title><![CDATA[PyTorch实现VGG]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/88408890</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/88408890</guid><author>mingxiaod</author><pubDate>Mon, 11 Mar 2019 20:39:16 +0800</pubDate><description><![CDATA[import numpy as np
import torch
from torch import nn
from torch.autograd import Variable

定义VGG的block
VGG几乎全部使用3x3的卷积核，以及2x2的池化层，使用小的卷积核进行多层堆叠和一个大的卷积核感受野是相同的，同时VGG小的卷积核还能减少参数，具有更深的结构。
def vgg_block(nu...]]></description><category></category></item><item><title><![CDATA[PyTorch实现GoogLeNet（InceptionNet）]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/88408785</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/88408785</guid><author>mingxiaod</author><pubDate>Mon, 11 Mar 2019 20:37:20 +0800</pubDate><description><![CDATA[import numpy as np
import torch
from torch import nn
from torch.autograd import Variable

定义一个卷积加batchnorm，以及relu激活函数作为基本结构
def conv_relu(in_channel,out_channel, kernel, stride=1, padding=0):
    laye...]]></description><category></category></item><item><title><![CDATA[PyTorch实现ResNet]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/88408657</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/88408657</guid><author>mingxiaod</author><pubDate>Mon, 11 Mar 2019 20:35:11 +0800</pubDate><description><![CDATA[import numpy as np
import torch
from torch import nn
from torch.autograd import Variable
import torch.nn.functional as F

定义残差模块
def conv3x3(in_channel, out_channel, stride=1):
    return nn.Conv2d(in...]]></description><category></category></item><item><title><![CDATA[PyTroch报错NotImplementedError:]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/88376599</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/88376599</guid><author>mingxiaod</author><pubDate>Sun, 10 Mar 2019 11:51:13 +0800</pubDate><description><![CDATA[1.在写PyTorch网络模型时出现以下报错：
NotImplementedError，该错误表示尚未成功的实现某种方法。以下为报错界面，经过查询错误位置。在‘forward’定义处！

2.查找错误
经过查看，'forward’定义处缩进错误！如下图，def forward 不应该和self在同一缩进层，所以报错！！，所有减少def forward 以及后面的代码缩进即可。

修改： Ctrl ...]]></description><category></category></item><item><title><![CDATA[PyTorch实现AlexNet模型及参数详解]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/88369761</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/88369761</guid><author>mingxiaod</author><pubDate>Sat, 09 Mar 2019 18:43:14 +0800</pubDate><description><![CDATA[文章目录一、卷积池化层原理二、全连接层原理三、模型参数详解注：AlexNet论文错误点1.卷积池化层1（1）卷积运算（2）分组（3）激活函数层（4）池化层2.卷积池化层23.卷积池化层34.卷积池化层45.卷积池化层56.全连接层17.全连接层28.全连接层3四、PyTorch实现
一、卷积池化层原理
该层的顺序是：卷积——&amp;amp;amp;amp;amp;amp;amp;gt;ReLU——&amp;amp;amp;amp;amp;amp;amp;gt;池化——&amp;amp;amp;amp;am]]></description><category></category></item><item><title><![CDATA[PyTorch优化函数]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/88352830</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/88352830</guid><author>mingxiaod</author><pubDate>Fri, 08 Mar 2019 15:51:49 +0800</pubDate><description><![CDATA[PyTorch优化器导入
文章目录一、导入PyTorch二、定义模型三、导入优化器导入优化器1 :梯度下降法SGD导入优化器2 :SGD+momentum导入优化器3 :Adagrad导入优化器4 :RMSprop导入优化器5 :Adadelte导入优化器6 :Adam
一、导入PyTorch
import torch
import torch.nn as nn

二、定义模型
net = nn....]]></description><category></category></item><item><title><![CDATA[读《利用python进行数据分析》总结]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/88344637</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/88344637</guid><author>mingxiaod</author><pubDate>Fri, 08 Mar 2019 11:57:14 +0800</pubDate><description><![CDATA[第二章 Python语言及jupyter notebook
2.2 Jupyter notebook基础
1.Tab键补全
含有 ‘.’或者‘_’的命令在补全时，需要把这两个符号打出来，然后才能搜索到，否则默认不显示。
2.内省
在变量名后面输入‘？’，即可在下方显示该对象的概要信息：

3.%run和%load
%run +python文件名，即可运行该python文件；
%load+pytho...]]></description><category></category></item><item><title><![CDATA[深度学习]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/87869763</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/87869763</guid><author>mingxiaod</author><pubDate>Thu, 21 Feb 2019 22:25:15 +0800</pubDate><description><![CDATA[一、深度学习任务
1.基本情况


反向传播，优化函数。
2.全连接层网络
以3*4的照片为例：

首先将图片展开为一维向量，如下所示：

每个像素值配有权重，每设置12个参数值，与12个像素值进行计算，然后输入下一层的神经元当中，设置权重的数目由第二层的神经元个数决定。即：若第二层神经元有4个，则可以表示为矩阵的运算，412的权重矩阵乘以121的像素值，最后得到4*1的矩阵，作为下一层的输入值。...]]></description><category></category></item><item><title><![CDATA[基于sklearn的分类鸢尾花卉——逻辑回归实战]]></title><link>https://blog.youkuaiyun.com/mingxiaod/article/details/86379120</link><guid>https://blog.youkuaiyun.com/mingxiaod/article/details/86379120</guid><author>mingxiaod</author><pubDate>Sat, 12 Jan 2019 22:04:13 +0800</pubDate><description><![CDATA[https://www.jianshu.com/p/e51e92a01a9c#fn1

]]></description><category></category></item></channel></rss>