phmatthaus的专栏

train_tf.py源码如下: from __future__ import print_function import tensorflow as tf import os, argparse, pathlib from eval import eval from data import BalanceCovidDataset parser = argparse.ArgumentParser(description='COVID-Net Training Script') parser.add

import numpy as np import pandas as pd import os import random from shutil import copyfile import pydicom as dicom import cv2 # set parameters here savepath = 'data' seed = 0 np.random.seed(seed) # Reset the seed so all runs are the same. random.seed(...

data.py源码如下: import tensorflow as tf from tensorflow import keras import numpy as np import os import cv2 from tensorflow.keras.preprocessing.image import ImageDataGenerator def _process_csv_file(file): with open(file, 'r') as fr: files =

docs/train_eval_inference.md内容如下： # Training, Evaluation and Inference The network takes as input an image of shape (N, 224, 224, 3) and outputs the softmax probabilities as (N, 3), where N is the number of batches. If using the TF checkpoints, here are

inference.py源码如下: import numpy as np import tensorflow as tf import os, argparse import cv2 from data import process_image_file parser = argparse.ArgumentParser(description='COVID-Net Inference') parser.add_argument('--weightspath', default='models/COV

从今天开始，连载对于https://github.com/UCSD-AI4H/COVID-CT的注释。

首先还是感谢https://github.com/chatopera/insuranceqa-corpus-zh作者的辛苦付出，构建了保险行业的中文语料库，并且提供了一个训练以及测试例程，解决了很多人的燃眉之急，可以说是雪中送炭了。 前几篇文章是对其例程的详细注解，但这个例程并不是基于tensorflow的，而且也只是提供了loss和accuracy的计算数据，并未提供进行进一步演示的方法。比如：将每一个测试语句中的id转换为词，进而分离问题和答复，能够让人一目了然，问题与...

最近在用Tensorflow进行深度学习，发现学习效果不是很理想。总是有很多个别点（数量不在少数）不能够覆盖。决定从最简单的数据分布开始，一点点研究深度学习程序对于各维度、各分布数据下的表现，将图一并列出。1. 只有一个输入，输出与输入呈线性分布（y=x）的情况。如下图（蓝色代表原始数据分布，红色代表预测数据分布）：2. 只有一个输入，输出与输入呈线性分布（y=x），但是有1个数据远离其他数据的情...

在调试程序中，偶然发现了tensorflow的tf.decode_csv()解析csv文件时精度的问题，csv文件中有一个数据，原始数据为39.9828850668，但调用tf.decode_csv()解析后，打印出来的数值为39.98288345。若将原始数据修改为40.1234，则解析后的数据为40.12340164。应该是float或float64的精度太高的原因吧。希望有人能解释一下为什么...

程序源码：# -*- encoding=utf-8 -*- from numpy import genfromtxt import numpy as np import random import sys import csv import tensorflow as tf import matplotlib.pyplot as plt from sklearn import preprocess...

程序源码（节选）：exampleBatch1, labelBatch1 = batch_input(dataPath, num_epochs=100)with tf.Session() as sess:    init_op = tf.group(tf.global_variables_initializer(), tf.local_variables_initializer())    sess...