Fitz的博客

假设存在文件目录为/home/fitz/demo/在该目录下存在4个分类目录：./11 ./22./33在这4个分类目录下又各自有不同的文件，假设都是.jpg文件。现在我需要将.jpg文件的完整路径名获取，并且保存下来首先定义变量存放文件目录：image_path = '/home/fitz/demo/'#获取image_path文件下下所有文件夹的名称（4个分类目录下文件

不多说，直接上函数

开始我是很难弄懂什么是过拟合，什么是欠拟合以及造成两者的各自原因以及相应的解决办法，学习了一段时间机器学习和深度学习后，分享下自己的观点，方便初学者能很好很形象地理解上面的问题，同时如果有误的地方希望大家在评论区留下你们的砖头，我会进行纠正。无论在机器学习还是深度学习建模当中都可能会遇到两种最常见结果，一种叫过拟合（over-fitting ）另外一种叫欠拟合（under-fitting）。

前言：决策树是机器学习分类方法中的一个重要的算法。决策树分类一般只适用于小数据。什么是决策树？决策树是一个类似于流程图的树结构：其中，每个内部结点表示在一个属性上的测试，每个分支代表一个属性的输出，而每个树叶结点代表类或类结点。树的最顶层是根节点。（根节点的选取十分重要）熵（entropy）概念：信息熵计算是决策树中的计算环节。1948年，香农提出了“信息熵”的

写在开头：你完全可以按照我的模板实现 python并行处理数据，只有7个步骤背景：已知数据集中包含5500张图片，每一张图片都需要进行图像处理，使用单线程耗费时间大约45min。因此，单线程是不可能的，这辈子都不可能单线程的。。。解决办法：使用python中的多进程（真香！）注意：该博客不会说明太多原理性的东西，只会告诉你如何去做，怎么去实现。原理性、底层性的知识出门右拐。实现步骤...

还在为看不到神经网络结构而烦恼吗？那么请看下图！支持可视化框架列表：ONNX(.onnx,.pb,.pbtxt),Keras(.h5,.keras),CoreML(.mlmodel),Caffe(.caffemodel,.prototxt),Caffe2(predict_net.pb,predict_net.pbtxt),MXNet(.model,-s...