qq_19917367的博客

数字图像处理图像插值算法最近邻插值双线性插值插值算法参考图像插值算法了解插值算法原理掌握OpenCV框架下插值算法API的使用设h(x,y)h(x, y)h(x,y)为原图像， f(x,y)f(x, y)f(x,y)为目标图像f(dstX,dstY)=h(dstXsrcWidthdstWidth,dstYsrcHeightdstHeight)\begin{array}{c}f(dst_{X}, dst_{Y}) = h(\frac{dst_{X}src_{Width}} {dst_{W

8.2 最优化 Nesterov加速算法理论介绍Lipschitz 连续Lipschitz 连续： 在一个连续函数fff上面额外施加了一个限制，要求存在一个常数K≥0K \geq 0K≥0使得定义域内的任意两个元素x1x_1x1​ 和 x2x_2x2​ 都满足∣f(x1)−f(x2)∣≤K∣x1−x2∣|f(x_1) - f(x_2)| \leq K |x_1 - x_2|∣f(x1​)−f(x2​)∣≤K∣x1​−x2​∣此时称函数 fff的Lipschitz常数为 K。简单理解，就是 f

把相关的代码记录一下， 方便以后使用accuracy石碑上的文字,究竟隐藏着怎样的秘密……Write Up题目给出两个文件， chars.csv dataset.csv，简单查看之后，dataset是数据集， chars是测试集数据集是由784个pixel， 即 28 * 28df.iloc[:,0].unique()#array([10, 11, 12, 13, 14, 15, 1, 0, 4, 7, 3, 5, 8, 9, 2, 6])查看标签，共有1

一、数据集获取1. 公开数据集 AiStudio、Kaggle、天池、DataFountain、科大讯飞、COCO数据集、VOC数据集2. 完整流程2.1 数据处理流程图片数据获取图片数据清洗图片数据标注图片数据预处理Data Processing：标准化（中心化、归一化）中心化：加快收敛速度归一化：提高收敛效率图片数据准备（训练集、验证集、测试集）图片数据增强Data Augmentation（训练阶段）paddle.vision.transform

动手数据分析笔记第一章第一节 数据载入及初步观察数据载入df = pd.read_csv('file_path')df2 = pd.read_table('file_path')read_csv 函数见优快云 博客： https://blog.youkuaiyun.com/weixin_39175124/article/details/79434022问：read_csv 和 read_table 区别？函数说明read_csv从文件、URL、文件型对象中加载带分隔符的

LightGBM 原理LightGBM 由微软提出，主要解决 GDBT 在海量数据中遇到的问题，可以更好更快地用于工业实践中。LightGBM的贡献单边梯度抽样算法；直方图算法；互斥特征捆绑算法；深度限制的 Leaf-wise 算法；类别特征最优分割；特征并行和数据并行；缓存优化；LightGBM超参数解析https://lightgbm.readthedocs.io/en/latest/Parameters.htmlimport lightgbm as lgbfrom sk

优化模型基础回归问题中使用训练集估计模型的参数的原则一般都是使我们的损失函数在训练集中达到最小值。我们完全可以拟合一个曲线满足所有样本，但是建立机器学习模型的目的不是为了在已有的训练集中表现的非常优异，而是希望在测试集，未知的数据集上获得良好的效果。a) 训练均方误差与测试均方误差：MSE=1N∑i=1N(yi−f^(xi))2MSE = \frac 1N\sum\limits_{i=1}^N (y_i - \hat{f}(x_i))^2MSE=N1​i=1∑N​(yi​−f^​(xi​))2,如

发现了一个神器，减少代码量，界面优美。于是乎，开撸Pytorch Lightning导入下列包：import osimport torchfrom torch import nnimport torch.nn.functional as Ffrom torchvision import transformsfrom torchvision.datasets import MNISTfrom torch.utils.data import DataLoader, random_spl.

各框架Baseline地址Kears and Pytorch：https://gitee.com/coggle/competition-baseline/tree/master/competition/科大讯飞AI开发者大赛2021/人脸情绪识别挑战赛Paddle: https://aistudio.baidu.com/aistudio/projectdetail/2194725?shared=1本项目给出Paddle在组网时应用Paddlehub模型。目前网上均未找到此种方法，所以这里给出本人所

Datawhale 集成学习 Task02 笔记一个完整的机器学习项目分为以下步骤：明确项目任务： 回归 / 分类收集数据集并选择合适的特征。选择度量模型性能的指标。选择具体的模型并进行训练以优化模型。评估模型的性能并调参。数据约定如下：第i个样本：xi=(xi1,xi2,...,xip,yi)T,i=1,2,...,Nx_i=(x_{i1},x_{i2},...,x_{ip},y_i)^T,i=1,2,...,Nxi​=(xi1​,xi2​,...,xip​,yi​)T,i=1,2