DeepLearning
关注
分享
扫一扫
文章平均质量分 88
一只小EZ
三花聚顶本是幻 脚下腾云亦非真
展开
-
简单却好用：使用Keras 2实现基于LSTM的多维时间序列预测
朋友们好，时隔很久我又开始写时间序列相关的博客啦。本次博客的主题是：提供一种适用于初中级学者的时间序列预测模型并且十分的有效好用数据介绍该数据集是一个污染数据集，我们需要用该多维时间序列去预测pollution这个维度，采用80%作为训练集，20%作为测试集。模型实现模型使用双层LSTM加一个全连接层实现预测具体结构如下def trainModel(trainX,trainY,config): ''' trainX，trainY: 训练LSTM模型所需要的数据 p原创 2021-02-23 12:30:23 · 7113 阅读 · 53 评论 -
使用Keras和LSTM实现对于长期趋势记忆的时间序列预测-LSTNet
今天我们来实现考虑长期趋势的多维度时间序列预测同时也对于整个预测流程进行梳理，实现一个 out-of-the-box 现成的预测流程算法来源于一篇经典的论文LSTNet，相关的介绍可以见 LSTNet详解-知乎开源代码来源于 LSTNet_keras ,做了替换数据集和简化处理。数据介绍该数据集是一个污染数据集，我们需要用该多维时间序列去预%测pollution这个维度，采用80%作为...原创 2020-06-18 21:19:38 · 12615 阅读 · 70 评论 -
使用Keras实现CNN+BiLSTM+Attention的多维(多变量)时间序列预测
首先介绍一下我们的数据集，可以在我的github下载该数据集是一个污染原创 2020-03-18 13:13:18 · 76522 阅读 · 295 评论 -
机器学习&深度学习 入门资料分享总结
近些年来随着算力和数据的发展，机器学习和深度学习越发火热，相关算法岗位的薪资也较高。作为一名机器学习方向且涉猎较广的毕业生，结合自己工程和面试经验，在这里为大家推荐一些相关的学习资料，希望可以对你有所帮助。一个算法工程师需要掌握的编程语言是 python/C++,如果想成为一名算法工程师，可以去各大招聘网站看一下大厂对于算法工程师的要求，这有助于你未来的发展规划。如果你对于编程语言没有入门，建议...原创 2020-03-16 09:20:28 · 884 阅读 · 0 评论 -
使用Keras实现 基于注意力机制（Attention）的 LSTM 时间序列预测
时隔半年多，毕设男孩终于重操旧业，回到了 LSTM进行时间序列预测和异常检测的路上。如果有阅读过我之前的博客，可以发现使用 LSTM作单类的时间序列异常检测也是基于对于时间序列的预测进行 登堂入室LSTM：使用LSTM进行简单的时间序列异常检测本次我们要进行的是 使用 注意力机制 + LSTM 进行时间序列预测，项目地址为Keras Attention Mechanism首先我们把它git...原创 2020-01-06 10:43:53 · 65853 阅读 · 125 评论 -
LSTM进阶：使用LSTM进行多维多步的时间序列预测
各位朋友大家好，今天来讲一下LSTM时间序列的预测进阶。现在我总结一下常用的LSTM时间序列预测：1.单维单步（使用前两步预测后一步）可以看到trainX的shape为 (5,2) trainY为(5,1)在进行训练的过程中要将trainX reshape为 (5,2,1)(LSTM的输入为 [samples, timesteps, features]这里的timesteps为...原创 2019-05-17 20:54:51 · 106390 阅读 · 116 评论 -
Python图像增强之 图像覆盖（包括图像和label）
最近笔者在研究李飞飞的DenseFusion（对 笔者就是这么多才多艺爱好广泛 （逃 ）， 工程中使用了图像增强的技术 。使用的数据集是YCB_Video_Dataset。其中图像增强的操作之一就是:使用000003中的两类物体，来作为000001 中的前景遮挡，并且更改label为遮挡之后的label图本教程中仅使用: -color 和 -label后缀的图片 （其中label图指示了...原创 2019-11-06 15:10:55 · 4870 阅读 · 0 评论 -
Openpose2d转换3d姿态识别
最近笔者遇到一个问题就是openpose在对于姿态识别的时候，识别出的人体姿态是一个2d平面姿态。对于AR交互应用来说，2d姿态是不如3d姿态的。当然可以使用kinect深度摄像头或者开源项目vnect实现3d的实时姿态识别。但是如果能够对于openpose做一些改动，可以达到近似的效果。首先openpose的body_25模型输出如图:为了做出一个近似效果 ，我们可以先假定1.躯干是面对...原创 2019-08-19 12:28:26 · 11419 阅读 · 20 评论 -
Openpose1.5.0+VS2017+CUDA10+cuDNN7.5+WIN10安装部署教程（C++和Python API）
注:主要参考 https://blog.youkuaiyun.com/yuhijk2055/article/details/81637832我的电脑配置操作系统：Windows10原创 2019-07-31 11:47:44 · 7262 阅读 · 50 评论 -
openpose输出格式(ouput）解释
最近笔者在使用openpose做姿态识别相关的项目使用了python API，然后对于输出格式作一个分析对于python api的识别中，openpose提供的例程输出有两种 print("Body keypoints: \n" + str(datum.poseKeypoints)) cv2.imshow("OpenPose 1.5.0 - Tutorial Python A...原创 2019-07-30 15:51:34 · 11916 阅读 · 6 评论 -
Keras自写CallBacks回调函数
回调函数（CallBacks）是一组在训练的特定阶段被调用的函数集，你可以使用回调函数来观察训练过程中网络内部的状态和统计信息。通过传递回调函数列表到模型的.fit()中，即可在给定的训练阶段调用该函数集中的函数。我们可以通过继承keras.callbacks.Callback编写自己的回调函数，回调函数通过类成员self.model访问访问，该成员是模型的一个引用回调函数的参数：on_ep...原创 2019-04-19 15:23:15 · 3104 阅读 · 0 评论 -
浅谈LSTM对于周期时间序列数据的预测
注：本文章主要针对的是长周期的时间序列数据（10000-40000条为一个周期的数据）预测产生训练和测试数据我们需要做的是产生周期为20000条/周期的sin函数时间序列（用于训练）以及周期为40000条/周期的sin函数时间序列（用于测试）总数据长度都为200000条import numpy as npimport matplotlib.pyplot as pltx=np.a...原创 2019-03-06 12:33:40 · 24930 阅读 · 14 评论 -
平平无奇CNN：使用CNN进行图像分类（对比机器学习分类结果）
平平无奇CNN：使用CNN进行图像分类（对比机器学习（SIFT+Bag of Words模型+SVM多分类器）分类结果）初始入门首先我们使用官方的数据集CIFAR-10进行图像分类，关于CIFAR-10的具体介绍见CIFAR-10/CIFAR-100数据集解析具体代码直接可以运行import kerasfrom keras.datasets import cifar10from ke...原创 2019-02-28 20:32:49 · 6205 阅读 · 12 评论 -
浅谈归一化对于LSTM进行时间序列预测的影响（附归一化代码）
首先介绍一下我们的示例数据，此数据是1949 到 1960 一共 12 年，每年 12 个月的航班乘客数据，一共 144 个数据，单位是 1000。下载地址数据如图所示我们选取前60%作为训练数据，后40%作为测试数据#头文件import numpy as npimport matplotlib.pyplot as pltfrom keras.models import Seque...原创 2019-02-03 12:07:37 · 27038 阅读 · 29 评论 -
登堂入室LSTM：使用LSTM进行简单的时间序列异常检测
登堂入室LSTMLSTM进行时间序列异常检测示例数据下载点击此处此数据是1949 到 1960 一共 12 年，每年 12 个月的航班乘客数据，一共 144 个数据，单位是 1000。我们使用它来进行LSTM时间序列预测的实验。数据如图所示第一列为时间 第二列为数据编写代码头文件import numpyimport matplotlib.pyplot as pltfrom ...原创 2019-01-15 20:37:23 · 24877 阅读 · 31 评论 -
简单粗暴LSTM：LSTM进行时间序列预测
使用LSTM进行时间序列预测欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：全新的界...转载 2018-12-14 21:12:48 · 166646 阅读 · 246 评论