Wangzx的博客

多模态CLIP和GPT结合

U2Net与LaMa相结合，生成前景和修复后背景图像

时间序列预测算法梳理（Arima、Prophet、Nbeats、NbeatsX、Informer）

MobaXterm查看远端服务器上的Tensorboard1. 安装tensorboard2. 使用tensorboard3. 利用MobaXterm建立ssh隧道，实现远程端口到本机端口的转发1. 安装tensorboardpip install tensorboard2. 使用tensorboard（可见我的博客：https://blog.youkuaiyun.com/qq_37486501/article/details/118598891）tensorboard --logdir=log_dir --

利用transformers包加载预训练好的Bert模型得到句子Embedding1. transformers包加载预训练好的Bert模型2. 得到句子Embedding（1）encode()方法：仅返回input_ids（2）encode_plus()方法:返回所有的编码信息3. Eg：以上代码整理，可跑1. transformers包加载预训练好的Bert模型# 1. 导入包import torchfrom transformers import BertTokenizer# 2. 所需要

项目中：Json文件的读取读Json文件取Json文件中内容举例：举例：Json文件内容如下（Flickr8k）{'images': [{'sentids': [39300, 39301, 39302, 39303, 39304], 'imgid': 7860, 'sentences': [{'tokens': ['a', 'girl', 'in', 'blue', 'is', 'jumping', 'on', 'the', 'shore', 'as', '

Pytorch创建Tensor创建指定大小的tensor创建随机数tensor创建制定数据类型的tensor从数据创建tensor从已经存在的Tensor创建新的TensorTensor的操作加法Index 定位Resize单元素的tensor可以转为普通python值Tensor转为Numpy数组Numpy数组转为Tensor使用GPU (CUDA)PyTorch的功能GPU创建Tensor创建指定大小的tensorimport torchx = torch.empty(5, 3) print(

机器学习CV代码练习（九）之Resnet50模型实现# -*- coding: utf-8 -*-'''ResNet50 model for Keras.# Reference:- [Deep Residual Learning for Image Recognition](https://arxiv.org/abs/1512.03385)'''from keras.layers import Inputfrom keras import layersfrom keras.layer

机器学习CV代码练习（九）之深度学习调参判断过/欠拟合的一般代码欠拟合欠拟合(一)消除方法欠拟合(二)消除方法好的拟合loss变化曲线过拟合补充判断过/欠拟合的一般代码model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])history = model.fit(X,Y,epochs=100,validation_split=0.33)print(history.history['loss'])p

机器学习CV代码练习（八）之数字图像处理读取和显示图像---- 方法一：matplotlib.image显示图像读取和显示图像---- 方法二：cv2读取和显示图像---- 方法三：常用的图像处理库 - PIL缩放图像画图查看图像的数值特征查看--直方图查看--累积分布函数 (CDF)图调整调整图像的像素值使得其值变为均匀分布使用滤波器去噪声添加随机噪声：模拟低亮度时拍摄的照片, 包括大量随机噪声高斯滤波器：使用一个像素临近区域的像素的加权均值代替原来的值.中值滤波：使用一个像素临近区域的像素的中间值代替原

PyTorch学习笔记（三）PyTorch回归问题——分类问题文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码如下（示例）：import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport wa

PyTorch学习笔记（二）PyTorch回归问题——求解二元一次方程组梯度下降算法（Gradient Descent）梯度下降算法：x=x-learningrate*梯度——慢慢逼近最优解，最后在x附近停留。目的：求函数最小值利用梯度下降算法，求解二元一次方程（Linear Equation ）：▪????=???? ∗????+????1.567 = w * 1 + b3.043 = w * 2 + b▪得到：w = 1.477 ；b = 0.089带有误差Noise的二元一次方程求解

PyTorch学习笔记（一）深度学习框架简介、开发环境准备PyTorch同类框架PyTorch生态PyTorch可以做什么？开发环境PyTorch同类框架PyTorch、TensorFlow主要区别：动态图优先还是静态图优先。静态图： 定义公式–喂输入–得到输出。PyTorch生态自然语言：含有NLP、AllenNLP包。视觉：含有TorchVision包。图网络：含有PyTorch geometric、Fast.ai包。快速部署：ONNX。PyTorch可以做什么？GPU加速pr

Pytorch官网：快速入门PytorchPytorch官网：快速入门Pytorch地址：https://pytorch.org/tutorials/beginner/basics/intro.html步骤：1.数据准备——2. 模型选择/开发——3. 模型训练调优——4. 模型评估测试数据准备：加载数据https://pytorch.org/tutorials/beginner/basics/data_tutorial.htmlimport torchfrom torch import

机器学习CV代码练习（七）之图像描述-预测某张图片的描述BLEU指标评估产生标题的质量完整代码：预测一张图片的标题+评估test数据集的生成质量BLEU指标评估产生标题的质量from nltk.translate.bleu_score import corpus_bleu#手工产生(标准）为一个句子references = [[['there','is','a','cat','and','a','dog']]]#手工产生(标准）——三维列表、图像candidates = [['there','i

机器学习CV代码练习（六）之 网络模型结构图需要哪些层就去Keras的API文档中查找(Eg：Input、Embedding、Dropout、LSTM、Add)网络模型结构图1：网络模型结构图2：需要哪些层就去Keras的API文档中查找(Eg：Input、Embedding、Dropout、LSTM、Add)def caption_model(vocab_size, max_len): """创建一个新的用于给图片生成标题的网络模型 Args: vocab_

机器学习CV代码练习（五）之利用keras.preprocessing.text.Tokenizer进行文本预处理利用keras.preprocessing.text.Tokenizer处理textKeras的API文档：https://keras.io/api/利用keras.preprocessing.text.Tokenizer处理text其中预处理方法包含：keras.preprocessing.text.Tokenizertf.keras.preprocessing.text.Toke

机器学习CV代码练习（四）之“利用去除最后一层的VGG16网络模型”提取图像特征，保存为pickle文件利用个定的VGG16网络结构文件和网络权值文件导入VGG16，去除最后一层，以4096维度输出作为图像特征，从而提取到flicker8k数据集中所有图像的特征。使用字典存储提取图像的特征，key为：不带.jpg后缀的文件名，value为：去除最后一层的VGG16网络的输出，使用pickle库将其保存为features.pkl文件。...

机器学习CV代码练习（三）之VGG16from keras.models import Sequentialfrom keras.layers import Conv2D,Dense,Flatten,MaxPool2Ddef VGG16():# """# 搭建VGG16网络结构# :return: VGG16网络# """ input_shape=(224,224,3) model = Sequential() model.add(Conv2D(

机器学习CV代码练习（一）之逻辑回归垃圾短信分类垃圾短信分类垃圾短信数据集SMSSpamCollection.txt：链接：https://pan.baidu.com/s/13cM7xjO6uk4gCbjhfclGQA提取码：mzt5from sklearn.linear_model import LogisticRegressionimport numpy as npimport pandas as pdfrom sklearn.feature_extraction.text impo

CV视频代码练习1. LogisticRegression逻辑回归2. LogisticRegression处理垃圾短信1. LogisticRegression逻辑回归from sklearn.linear_model import LogisticRegressionimport numpy as npx_train = np.array( [[20, 3], [23, 7], [31, 10], [42, 13], [50, 7], [60, 5]])y_train = np.array([

TensorBoard的使用安装代码部分使用TensorBoardTensorBoard界面安装conda安装：conda install TensorBoard代码部分使用TensorBoard在项目中部分代码如下：#想要保留中间过程——callback。传进函数，保存信息。 # 根据validation loss保存最优模型 save_best = callbacks.ModelCheckpoint('best_model.h5', monitor='val_loss

Pycharm配置远程连接1. 配置远程解释器2.配置ftp1. 配置远程解释器Perferences——Project Interpreter添加SSH 编译器：服务器IP和Username填写密码2.配置ftp只使用文件传输功能不使用远程解释器。Tools——Development右键项目，选择上传...

配置CUDA+GPU环境写得很好的博客：写得很好的博客：Win10+MX250+CUDA10.1+cuDNN+Pytorch1.4安装+测试全过程(吐血)https://blog.youkuaiyun.com/weixin_40313940/article/details/104152125

深度学习（三）：人脸关键点检测算法什么是人脸关键点检测基于ResNet50实现人脸关键点检测根据人脸关键点检测，实现趣味PS什么是人脸关键点检测了解人脸关键点检测的应用，人脸关键点检测任务的本质，比较与图像分类任务的区别。什么是人脸关键点检测？——回归图像分类和人脸关键点检测（回归任务）的区别：回归得到坐标。区别：基于ResNet50实现人脸关键点检测用ResNet50作为backbone，简单添加两层，就可以实现人脸关键点检测根据人脸关键点检测，实现趣味PS根据人脸关键点

深度学习（二）：“分类”任务（理论——实践）图像分类图像分类原理与挑战快速上手卷积神经网络LeNet-5应用：万能公式卷积神经网络基础知识几种卷积神经网络（AlexNet、VGG、GoogleNet、ResNet）十二生肖分类实战图像分类二分类、多分类、多标签图像分类原理与挑战快速上手卷积神经网络LeNet-5应用：万能公式① 问题定义：图像分类，使用LeNet-5网络完成手写数字识别图片的分类。② 数据准备：继续应用框架中封装好的手写数字识别数据集。2.1 数据集加载和预处理

深度学习（一）：准备及基础概念数学知识数学知识

机器学习中的数学笔记：微分学与梯度下降法1.简介:数学在机器学习中的应用2.微分学基本思想和方法2.1 微分学的核心思想:函数逼近2.2 微积分的基础语言:极限论2.3 微分学的基本手法:求导数2.4 从线性逼近到多项式逼近:泰勒级数2.5 从低维到高维:多元函数的梯度3.梯度下降法和牛顿法3.1 随机梯度下降3.2 随机梯度下降的问题与挑战3.3 随机梯度下降的优化算法选讲

Google Colab 免费 GPU使用指南Google Colab 的全名是：Colaboratory，用免费的Gpu跑深度学习机器学习代码。1. 注册Google账号打开Google后，在首页右上角可以注册Google账号。2. Google Drive登陆在Google Chrome中输入网址：https://drive.google.com/drive/my-drive , 打...

Mac下PyCharm运行Flask报错RuntimeError: Click will abort further报错：RuntimeError: Click will abort further execution because Python 3 was configured to use ASCII as encoding for the environment. This sys...

FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’. np_resource = np.dtype([(“resource”, n...

No module named 'sklearn’解决方法在anaconda 中安装即可：方法一：终端操作conda install scikit-learn方法二：anaconda操作

module 'tensorflow.python.keras.backend' has no attribute 'get_graph'原因：安装的tensorflow版本和keras版本不匹配。需要将keras降版本，重新安装自己tensorflow对应的版本就OK了。查看tensorflow和keras对应的版本网址：https://docs.floydhub.com/guides/environments/

Mac上 Pycharm上创建一个Flask项目demo

转载：手把手教你如何开发一个NLP机器学习模型,并将它部署在Flask的Web平台上(译)此博客可操作性较强，可以让想要将自己开发的机器学习模型，应用Flask（web轻量级框架）在网页进行简单部署。但是存在问题：每次预测都要加载一次模型，对于简单的模型还好，但是当模型很大时，预测会很耗时。而且预测后的结果不能存入数据库，进而对模型进行优化。（下面代码我修改了部分，使css可以显示样式。运行代...

总结Pandas中序列的实用函数:汇总函数数据清洗函数数据筛选函数绘图与元素级运算函数时间序列函数其他函数下面令Pandas中的序列对象

转载人工智能中需要用到的关于数据处理的python代码网址来源于: https://www.biaodianfu.com/python-normalization-method.html数据归一化问题是数据挖掘中特征向量表达时的重要问题，当不同的特征成列在一起的时候，由于特征本身表达方式的原因而导致在绝对数值上的小数据被大数据“吃掉”的情况，这个时候我们需要做的就是对抽取出来的featur...

机器学习AI(一)之准备步骤:1.我们需要在电脑上装anaconda:网址如下:https://www.anaconda.com/download/#macos选择自己系统对应的,一步步安装就好2.安装好后去,会出现如下图所示:点击: jupyter的Launch ,即可打开两个页面.->其中一个页面是:终端的页面(我们不去管它)->另一个页面是网页,如下图所示:...

推荐一篇很好的文章,本文部分借鉴于: Kaggle的“手写识别” : https://www.jianshu.com/p/696bde1641d8如何学习机器学习首先: 我们要了解:什么是TensorFlow???TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据...

加入代码:from keras import utils as np_utils