qq_45723275的博客

使用tf2onnx 将pb文件转为onnx文件加上。安装tf2onnx以及onnxruntime。

tensorrt、pytorch、cuda、cudnn 安装教程

conda 搭建tensorflow-GPU和pycharm以及VS2022 软件环境配置

Imgaug之增强标记BoundingBoximgaug是一个封装好的用来进行图像augmentation的python库,支持关键点(keypoint)和bounding box一起变换。

tensorlfow一般编程语言 python，易开发，模块多tensorflow框架训练科学计算库，python的一个包为什么使用框架完成反向传播，自动求导提供基础API接口卷积层、全连接层、池化层等优化器环境cpugpu并行计算，矩阵运算。

pytorch搭建手写数字识别LeNet-5网络，使用opencv 加载图片并用tensorRT部署

准确率(accuracy)的陷阱、混淆矩阵(Confusion Matrix)、分类评价指标、PR曲线、ROC曲线、TP、FP、TN、FN、TPR、FPR、精准率(precision)、召回率(recall)、AUC、F1 score

目录1、分类问题2、逻辑回归3、损失函数4、决策边界4、OvR与OvO1、分类问题机器学习中有三大问题，分别是回归、分类和聚类。线性回归属于回归任务，而逻辑回归和k近邻算法属于分类任务。逻辑回归算法主要应用于分类问题，比如垃圾邮件的分类（是垃圾邮件或不是垃圾邮件），或者肿瘤的判断（是恶性肿瘤或不是恶性肿瘤）。在二分类的问题中，我们经常用 1 表示正向的类别，用 0 表示负向的类别。2、逻辑回归logistic回归是广义线性回归，因此与线性回归有很多相同之处。它们的模型形式基本上相同，都具有y^=wx

目录1、过拟合与欠拟合2、学习曲线3、数据划分4、交叉验证5、偏差方差权衡 Bias Variance Trade off6、模式正则化 Regularization6.1、岭回归 Ridge Regression6.2、LASSO6.3、L1正则，L2正则和弹性网 Elastic Net1、过拟合与欠拟合欠拟合 underfitting算法所训练的模型不能完整表述数据关系过拟合 overfitting算法所训练的模型过多的表达了数据间的噪音关系2、学习曲线学习曲线：以训练数据

机器学习笔记（三）梯度下降法 Gradient-Descent

线性回归法 Linear Regression1、简单线性回归寻找一条直线，最大程度的“拟合”样本特征的样本输出标记之间的关系样本特性只有一个，称为：简单线性回归。假设我们找到了最佳拟合的直线方程：y=ax+by=ax+by=ax+b，则对于每一个样本点x(i)x^{(i)}x(i)，根据我们的直线方程，预测值为：y^(i)=ax(i)+b\hat{y}^{(i)}=ax^{(i)}+by^​(i)=ax(i)+b，真值为：y(i)y^{(i)}y(i)。我们希望y(i)y^{(i)}y(i) 和

目录numpy1、创建 numpy.array1.1、常规创建 numpy.array 的方法1.2、其他创建 numpy.array 的方法1.2、其他创建随机数 random2、numpy.array 基本操作2.1、numpy.array 的基本属性2.2、numpy.array 的数据访问2.3、numpy.array 合并和分割3、numpy.array 中的运算4、numpy 中的聚合操作5、numpy 中arg运算6、numpy 中的比较和Fancy Indexing6.1、Fancy Ind