sakurasakura1996的博客

Faster RCNN的理解和资料收集资源收集知乎一文看懂Faster RCNNBilibili唐宇迪老师关于tensorflow下faster rcnn的论文解读和代码解析Faster RCNN论文中英翻译自己的理解对于理解帮助比较大的是B站视频和这篇知乎文章。Faster RCNN先用一个VGG的卷积网络来直接提取整张图片的特征（当然如图所示调节了尺寸），这对比RCNN来说已经...

Google Colab 使用记录起因最开始，实验室没有算力用（对于搞机器学习深度学习的来说，太难了，哭了都！），所以只能用百度免费的AI Studio，算力是Tesla V100,那可以说是相当强大的，然而我一直是用它来实现tensorflow框架，结果最近它更新了，代码中有tensorflow就给你抛锚，看来是人家限制了你使用tensorflow，逼你去使用PandlePandle。所以，...

Kaggle Digit Recognizer别人分享的tricks自己在利用CNN做了kaggle上的入门题——Digit Recognizer,简单的利用了CNN的网络架构就实现了0.98+的准确率，但还是不够啊，所以看了上面大佬的分享，找到一篇不错的分享，这里记录下其中我当时没用过的tricks。加油，AI learning！数据增强（可以增加训练的数据量，The idea is to...

百度AI Studio使用kaggle的记录因为没有实际主机，所以只能白嫖百度的这个免费算力，然后想用它跑一些代码，比如kaggle上面的竞赛题目，可是数据集不能直接下载，如果下载到本地，数据集太大不给上传，所以只能通过命令行的方式来下载数据集。还好不难，记录如下：1.先安装 kagglepip install kaggle 就行了然后根据kaggle竞赛页面的信息直接下载，比如kag...

Numpy和Pandas中的axis=0 和axis=1的区分最近被这弄傻了，感觉python虽然灵活简单，但是不熟悉的情况下，各种工具库用起来还是挺吃力的。。。这里就有axis的问题。之前用numpy中的axis的时候一直就以为axis=0 表示的是行，axis=1表示的是列结果练习使用pandas的时候遇到这样一个题目。23. Given a DataFrame of numeric...

建筑楼层大规模能量预测代码笔记记录的都是一些python的写法问题，归结于自己太菜了，python如此强大的功能，很多都没看到过from sklearn.preprocessing import LabelEncoderfrom sklearn.model_selection import KFoldsklearn是大家共同开发维护的一个非常方便的机器学习库，得到大家的认可，功能十分强大，...

Kaggle --ASHRAE - Great Energy Predictor III和大佬室友进行这种比赛，完全不知道该怎么搞啊，只能在kaggle上面看了看别人的东西，这个大佬写的还挺简捷的，所以自己拷贝下来运行了一遍，并准备熟悉一下别人的方法+进行改进，看看能否提高。import pandas as pdimport numpy as npimport matplotlib....

Gradient Boosting优秀 读物分享http://www.ccs.neu.edu/home/vip/teach/MLcourse/4_boosting/slides/gradient_boosting.pdf这个ppt把Gradient Boosting 讲的太好了，通俗易懂,以后千万不要因为全英文而放弃去看...

决策树 ID3算法的python实现代码：根据《机器学习实战》中的代码写的，关键在于理清决策树 ID3算法的计算思路，理解清楚了代码并不是太难写，对于我来说还是难了点啊哈哈哈import numpy as npimport csvimport operatordef loadDataSet(): dataSet = open('./isFish.csv','r') d...

Kaggle tensorflow2.0 解决手写数字体识别问题代码import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltfrom tensorflow.keras import layersimport csv# 正好用tensorflow练手重写一下kaggle上面的手写数字识别# 1...

cs231n homework 两层全连接神经网络 分类CIFAR-10codeimport numpy as npimport pickleimport matplotlib.pyplot as pltdef loadfile(): train_data = [] train_label = [] val_data = [] val_label = ...

softmax方法分类CIFAR-10数据Code：# 导包import numpy as npimport pickleimport matplotlib.pyplot as pltimport math# 导入数据train_data = []train_label = []for i in range(1,6): file_object = open('work/...

CIFAR-10 SVM方法notebook代码# import packageimport numpy as npimport pickleimport matplotlib.pyplot as plt# load train and test data# batches_meta = open('F:\PycharmProjects\cs231n\homework_1_SVM...

numpy reshape和transpose的使用不熟悉numpy的时候，看到别人代码中的reshape和transpose不太懂，这里转载一下别人的解释，很强！Python numpy.transpose 详解

用KNN方法实现手写数字体的识别这里只是记录一下对自己有用的东西NO.1# 有点没明白前一个代码中的数组减法操作import numpy as npdata_train = [[1,2,3,4], [3,4,3,2], [3,6,8,1], [3,5,7,1]]data_test=[[1,4,6,7],...

tensorflow tf.argmax()的解析分析看了别的博客给的实例，发现还是看例子最能说明问题test = np.array([[[1, 2, 3], [2, 3, 5],[2, 2, 2]], [[5, 4, 3], [8, 7, 2],[1, 2, 3]], [[5, 4, 6], [10, 7, 30], [1, 2, 3]]])array([[[ 1, 2, 3],...

在看softmax时遇到一篇说的很好的博客，转载一下对tf.nn.softmax的理解

参数估计参数估计：是根据从总体中抽取的样本估计总体分布中包含的未知参数的方法。它是统计推断的一种基本形式，是数理统计学的一个重要分支，分为点估计和区间估计两部分。点估计：依据样本估计总体分布中所含的未知参数或未知参数的函数。区间估计（置信区间的估计）：依据抽取的样本，根据一定的正确度与精确度的要求，构造出适当的区间，作为总体分布的未知参数或参数的函数的真值所在范围的估计。例如人们常说的有百分...

图解matplotlib.pyplot figure、subplot、axes、axis的区别