<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[u010847579的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/u010847579</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u010847579]]></copyright><item><title><![CDATA[keras 读取多个hdf5文件进行训练的问题与解决]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/89562256</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/89562256</guid><author>u010847579</author><pubDate>Fri, 26 Apr 2019 17:19:04 +0800</pubDate><description><![CDATA[用keras进行大数据训练，为了加快训练，需要提前制作训练集。
由于HDF5的特性，所有数据需要一次性读入到内存中，才能保存。
为此，我采用分批次分为2个以上HDF5进行存储。
1、先读取每个标签下的图片，并设置标签
def load_dataset(path_name,data_path):
    images = []
    labels = []
    train_images = [...]]></description><category></category></item><item><title><![CDATA[keras 自定义schedule_learning rate]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/89556385</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/89556385</guid><author>u010847579</author><pubDate>Fri, 26 Apr 2019 16:39:46 +0800</pubDate><description><![CDATA[自定义一个关于学习率的回调函数
定义函数，可以自定义修改学习率
比如我设置的lr = [0.01,  0.01, 0.001, 0.0001]
epochs = [5, 10, 15, 19, 23]
这跟tensorflow有点不一样，tensorflow自带的需要lr比epoch多设置一个
def scheduler(epoch):
	lr = [0.01,  0.01, 0.001, 0.0...]]></description><category></category></item><item><title><![CDATA[在keras中，centerloss实战lambda]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/88919059</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/88919059</guid><author>u010847579</author><pubDate>Sat, 30 Mar 2019 21:05:09 +0800</pubDate><description><![CDATA[推荐文章：在Keras使用center-losss损失函数\Keras自定义损失函数
参考地址：https://blog.youkuaiyun.com/DumpDoctorWang/article/details/84204476
代码可以直接拿来用，由于实验室服务器tensorflow版本比较旧，报错：TypeError: softmax() got an unexpected keyword argume...]]></description><category></category></item><item><title><![CDATA[keras实现LFW测试]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/88918639</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/88918639</guid><author>u010847579</author><pubDate>Sat, 30 Mar 2019 20:38:43 +0800</pubDate><description><![CDATA[部分代码由朋友提供，如有侵权，请及时联系。
1、裁剪图像。
可以自己写，但有时候会出现漏检测。其次，也可以网上下载，但是需要写脚本处理图像的格式以及进行再分类。
网上下载地址：http://conradsanderson.id.au/lfwcrop/
2、读取pairs文件，生成自己的label文件,每行包含图像位置信息以及标签（0-不同人，1-同一个人）
读取
    def read_pair...]]></description><category></category></item><item><title><![CDATA[余弦距离与余弦相似度的区别以及应用]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/88893107</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/88893107</guid><author>u010847579</author><pubDate>Fri, 29 Mar 2019 15:00:32 +0800</pubDate><description><![CDATA[1、定义


以上均来自维基百科（https://en.wikipedia.org/wiki/Cosine_similarity）
简单来说，余弦相似度，就是计算两个向量间的夹角的余弦值。余弦距离就是用1减去这个获得的余弦相似度。
2、性质
根据数学上的定义，在一个集合中，如果一对元素均可确定一个实数，使得三条距离公式（非负性，对称性，三角不等式）成立，则该实数可称为这对元素之间的距离。
a、非负...]]></description><category></category></item><item><title><![CDATA[数据增强库Augmentor使用，以及批量复制到指定文件，删除原文件]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/88814918</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/88814918</guid><author>u010847579</author><pubDate>Tue, 26 Mar 2019 10:54:23 +0800</pubDate><description><![CDATA[安装：pip install Augmentor
设置路径：p=Augmentor.Pipeline(yourpath)
设置所需的变化：
probability为图片的比例
p.rotate90(probability=1.0) 旋转90°
p.rotate(probability=0.5,max_left_rotation=25,max_right_rotation=25)
p.skew_ti...]]></description><category></category></item><item><title><![CDATA[数据预处理（常用增强技术）]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/88736150</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/88736150</guid><author>u010847579</author><pubDate>Fri, 22 Mar 2019 11:16:21 +0800</pubDate><description><![CDATA[参考文献：Data Augmentation | How to use Deep Learning when you have Limited Data
author网址：https://thatbrguy.github.io/
参考网址1：http://baijiahao.baidu.com/s?id=1599775088482026500&amp;wfr=spider&amp;for=pc
参...]]></description><category></category></item><item><title><![CDATA[python 读取txt中的数据，文字,以及添加内容，摆脱字符的各类影响]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/88696588</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/88696588</guid><author>u010847579</author><pubDate>Wed, 20 Mar 2019 18:54:30 +0800</pubDate><description><![CDATA[分两个部分，读取以及添加txt内容。

效果图如下：以字典形式保存，并读出标签存为list,摆脱’\n’等字符影响。然后可以继续向量间的余弦距离，执行完后，可以追加保存新标签以及向量。

全部代码：
import numpy as np

path = r'E:/sign_system/execute_system/crop_feature/ff.txt'
f = open(path,'r')
c...]]></description><category></category></item><item><title><![CDATA[opencv保存图片，不报错，但是图片没有保存]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/88693602</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/88693602</guid><author>u010847579</author><pubDate>Wed, 20 Mar 2019 17:04:05 +0800</pubDate><description><![CDATA[主要原因保存的地址不能出现字符以及中文，改用数字加英文就可以保存


file_name = dt.strftime('%Y{y}%m{m}%d{d}').format(y='y',m='m',d='d' )#这里用中文的话不会报错  
path = r'E:/sign_system/execute_system/strangers/' + str(file_name)
if not os.pat...]]></description><category></category></item><item><title><![CDATA[python 格式化时间含中文报错 UnicodeEncodeError: 'locale' codec can't encode character '\u5e74' in position 2:]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/88651566</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/88651566</guid><author>u010847579</author><pubDate>Mon, 18 Mar 2019 22:12:29 +0800</pubDate><description><![CDATA[from datetime import datetime
dt=datetime.now()
n=dt.strftime('%m/%d/%Y %H:%M:%S %p')
print(n)
n=dt.strftime('%Y{y}%m{m}%d{d}%H{h}%M{M}%S{s}').format(y='年',m='月',
             d='日', h='时', M='分', s=...]]></description><category></category></item><item><title><![CDATA[读取txt的数据，避免‘\n’等字符影响，并改成ndarray格式]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/88648975</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/88648975</guid><author>u010847579</author><pubDate>Mon, 18 Mar 2019 20:17:59 +0800</pubDate><description><![CDATA[import numpy as np
path = r'../.txt'
f = open(path, 'r')

line = f.readline()   # 以行的形式进行读取文件
list1 = []
while line:
    a = line.split()
    print (a)
    for i in a:
        try:  
            floa...]]></description><category></category></item><item><title><![CDATA[用opencv自带的haar模型提取数据集中的人脸图像]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/88634718</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/88634718</guid><author>u010847579</author><pubDate>Mon, 18 Mar 2019 10:56:21 +0800</pubDate><description><![CDATA[主要是自带的haar模型提取，代码很简单


import cv2
import os

def crop():
    
    classfier = cv2.CascadeClassifier(&quot;E:/sign_system/opencv/haarcascades/haarcascade_frontalface_alt2.xml&quot;)            
    path = 'E:/f...]]></description><category></category></item><item><title><![CDATA[Pyhton中的错误"RuntimeError: Attempted to use a closed Session."]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/88616161</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/88616161</guid><author>u010847579</author><pubDate>Sun, 17 Mar 2019 11:31:41 +0800</pubDate><description><![CDATA[方法一：全部缩进with里

      

（采用了#with tf.Session(config=config) as self.sess:的表达式）

  原因：实际上是with机制帮你关闭了文件f，这样可以避免有些人读写文件后忘记关闭文件。所以with代码块里的内容运行完了，你的sess就自动由with机制帮你关闭了，因此再次使用sess就会报错。解决办法就是把代码块向后...]]></description><category></category></item><item><title><![CDATA[机器学习（深度学习）算法的性能度量]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/85867700</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/85867700</guid><author>u010847579</author><pubDate>Sat, 05 Jan 2019 19:44:55 +0800</pubDate><description><![CDATA[最近重新开始做深度学习相关的应用，但是很多概念记不清。因此，整理了一些指标，为了有空可以回顾，也欢迎补充。如有侵权，联系删除

1、准确率、召回率、F值

2、top-1 和 top-5准确率

3、mAp

4、MAC，Flops，SIMD

转载地址1：https://www.cnblogs.com/Zhi-Z/p/8728168.html

转载地址2：https://blog.csdn.n...]]></description><category></category></item><item><title><![CDATA[wxpython 用calendarctrl制作日历以及显示当前日期在statictext上]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/85322872</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/85322872</guid><author>u010847579</author><pubDate>Fri, 28 Dec 2018 15:34:03 +0800</pubDate><description><![CDATA[calendar的日期显示

 



    def beginEvent(self,event):
        dlgb = wx.Dialog(None, id = -1 ,title='Calendar',size=(300,200))
        self.datepick = wx.adv.CalendarCtrl(self.pnl,-1,pos=(600,100)) 
   ...]]></description><category></category></item><item><title><![CDATA[wxpython用DatePickerCtrl做日期区间选择]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/85320878</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/85320878</guid><author>u010847579</author><pubDate>Fri, 28 Dec 2018 15:30:56 +0800</pubDate><description><![CDATA[1、用TextCtrl形成文本编辑框


        self.yearInput1 = wx.TextCtrl(self.pnl, -1, u'', pos=(190, 40), size=(60, -1))
        self.yearInput1.SetForegroundColour('gray')
        self.yearInput1.SetFont(font)

2...]]></description><category></category></item><item><title><![CDATA[python 输入日期形成区间日期的循环输出]]></title><link>https://blog.youkuaiyun.com/u010847579/article/details/85162939</link><guid>https://blog.youkuaiyun.com/u010847579/article/details/85162939</guid><author>u010847579</author><pubDate>Fri, 21 Dec 2018 15:36:44 +0800</pubDate><description><![CDATA[参考网址：https://blog.youkuaiyun.com/helloxiaozhe/article/details/76962079


date_input1 = input(&quot;请输入日期(格式YYYY-MM-DD)：&quot;)
date_input2 = input(&quot;请输入日期(格式YYYY-MM-DD)：&quot;)
timelist1 = date_input1.split(&quot;-&quot;)
timelist1 ...]]></description><category></category></item></channel></rss>