weixin_41068770的博客

原因1：原因2：原因3：

链接：https://app.grammarly.com/

https://blog.youkuaiyun.com/u014453898/article/details/94446564

https://blog.youkuaiyun.com/hjimce/article/details/50098483

1. 内容本学习材料主要包括以下四个方面的内容* 机器学习的基础介绍* 特征工程与特征筛选* 基础模型的训练与预测* 机器学习实验流程3. 特征工程与特征筛选3.1 查看空值比例## 查看空值比例data_na = (data.isnull().sum()/len(data))*100data_na = data_na.drop(data_na[data_na == 0].index).sort_values(ascending=False)missing_data = p

使用Pandas进行数据进行结构化数据的分析。1. 文本数据的正则化原始的数据如下图左，数据列名的格式比较复杂，可以看出有四种情况：* 英文+\n+中文* 英文+\u2028+中文* 英文+\n+英文* 英文需要稍微进行一下处理便于后面的分析，有中文的保留中文部分，'ALF\nALF'变成'ALF'，'PVD'保持不变。主要使用正则表达式进行匹配。修改后的内容如下图右。!pip install regex## 导入需要的库import regex as re## 原始列名列表

车道线检测项目的本质是一个边缘检测的算法的延伸。在汽车正常行驶过程中，车道线往往出于车体视野的中心对称位置，其位置相对固定。下图展示了一个该场景，随着车辆的移动，车道线基本处于该黑色虚线所包围的区域内。因此，使用边缘检测时，如果我们仅对该ROI区域进行计算，将有利于降低干扰，减少计算量。之后检测直线时，使用的是霍夫变换，但ROI区域内的边缘直线信息比较多，例如上图右侧白色线是间断的直线。考虑到道路中直线只有左右两条，他们的特点是，一条直线的斜率为正，一条直线的斜率为负，且正负斜率直线

转载自：https://www.cnblogs.com/houfee/p/10536763.html这是我见过对递归算法和时空复杂度介绍的很好的一个文章。--------------------------------------------------------------------------------------参考目录：递归和栈帧的调用原理时间复杂度时间复杂度和空间复杂度什么是时间复杂度空间复杂度斐波那契时间复杂度和空间复杂度分析我的笔记：Java.

一、生成镜像以往的镜像在新的project上不符合，因此不得不开一个新的镜像并在其中安装环境。docker commit -m "new_torch_env" -a "chluan" f36d4d8bf0ef建立好了新的Image镜像，根据镜像生成一个新的docker，并在该docker里面配置环境。二、配置环境project里面包含environment.yaml文件，包含了环境配置。根据官网中Anaconda配置，如下：conda env create -f envir

代码如下；#! /usr/bin/env bash CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 #02 04 05 09 10 11 13 for id in 02 05 09 10 11 13 do echo $id python main.py --stage det --phase train --config /configs/config.yaml --leave_oneID $id done...

博文目录：0. Attention的模型解释1. pytorch下attention算法的实现2. 深度学习中的直觉与模型0. Attention的模型解释Attention Mechanism目前非常流行，广泛应用于机器翻译、语音识别、图像标注（Image Caption）等很多领域，之所以它这么受欢迎，是因为Attention给模型赋予了区分辨别的能力，例如，在机器翻译、语音识别应用中，为句子中的每个词赋予不同的权重，使神经网络模型的学习变得更加灵活（soft），同时Atten.

搞机器学习的人，都会有自己偏爱的某种算法，有的喜欢支持向量机（SVM），因为它公式表达的优雅和可利用方法实现的高质量；有的人喜欢决策树，因为它的简洁性和解释能力；还有人对神经网络非常痴狂，因为它解决问题的灵活性（一般在超大规模的数据集上，使用神经网络，效果会好于其他所有的机器学习算法）。但是就我本人而言，我最喜欢的算法是随机森林，理由如下：通用性。随机森林算法可以应用于很多类别的模型任务。它们可以很好的处理回归问题，也能对分类问题应付自如，多分类和二分类都可以，一个能当三个用呢！ 随机森林算法很难被打

avg = len(reference_files) / float(2) out = [] last = 0.0 while last < len(reference_files): out.append(reference_files[int(last):int(last + avg)]) last += avg normals0 = out[0] n...

论文编写时需要考虑图像的清晰度，如果用latex，生成eps文件是个好的方法。有两个简单方法可以生成eps图像。方法1： python plt方法生成import cv2a = cv2.imread('filename.png')plt.imshow(a)plt.savefig('a.eps', format='eps', dpi=1000)方法2： 在线网站，在线转换。网站链接：https://cloudconvert.com/png-to-eps操作步骤： 上传pn.

SVDD算法的相关学习笔记参考这篇博客：https://blog.youkuaiyun.com/sterben25/article/details/79106351在此之前，我写一个关于使用SVDD算法进行鸢尾花分类的代码和博客，然而该方法并没有使用核函数，来体现支持向量方法的优越性，因此，本博文用于记录算法使用核函数后，并对月牙数据进行一个支持向量边界求取。可视化结果如下图所示：月牙数据如下所示：from sklearn import datasetsX,y = datasets.make..

机器视觉表面缺陷检测综述转载自：http://www.cjig.cn/html/jig/2017/12/20171202.htm#top《中国图像图形学报》Tang B, Kong J Y, Wu S Q . Review of surface defect detection based on machine vision[J]. Journal of Image and Graph...

结构相似性指数（structural similarity index，SSIM）, 出自WangZhou的论文，用于度量两幅图像间的结构相似性。和被广泛采用的L2 loss不同，SSIM和人类的视觉系统（HVS）类似，对局部结构变化的感知敏感。SSIM分为三个部分：照明度、对比度、结构pytorch代码实现SSIM值越大代表图像越相似，当两幅图像完全相同时，SSIM=1。所以作为...

1. 基于对抗的度量学习链接：https://zhuanlan.zhihu.com/p/577557222. 用正确方法对度量学习算法进行基准测试链接：https://zhuanlan.zhihu.com/p/986982583. 采用深度度量学习进行异常检测链接：https://zhuanlan.zhihu.com/p/1137909154. 深度迁移学习链接：ht...

SVDD试图学习一个包含单类样本点的超球边界，该边界既要满足包含足够多的的点，又要使得球体的半径要足够多的的少，而这两点往往又比较矛盾，因此，SVDD算法在这两个要求之间寻找一个人为的均衡。网络上相关SVDD算法的解读，包括论文和概念，但是SVDD的方法代码在matlab库中的案例相对较多，而在python库中相对较少，更多的相关于OneClassSVM的代码，可参照sklearn的svm算法...

1. fpr tpr等五个指标记录def calculate_fpr_tpr_tnr_f1score_accuracy(y_true, y_pred): ''' y_true 和 y_pred均是ndarray类型。 ''' y_true = y_true.flatten() y_pred = y_pred.flatten() Tp = 0 ...

TSNE降维降维就是用2维或3维表示多维数据（彼此具有相关性的多个特征数据）的技术，利用降维算法，可以显式地表现数据。（t-SNE）t分布随机邻域嵌入 是一种用于探索高维数据的非线性降维算法。它将多维数据映射到适合于人类观察的两个或多个维度。TSNE方法是一个很有趣的方法，暂时不做深入研究，将代码展示如下：#用TSNE进行数据降维并展示聚类结果tsne = TSNE(n_compo...

Keras是一个用于在python上搭神经网络模型的框架，语法和torch比较相似。我个人认为Keras最大的特点是包装很好，一些在训练过程中要输出的方法和常用的优化函数、目标函数都已经内置了，非常适合用来写大作业。Keras和python的哲学有些相似，那就是尽量不自己造轮子。但是最近逛知乎，看到有答案说，Keras只能用来搭一些世面上已经普及的网络，和其它框架相比比较小白。换句话说，就是K...

网络上关于SVDD的中文工作相对较少，在之前两个博客，我将学习过程中找的一些资料和理解进行了记录。近来花了好长一段时间学习与复现SVDD的代码，顺便回顾了早年学习的SVM的相关知识。在此处对SVDD算法的一些代码工作进行整理，暂时也打算先把这个事情放一放。以个人理解而言，SVDD算法是一个单类检测算法，为训练集数据找一个最小边界的超球体边界，在实际使用时，发现其有一定的效果。1. lib...

1. 异常值检测和新颖点检测异常值检测和新颖值检测的最大差异在于，异常值检测训练集主要为正常类型样本，但包含异常值数据（不均衡），但是新颖值检测中，训练集仅为正常样本。outlier detection和novelty detection这两个概念。对于前者即异常检测，训练样本中含有异常样本，根据需要通过阈值nu来设定异常比例；而对于后者，训练样本中一般不含有异常样本，即通过训练正常样本...

章节目录 介绍 网络结构 设计选择 实验 代码 01 ...

前言深度学习的兴起使卷积神经网络在计算机视觉方面大放异彩，本文将按时间和创新点顺序介绍一系列网络结构：LeNet、AlexNet、VGGNet、InceptionNet 与 ResNet。网络上大部分文章都只是草草讲述，本文小波仔仔细梳理，从问题的背景，网络结构，为什么设计这样的结构，参数数量各方面详细讲述CNN的进化之路。LeNetLeNet 是...