- 博客(26)
- 收藏
- 关注
RSS订阅原创 torch.autograd.grad()函数使用
torch.autograd.grad()函数使用import torch# x = torch.FloatTensor([[0,1,2,3],[1,2,3,4],[2,3,4,5]]).requires_grad_(True)# print(x)x = torch.tensor([[0.,1.,2.,3.],[1.,2.,3.,4.],[2.,3.,4.,5.]]).requires_grad_(True)# print(x)'''tensor([[0., 1., 2., 3.],
2021-04-06 15:36:39
2146
1
原创 paddle中nll_loss()与CrossEntropyLoss()损失函数区别
paddle中nll_loss()与CrossEntropyLoss()损失函数区别首先先交代结论：nll_loss()与CrossEntropyLoss()损失函数计算的关系为CrossEntropyLoss()等于对输入数据先做softmax，再做log处理，再加nll_loss()操作。1.NLLLoss 的输入是一个对数概率向量和一个目标标签，它不会为我们计算对数概率.，适合网络的最后一层是log_softmax损失函数，有时候调用预训练模型修改网络最后的全连接层的时候会把最后一层的输出改变，这
2021-04-05 21:37:31
1728
原创 PaddlePadddle2.0蝴蝶分类项目验证集结果比对
PaddlePadddle2.0蝴蝶分类项目验证集结果比对之前的项目分别在Paddle2.0下用Resnet101和VGG16网络实现了蝴蝶分类任务，并且根据训练好的模型生成了含有200张图片验证集的标签文件，现在想做的是将生成的txt文件和标准答案的标签文件进行比对，查看模型对于验证集的预测效果，并将预测准确率通过百分比形式返回。之前项目链接为：VGG16实现蝴蝶分类：https://blog.youkuaiyun.com/weixin_43848436/article/details/115051394R
2021-03-25 14:12:41
640
4
原创 git bash使用
git bash使用应用的需求是我想复现一篇论文代码，下载之后复现的配置命令是linux命令，我是windows的系统，想要执行这些命令需要在windows系统下有一个能运行linux语句的终端，查找了不同的方法，发现最方便的是这个git中的git bash插件。一路傻瓜式安装即可。安装好之后在你想进入的文件夹下鼠标右键有一个Git Bash Here点击就通过终端进入到该目录下。比如：然后就可以在终端下进行linux的命令了，下面的例子为解压文件夹操作：...
2021-03-23 22:15:53
231
原创 飞桨环境下使用notebook的常用命令
飞桨环境下使用notebook的常用命令1、安装需要但是当前环境下没有的package!pip install jupyterthemes2、查看当前环境中安装的package!pip list --format=columns3、持久化安装，不用每次重启项目后重新安装库首先创建external-libraries文件夹，然后再次文件夹后安装package!mkdir /home/aistudio/external-libraries!pip install beautifulsoup4
2021-03-21 18:14:11
883
原创 PaddlePaddle2.0搭建VGG-16模型实现蝴蝶分类
PaddlePaddle2.0利用VGG-16预训练模型实现蝴蝶分类本项目是百度AI Studio上图像分类课程的一个内容，之前使用ResNet101网络完成，现在用VGG-16网络实现同样的任务。数据集可以在AI Studio上搜索Butterfly20下载，如果下载不到，可用下面网盘链接。Butterfly20数据集下载链接：链接：https://pan.baidu.com/s/19Fqsg_rUAQi9nvf3vLhI9w提取码：qdkx这次使用其他网络完成同一任务，所以程序大体变化不大，数
2021-03-21 17:00:36
2722
3
原创 PaddlePaddle2.0利用ResNet101预训练模型实现蝴蝶分类
PaddlePaddle2.0利用ResNet101预训练模型实现蝴蝶分类该项目来自于AI Studio上的公开项目，这里记录我的学习笔记，把一些细节的地方具体说明一下，并且提供完整的程序代码和分步说明，供大家本地PaddlePaddle2.0环境或者AI Studio上面复现。用到的数据集来自AI Studio中公开的数据集，但是不知道为什么找不到那个数据集项目了，所以就提供我下载好的数据集的网盘链接：链接：https://pan.baidu.com/s/19Fqsg_rUAQi9nvf3vLhI9
2021-03-11 20:34:31
2932
原创 PaddlePaddle2.0构建LeNet-5模型进行MNIST手写数字分类
PaddlePaddle2.0构建LeNet-5模型进行MNIST手写数字分类一、完整代码import paddleimport paddle.nn.functional as Ffrom paddle.vision.transforms import Compose, Normalizetransform = Compose([Normalize(mean=[127.5], std=[127.5],
2021-03-06 16:55:20
786
原创 深度学习实践(2)---波士顿房价预测paddle实现
深度学习实践(2)—波士顿房价预测paddle实现程序实现步骤：数据处理、模型设计、训练配置、训练过程、模型保存、预测功能# 1.导入相关库# 加载飞桨、Numpy和相关类库import paddlefrom paddle.nn import Linearimport paddle.nn.functional as Fimport numpy as npimport osimport random# 2.数据处理def load_data(): # 从文件导入数据 d
2021-02-26 17:30:17
526
原创 2021-01-12
机器学习（3）基于近邻的协同过滤算法一、基于近邻用户的协同过滤基于近邻用户的协同过滤算法（简称UserCF）：给用户 A 推荐和他有着相似观影兴趣的用户 B 喜欢观看的电影。如图所示：基于近邻用户的协同过滤算法，第一个要理解的点是近邻用户，也就是兴趣相似的用户；第二个要理解的点是协同过滤算法到底指的是什么？所谓的协同过滤，其实指的是一类算法的称呼：根据用户的行为数据给用户产生推荐结果的一类算法。...
2021-01-13 19:23:42
115
原创 机器学习（2）K近邻算法原理及基于KNN的电影题材分类
机器学习（2）K近邻算法原理及基于KNN的电影题材分类一、K近邻（k-nearest neighbors，简称KNN）算法K 近邻是监督学习中比较简单的一种算法，它既可以解决分类问题，也可以解决回归问题。具体到分类问题中，y 值就是样本类别的取值，一般采用多数表决的原则来对测试样本的类别进行预测。根据涂色样本点和未涂色样本点 X 的距离给涂色样本点编号1-6，即：1号样本点距离X最近，其余次之。那么样本点 X 应该属于哪种颜色呢？是蓝色还是绿色？我们可以根据 X 的相邻样本点来判定。例如，和 X 距
2021-01-12 15:22:53
2656
原创 机器学习（1）基本概念及线性回归预测波士顿房价
机器学习（1）基本概念一、相关知识1.最小化误差函数。这里的误差函数在机器学习中的术语叫做经验风险或结构风险 。至于如何最小化，这又是一个知识点了，涉及到最优化算法。2.机器学习本质上是数据驱动下的学习，而人类学习是靠过往的经验去学习。3.深度学习是机器学习现在比较火的一个方向，其本身是神经网络算法的衍生，在图像、语音等富媒体的分类和识别上取得了非常好的效果。...
2021-01-12 14:23:01
215
原创 python进阶语法（一）迭代器、range、zip、enumerate内置函数、列表推导
一.迭代器用for循环的方式遍历列表：L = [1,2,3,4] # 定义列表for x in L: print(x,end="") # end=""表示让结果在一行输出 # 输出结果为：1234另一种方式，迭代的方式遍历列表L = [1,2,3,4] # 定义列表I = iter(L)print(I.__next__())print(I.__next__())print(I.__next__())print(I.__next__())# 注意，如果再有一个pr
2020-12-25 20:00:50
377
原创 pytorch入门基础（二）肺部感染识别案例-1
pytorch入门基础（二）肺部感染识别案例-1本实验用到的数据集链接：https://pan.baidu.com/s/1tsDeOz53lzTJwd-o1SBuCA提取码：gp9w在安装库的时候如何用清华源pip下载：比如：pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple，在指令后面加上镜像网址即可。数据集内容：包含训练集，测试集，验证集，前面代表正常肺部图片，后面代表感染肺部图片。一.实验流程加载预训练模型Re
2020-12-24 17:31:44
1618
1
原创 pytorch入门基础（一）背景和tensor用法
pytorch入门基础（一）背景和tensor用法一.背景人工智能、机器学习、神经网络、深度学习之间的关系为：其中机器学习又细分为：一些常用的深度学习框架：二.pytorch及tensor1.pytorch：pytorch是一个开源的python机器学习库，基于torch，用于自然语言处理，计算机视觉等应用程序。它的好处在于它是相当简洁且高效快速的框架，入门简单；可以在运行时构建计算图，甚至在运行时更改他们；多gpu支持，自定义数据加载器和简化的预处理器。2.tensor：tenso
2020-12-24 15:53:20
292
原创 opencv入门基础（十）基于dlib进行人脸识别
opencv入门基础（十）基于dlib进行人脸识别一.基础知识dlib提供的高精度人脸识别算法是基于深度学习网络ResNet-34实现的，该网络基于300多万张照片进行训练，最终获得了人脸检测模型。安装库的步骤顺序：cmake，boost，dlib（建议用.whl文件进行安装），face_recognition，以上进入到虚拟环境地址中用pip install xxx指令下载即可。算法简介：网络ResNet-34最终输出一个128D的描述子网络ResNet-34训练过程的核心步骤：Triple
2020-12-22 20:01:40
1092
2
原创 opencv入门基础（九）基于dlib进行人脸、特定物体追踪
opencv入门基础（九）基于dlib进行人脸、特定物体追踪一.人脸追踪# 1 加入库import cv2import dlib# 2 主函数def main(): # 3 打开摄像头 capture = cv2.VideoCapture(0) # 4 基于dlib库获取人脸检测器 detector = dlib.get_frontal_face_detector() # 5 基于dlib库实时跟踪 tractor = dlib.correlati
2020-12-22 15:31:03
664
原创 opencv入门基础（八）基于dlib进行人脸关键点检测
opencv入门基础（八）基于dlib进行人脸关键点检测一.基础知识1.dlib.get_frontal_face_detector()获取人脸检测器2.dlib.shape_predictor()预测人脸关键点
2020-12-22 11:32:00
927
原创 opencv入门基础（七）基于dlib进行本地图片、实时人脸检测
opencv入门基础（七）基于dlib进行实时人脸检测一.背景知识1.Dlib是一个深度学习开源工具，基于C++开发，也支持Python开发接口。2.由于Dlib对于人脸特征提取效果很好，有很多训练好的人脸特征提取模型供开发者使用，所以Dlib人脸识别开发很适合做人脸识别项目开发。二.HOG算法HOG(Histogram of Oriented Gradient）方向梯度直方图1.HOG是一种特征描述子，通常用于从图像数据中提取特征。它广泛应用于计算机视觉人物的物体检测。2.特征描述子的作用：
2020-12-21 22:07:14
709
1
原创 opencv入门基础（六）基于Haar级联的人脸检测
opencv入门基础（六）基于Haar级联的人脸检测一.Haar Cascade哈尔级联核心原理：使用Haar-like特征做检测Integral Image积分图加速特征计算AdaBoost选择关键特征，进行人脸和非人脸分类Cascade级联，弱分类器成为强分类器论文：Rapid Object Detection using a Boosted Cascade of Simple Features二.本地图片检测具体过程1.下载库文件2.解压下载好的库文件，在data—haarca
2020-12-20 15:10:29
891
1
原创 opencv入门基础（五）基本图形绘制、文字标注
opencv入门基础（五）基本图形绘制、文字标注一.基本绘图函数用opencv自带函数绘制直线，矩形，圆形，折线的程序示例及结果如下：import cv2import matplotlib.pyplot as pltimport numpy as np# 定义颜色，字典形式colors = {'blue':(255,0,0), 'green':(0,255,0), 'red':(0,0,255), 'yellow':(0,255,25
2020-12-19 20:58:34
335
1
原创 opencv入门基础（四）灰度，彩色直方图
opencv入门基础（四）灰度，彩色直方图一.基本概念定义：直方图是图像中像素强度分布的图形表达方式。特征：直方图不再表征任何的图像纹理信息，而是对图像像素的统计。由于同一物体无论是旋转还 是平移在图像中都具有相同的灰度值，因此直方图具有平移不变性、缩放不变性等优点。关键函数：cv2.calcHist(images,channels,mask,histSize,ranges[hist[,accumulate]])images：整型类型（uint8和float32）的原图（list
2020-12-19 18:11:27
452
2
原创 opencv入门基础（三）图像变换
opencv入门基础（三）图像变换一.cv中按照RGB颜色通道显示cv中读取一张图片是按照BGR的三通道信息显示图片的，这与我们正常看到的图片不同，可以先转化为RGB顺序。import cv2import matplotlib.pyplot as pltimg = cv2.imread("BIT.jpg")b,g,r = cv2.split(img)img_new = cv2.merge([r,g,b])plt.subplot(121)plt.imshow(img)plt.subplot
2020-12-17 15:41:24
277
原创 opencv入门基础（二）视频的基本操作
opencv入门基础（二）视频的基本操作一.从摄像头读取视频从电脑自带摄像头获取视频并将其转化为灰度视频一同输出。import cv2import argparse# 获取参数parser = argparse.ArgumentParser()# 添加参数parser.add_argument("index_camera",help="the camera",type=int)# 解析参数args = parser.parse_args()print("the camera index
2020-12-17 10:14:36
264
原创 opencv入门基础（一）图像的基本操作
opencv入门基础（一）图像的基本操作一.图像基本操作语句基本语句：1.读取图片: cv2.imread(“图片地址”)2.获取图片的形状: img.shape，返回一个(rows，heights，channaels)3.获取图片的大小: img.size，返回rows * heights * channels的值4.显示图片: cv2.imshow(“标题”，图片名称)5.等待: cv2.waitKey(0)6.关闭: cv2.destoryAllWindows()import cv2
2020-12-16 21:10:30
392
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人