weixin_44715384的博客

计算机视觉-目标检测1. 实习代码：import cv2import numpy as npimport matplotlib.pyplot as pltimport os'''定义参数'''def get_svm_detector(svm): sv = svm.getSupportVectors() rho, _, _ = svm.getDecisionFunction(0) sv = np.transpose(sv) return np.appe

深度学习之paddle之卷积神经网络定义，自定义数据集文章目录深度学习之paddle之卷积神经网络定义，自定义数据集1. 定义卷积神经网络：2. 自定义数据集：3. 网络训练：4. VOC数据集生成：1. 定义卷积神经网络：'''定义卷积神经网络模型'''import paddle.nn as nnclass LeNet(nn.Layer): """ 继承paddle.nn.Layer定义网络结构 """ def __init__(self, num_cla

深度学习之卷积神经网络1. 卷积操作代码：代码1：使用2D卷积实现3D卷积（输出数据的尺寸和输入数据一样）import numpy as npdef conv2D(input_2Ddata, kern): (h,w) = input_2Ddata.shape # 输入数据的高度和宽度 (kern_h,kern_w) = kern.shape # 卷积核的高度和宽度 padding_h = (kern_h-1)//2 padding_w = (kern_w-1)//

深度学习之线性模型与神经网络文章目录深度学习之线性模型与神经网络1. 非线性激活函数2. 多层结构3. 代码实现3.1 线性模型3.2 神经网络3.3 代码：线性模型+模型训练（参数调整，得到最优模型）神经网络是对线性模型的升级，使之能对线性不可分的数据集达到好的分类效果。在线性模型中，利用矩阵乘法得到由图像像素到分值向量的映射，图像的像素被拉伸成一个输入行向量，参数是矩阵，输出是分值向量，其维数是类别的数量。相比于线性模型，神经网络的核心是引入非线性激活函数和多层结构。1. 非线性激活函数

深度学习之softmax损失函数归一化向量的每个元素均大于0小于1,且和为1 ，所以可以将其看作归属各个类别的概率。损失函数可以看作真实类别的负对数概率，希望其越小。import numpy as npD=784K=10N=128#scores是分值矩阵，每行代表一个样本scores=np.random.randn(N,K)print(scores.shape)#样本标签y = np.random.randint(K,size=N)print(y.shape)#指数化分值矩

深度神经网络(DNN)参考网址DNN的基本结构神经网络是基于感知机的扩展，而DNN可以理解为有很多隐藏层的神经网络。多层神经网络和深度神经网络DNN其实也是指的一个东西，DNN有时也叫做多层感知机（Multi-Layer perceptron,MLP）。从DNN按不同层的位置划分，DNN内部的神经网络层可以分为三类，输入层，隐藏层和输出层,如下图示例，一般来说第一层是输入层，最后一层是输出层，而中间的层数都是隐藏层。层与层之间是全连接的，也就是说，第i层的任意一个神经元一定与第i+1层的任意一个神

文章目录python 之 Numpy一、基本数据结构 ndarray1. 矩阵表示：使用Numpy，易得到二维矩阵2.作为ndarray对象里的数据有时并不是所需要的，那么可以使用ndarray对象的astype() 方法转为指定的数据类型二、ndarray相关操作：1.索引切片2.切分3.重构4.拼接5.转置、翻转6.对位运算三、结构化的数据四、内置操作函数1.数学函数2.运算函数五、线性代数模块linalg六、随机模块random七、常见分布的产生方式1.产生二项分布图练习2.模拟实验参考文献：pyt

深度学习之分类器from sklearn import datasets, linear_modelfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import accuracy_scorefrom sklearn.model_selection import cross_val_scorefrom sklearn.metrics import confusion_matrixfrom sklear

今日份python学习之循环1.猜数游戏#猜数游戏import randomanswer=random.randint(1,100)counter=0while True: counter+=1 number=int(input('请输入：')) if number<answer: print("您输入的数太小了") elif number>answer: print("您输入的数太大了") else:

#Numpy索引取值data=np.empty((2,4),dtype=int)print(data)'''[[4128860 6029375 3801157 7340124] [7602297 7274600 3342446 54]] '''#取行print('取第一行结果')print(data[0]) #[4128860 6029375 3801157 7340124] 默认data【0】拿到的是数组第一行的值'''取第一行结果[4128860 60

今日份python学习之循环分支例子示例一：寻找水仙花数说明：水仙花数也被称为超完全数字不变数、自恋数、自幂数、阿姆斯特朗数，它是一个3位数，该数字每个位上数字的立方之和正好等于它本身。下面代码中寻找从100到1000的水仙花数并输出。for num in range(100, 1000): low = num % 10 # 对10取余 得到个位 分 mid = num // 10 % 10 # x//y x和y的整数商 分 high = num // 100 i