- 博客(43)
- 资源 (11)
- 收藏
- 关注
RSS订阅
原创 关于Python数据分析基础教程：NumPy学习指南（第2版）的numpy学习心得
数组的拆分,合并. c d a dsplit(a,2) (3, 3, 1) (3, 3, 1) (3, 3, 2) array([[[0], a...
2018-08-23 20:48:30
1490
原创 深度学习损失函数 分类损失回归损失
损失函数是用于衡量模型所作出的预测离真实值（Ground Truth）之间的偏离程度。通常，我们都会最小化目标函数，最常用的算法便是“梯度下降法”（Gradient Descent）。损失函数大致可分为两种：回归损失（针对连续型变量）和分类损失（针对离散型变量）。一、回归损失（Regression Loss）L1 Loss（绝对值损失函数）也称为Mean Absolute Error，即平均绝对误差（MAE），它衡量的是预测值与真实值之间距离的平均误差幅度，作用范围为0到正无穷。优点： 对离群点（Out
2022-06-22 21:10:46
6177
1
原创 tmux的简单使用
Tmux 是一个终端复用器（terminal multiplexer），非常有用，属于常用的开发工具。本文介绍如何使用 Tmux。tmux 的使用#创建会话tmux new -s name#分离会话tmux detach查看当前所有的 Tmux 会话。tmux ls命令用于重新接入某个已存在的会话。tmux attach -t name杀死会话tmux kill-session -t name切换会话tmux switch -t name...
2021-07-24 13:35:07
502
2
原创 xshell经常断开的解决方法
客户端的配置Keep Alive修改。我的xshell的Keep Alive的默认Interval是60秒，即每隔60秒，客户端就要向服务器发送一次包，得到服务器的确认后，连接保持。可以修改为20，即缩短Interval。
2021-07-23 14:41:10
1703
原创 latex怎么画三线表
$$\begin{aligned}&\begin{array}{ccc}\hline {\text{Algoritme 1. k-means-SMOTE}}\\hline \text { Original } & 500 & 268 \\text { SMOTE } & 500 & 500 \\text { K-means-SMOTE } & 500 & 500 \\hline\end{array}\end{aligned}$$
2021-06-19 09:16:17
773
原创 pytorch梯度返回none的bug
pytorch1.4.0如果使用了view方法,reshape方法,tensor即使设置了requires_grad,反向传播之后, x返回没有grad梯度,为none不知道其他版本有无此bug
2021-05-05 14:52:05
1519
1
原创 前向传播与反向传播
前向传播: 就是搭建模型的计算过程，让模型具有推理能力，可以针对一组输入给出相应的输出反向传播：就是训练模型参数，在所有参数上用梯度下降，使 NN 模型在训练数据上的损失函数最小...
2021-02-05 16:50:24
225
转载 单样本学习
单样本学习Zero-shot learning 指的是我们之前没有这个类别的训练样本。但是我们可以学习到一个映射X->Y。如果这个映射足够好的话，我们就可以处理没有看到的类了。 比如，我们在训练时没有看见过狮子的图像，但是我们可以用这个映射得到狮子的特征。一个好的狮子特征，可能就和猫，老虎等等比较接近，和汽车，飞机比较远离。One-shot learning 指的是我们在训练样本很少，甚至只有一个的情况下，依旧能做预测。如何做到呢？可以在一个大数据集上学到general knowledge（具体
2021-01-15 10:52:11
1019
原创 pandas 读取文本时,使用engine=python和c时间差了1倍
pandas 读取文本时,使用engine=python和c时间差了1倍尽量使用engine=c而不是python,5g的文本,c很快读出来了,python用了超过1小时
2019-06-19 09:54:43
4517
转载 目标检测R-CNN、Fast R-CNN、Faster R-CNN
R-CNN、Fast R-CNN、Faster R-CNNobject detection我的理解，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。object detection要解决的问题就是物体在哪里，是什么这整个流程的问题。然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，更何况物体还可以是多个类别。obje...
2019-05-14 15:14:27
176
原创 加载cifar_10数据集
import os import pickleimport numpy as np def load_CIFAR10(ROOT): """ load all of cifar """ xs = [] ys = [] for b in range(1,6): f = os.path.join(ROOT, 'data_batch_%d' % (b, )) X, ...
2019-05-05 14:22:54
1863
原创 jupyter中添加conda环境
jupyter中添加conda环境实际上是由于在虚拟环境下缺少kernel.json文件，解决方法如下：首先安装ipykernel：conda install ipykernel在虚拟环境下创建kernel文件：conda install -n 环境名称 ipykernel激活conda环境： source activate 环境名称将环境写入notebook的kernel中pytho...
2019-04-22 11:28:34
351
原创 全色和多光谱融合pansharpen的尝试
一个1波段全色地理tiff图像文件的文件名(.tif扩展)。一个3或4波段的多光谱geotiff图像文件(RGB，近红外波段，按此顺序排列)。使用GDAL工具将多光谱Geotiff图像文件重采样到相同的更高维度作为全色图像的地理tiff文件采用双三次插值。这个文件被写到磁盘上。然后，对重采样的多光谱和全色geotiff切片成块(使用gdal_retile.py)。为每一对，更小的泛锐...
2019-04-15 09:22:41
4910
2
原创 gdal2tiles遇到的问题
切出来的瓦片y编号不对,折磨了1个星期,终于找到了解决办法,因为gdal2tiles默认采用的是tms标准,而google和mapbox采用的是另一套标准,y需要进行转化.gdal2tiles.py是一个gdal的扩展插件，运用gdal的数据接入口，将栅格图片切成小瓦片和元数据，遵循OSGeo TMS标准。让你自己的数据在openlayers和googlemap，方便你展示空间数据。瓦片编号为...
2019-04-11 16:32:53
2547
6
原创 python找不到自己写的包怎么办
在site-package下添加.pth文件（如果是两套python，就需要添加两个位置）在D:\Program Files\Python\Lib\site-packages 添加.pth文件，文件名为模块名称（即auto_XXX），文件内容为模块所在目录。（python添加自定义的包也是这个方法）完成文件的添加之后，再次使用python XXX.py 执行成功。即使在其他盘符下执行，也成功...
2019-03-27 11:01:47
3140
原创 图像小结连载
from PIL import Image图像的缩放读取图像im = Image.open(“lenna.jpg”)原图像缩放为128x128im_resized = im.resize((128, 128))图像的旋转指定逆时针旋转的角度im_rotate = im.rotate(45)图像的翻转直接在入参中指定变换方式即可，不仅支持上下、左右翻转；也支持逆时针9...
2019-03-17 22:49:41
119
原创 过拟合问题
过拟合(over-fitting)的问题，会导致我们回归效果很差。使用正则化(regularization)的技术，提升效果。如何处理过拟合问题？丢弃一些不能帮助我们正确预测的特征。可以是手工选择保留哪些特征，或者使用一些模型选择的算法来帮忙（例如 PCA）正则化。 保留所有的特征，但是减少参数的大小（magnitude）啊，过完年了，重新开始学习，今天就到这里吧。。。...
2019-02-17 22:05:18
126
原创 ml100days-serialize-6 线性代数回顾(Linear Algebra Review)
2019/Jan/19/Sat 23:00:02’机器学习100天——第6天：线性代数回顾(Linear Algebra Review)矩阵乘法：
2019-01-19 23:16:07
184
原创 ml100days-serialize-5
‘2019/Jan/18/Fri 17:48:26’机器学习100天——第5天：梯度下降(Gradient descent)求最优解的一个过程梯度下降是一个用来求函数最小值的算法，我们将使用梯度下降算法来求出代价函数
2019-01-18 18:58:20
117
原创 ml100days-serialize-4
‘2019/Jan/17/Thu 09:27:49’机器学习100天——第4天：逻辑回归（Linear Regression）第1步：数据预处理导入库import numpy as npimport matplotlib.pyplot as pltimport pandas as pd导入数据集这里获取数据集dataset = pd.read_csv('../dataset...
2019-01-17 19:00:41
155
原创 ml100days-serialize-3
‘2019/Jan/16/Wed 11:24:34’机器学习100天——第3天：多元线性回归（Multiple Linear Regression）第1步：数据预处理导入库import pandas as pdimport numpy as np导入数据集dataset = pd.read_csv('../datasets/50_Startups.csv')X = datas...
2019-01-16 14:30:15
122
原创 ml100days-serialize-2
‘2019/Jan/15/Tue 09:24:50’机器学习100天——第二天：简单线性回归第一步：数据预处理import pandas as pdimport numpy as npimport matplotlib.pyplot as pltdatasets = pd.read_csv("…/datasets/studentscores.csv")datasets.head(...
2019-01-15 09:45:59
133
原创 ml100days-serialize-1
‘2019/Jan/14/Mon 11:24:29’In [3]:import time;time.strftime("%Y/%b/%d/%a %X")Out[3]:'2019/Jan/14/Mon 16:41:12'第一步: 导入库In [4]:import numpy as npimport pandas as pd第二步：导入数据集数据集通常是.csv格式。CSV...
2019-01-14 18:32:08
134
原创 time.strftime()方法
Python time strftime()方法描述Python time strftime() 函数接收以时间元组，并返回以可读字符串表示的当地时间，格式由参数format决定。语法strftime()方法语法：time.strftime(format[, t])参数format – 格式字符串。t – 可选的参数t是一个struct_time对象。返回值返回以可读字符串表...
2019-01-14 11:16:30
1350
原创 图像语义分割的理解(基于FCN和U-net)(全卷积网络与cnn的区别)
参考:https://blog.csdn.net/sinat_24143931/article/details/78696442FCN是深度学习应用在图像分割的代表作, 是一种端到端(end to end)的图像分割方法, 让网络做像素级别的预测直接得出掩模图(或者说label map)FCN对图像进行像素级的分类，从而解决了语义级别的图像分割（semantic segmentation）问...
2019-01-08 16:56:10
7113
转载 markdownpad注册码
我也是复制来的哈哈邮箱：[email protected]授权秘钥：GBPduHjWfJU1mZqcPM3BikjYKF6xKhlKIys3i1MU2eJHqWGImDHzWdD6xhMNLGVpbP2M5SN6bnxn2kSE8qHqNY5QaaRxmO3YSMHxlv2EYpjdwLcPwfeTG7kUdnhKE0vVy4RidP6Y2wZ0q74f47fzsZo45JE2hfQBFi2O...
2018-12-18 14:44:21
141
原创 python数据结构和算法,八大排序算法,二叉树的实现
一些总结.时间复杂度O我们关注最坏时间复杂度1.基本操作,O(1) 2.顺序结构,加法 3.循环结构,乘法 4.分支结构,取最大 5.忽略次要项 O(1)Python中的顺序表Python中的list和tuple两种类型采用了顺序表的实现技术，具有前面讨论的顺序表的所有性质。tuple是不可变类型，即不变的顺序表，因此不支持改变其内部状态的任何操作，而其他方面...
2018-08-28 09:36:22
1698
原创 快速理解numpy的数组拆分，合并，深度合并，深度拆分
原创： a是一个（3，3，2）的数组 深度拆分赋值给c（3，3，1），d（3，3，1） dsplit c，d水平合并为（3，6，1） hstack c，d垂直合并为（6，3，1） vstack c，d深度合并为（3，3，2）即重新恢复为a dstack 是不是一下就明白了呢？数组的拆分,合并.c ...
2018-08-23 21:13:42
3018
1
转载 Xadmin-Xadmin的安装与配置(Django2.0+python3.6)
原 Xadmin-Xadmin的安装与配置(Django2.0+python3.6) ...
2018-08-23 21:00:52
659
转载 matplotlib使用python数据可视化
数组的拆分,合并. c d a dsplit(a,2) (3, 3, 1) (3, 3, 1) (3, 3, 2) array([[[0], a...
2018-08-23 20:53:48
283
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人