小白一只an-CSDN博客

原创 How to (quickly) build a deep learning image dataset如何建立自己的数据集

如何建立自己的数据集，也是应该掌握的，贴上论文地址1.申请bing的图片搜索API密钥，有API的说明文档可以看一下，如果想知道API是如何工作的或者怎样使用API。2.首先要安装python3.5 -m pip install --upgrade request包，能够方便提出HTTP请求。3.开始编写python来下载想要的图片。同样使用了命令行来对名称和要保存的位置进行设置，也可...

2018-07-04 17:40:35 1015

原创 Keras and Convolutional Neural Networks (CNNs)神奇宝贝分类

先下好资源及源代码，贴上论文地址五类神奇宝贝样本在230左右，素材多样，包括卡通形象卡片玩具等。工程的结构：1.数据集包含五类。2.有6个检测图片来检测。3.包含smallerVGGNet模型类。还有其他文件，plot就是打出来的损失和准确率函数，lb.pickle是索引用的（不知），pokedex.model是模型文件用于存放各参数，train是训练程序，classify是测试程序。...

2018-06-19 19:44:48 743

原创 Someting need to think

1.引用和指针2.静态，实用性。3.为什么我要把时间花在写专利这种无用的东西上面，写完也不一定会发，我觉得把导师安排的工作做了就好了，其他一切不是硬性要求的东西不必费心完成，在其位谋其职，你的付出应当对等你的回报。论文这个是一定要写出来的，催也得催出来！！4.adbwifi连接这个是个好东西，无线调试手机5.debug：F10单步调试，F10当前代码所调用的方法，如果没有则进行下一...

2018-06-13 19:12:15 268

原创 TensorFlow官方文档中文翻译学习

原文地址1.Tensorflow依赖于一个高效的C++后端来进行计算。与后端的这个连接叫做session。一般而言，使用TensorFlow程序的流程是先创建一个图，然后在session中启动它。2.一个变量代表着TensorFlow计算图中的一个值，能够在计算过程中使用，甚至进行修改。在机器学习的应用过程中，模型参数一般用Variable来表示。W = tf.Variable...

2018-05-27 20:35:02 858

1.TensorFlow是采用数据流图（data　flow　graphs）来计算, 所以首先我们得创建一个数据流流图, 然后再将我们的数据（数据以张量(tensor)的形式存在）放在数据流图中计算. 节点（Nodes）在图中表示数学操作,图中的线（edges）则表示在节点间相互联系的多维数据数组, 即张量（tensor). 训练模型时tensor会不断的从数据流图中的一个节点flow到另一节点, ...

2018-05-11 09:33:18 308

原创 tensorflow官方例程mnist测试集遇到的问题

按照官方给出的例程一步步跑，前面都没有错，直到跑整个测试集时，程序跑死，后来发现可能是GPU内存不足，可以分批进行测试。再跑程序是可以吧for i in range(100)改小一点，快速跑完，看测试能不能出。以下是TensorSense博主的代码，原文地址accuracy_sum = tf.reduce_sum(tf.cast(correct_prediction, tf.float32...

2018-05-09 21:53:23 1063

原创 coursera上tensorflow教程

记住 placeholder就是开辟一个空间，在运行session的时候赋值。有文档的哦1. Writing and running programs in TensorFlow has the following steps:Create Tensors (variables) that are not yet executed/evaluated. Write operations ...

2018-03-20 21:58:28 604

原创 Numpy高级学习笔记

https://www.machinelearningplus.com/numpy-tutorial-python-part2/1.根据条件找到数组中元素位置np.where（array+条件），再根据该位置取本身或其他数组对应位置的元素array.take：index1=np.where(counts>2)print(uniqs.take(index1),"has app...

2018-03-20 15:07:41 347

原创 Numpy初级学习笔记

https://www.machinelearningplus.com/numpy-tutorial-part1-array-python-examples/1.list是基本操作单元，array是向量化操作，可以将list转成arry，也可以将array转成listarray1=np.array(list1)list1=arr1d_obj.tolist()print(...

2018-03-20 15:05:28 202

原创 Python 学习

1.中文显示，在file-setting-filEencoding三个都设为utf-8，再在最前面加出现non ASCLL错误就是在前面加#coding:utf-82.PythonCharm进行运行之前要把该脚本放进架构中。然后点击左上+，添加新的python运行文件，可以name，在Script选择要运行的文件，可以每个文件都加一个运行。1.计算一...

2018-03-20 15:05:14 190

原创 Windows7下TensorFlow在Jupter Notebook用Python2.7和3.5 kernel粗略步骤

1.首先Windows环境是有的吧，然后可以进行下一步哦。2.安装好对应系统位数的python2.7/3.5（我建议不要装2.7了，区分很麻烦），官网上下https://www.python.org/downloads/windows/，安装程序executable install，相信你能做好，添加环境变量什么的网上搜搜。3.检查一下自己的python2.7和3.5都能用不能，运行-cm...

2018-03-20 15:04:20 734

原创 coursera Machine Learning 第十一周测验quiz答案解析Application: Photo OCR

1.选择：C解析：1000*1000大小，每次移动步长2像素，所以总共是500*500=250000次滑动，两个就是500000次滑动。2.选择：C解析：小学数学应用题。1000个数据要41小时，再乘10，就是400美元大概。3.选择：AD解析：AD就是上限分析的作用所在，B是学习曲线的作用，C是人工合成数据的作用。4.选择：A解析：为了得到更...

2018-01-13 15:46:20 4559

原创 coursera Machine Learning 第十周测验quiz答案解析Large Scale Machine Learning

1.选择：D解析：由于代价函数上升了，所以应该减少学习速率，选择D2.选择：BC解析：A并不需要代价函数总是减少，可能会降低故错误。B在运行随机梯度下降算法前最好将样本打乱随机化，正确。C也就随机的优点正确。D并行可不是随机的优点，是映射约减的优点，故错误。3.选择：CD解析：A并不一定需要大量的存储空间，如果有连续的大量的数据就不用存储所有数据，故错误。B在线学习...

2018-01-12 17:30:44 6837

原创 Coursera Machine Learning 第九周week9ex8AnomalyDetectionRecommedMachines编程全套满分题目+注释

资源地址：http://download.csdn.net/download/sinat_39805237/10195767机器学习课最后一次编程题，如果觉得有用，点个硬币点个赞，没有接触到任何官方答案，自己摸索，欢迎交流。如果对你有所帮助，谢谢您的鼓励^_^红包还不收？...

2018-01-09 10:52:10 691

原创 coursera Machine Learning 第九周测验quiz2答案解析 Recommender Systems

1.选择：BD解析：A的k没看懂是什么，前面求和积的明明是j，i，故错误。C为什么要减去r，所以错误。2.选择：AD解析：协同过滤最适合做相似度、推荐等情形，但是不能预测销售数量，故除了BC都对3.选择：B解析：应该先进行均值归一化然后再对数据进行处理，故选择B4.选择：AB解析：AB课程讲的，C与B矛盾，在没有同时解决x和...

2018-01-07 20:23:19 5987

原创 coursera Machine Learning 第九周测验quiz1答案解析 Anomaly Detection

1.选择：AB解析：异常值检测分析数据将明显区别于正常值的数据挑选出来，AB符合，CD是分类2.选择：A解析：如果有太多的异常说明大部分正常的也小于sigma，所以要减小sigma使得正常值大于它，故选择A3选择D解析：x1和x2都大于0小于1，而且正常时两者大体相等，有异常情况是大x1小x2，那就是做除才能显示出来，故选择D4.选择AC解析：如

2018-01-01 12:06:26 5510 1

原创 Coursera Machine Learning 第八周week8ex7 K-Means Clustering and PCA编程全套满分题目+注释

资源链接：http://download.csdn.net/download/sinat_39805237/10173975K=16K=36如果对你有所帮助，谢谢您的鼓励^_^红包还不收？

2017-12-26 15:09:53 434

原创 coursera Machine Learning 第八周测验quiz2答案解析 Principal Component Analysis

1.选择AB解析:u（1）的选择应该是使投影距离最短，而向量的方向正负皆可，故选择AB2.选择B解析：k的选择与m无关，肘方法适用于聚类类数的选择。k的选择应该是在满足差异性的情况下，取最小的值。故选择B。3.选择B解析：对照公式选择即可。这里是直接的(式子)4.选择AD解析：A即使输入的特征值都十分接近，也应该进行均值归一化，然后再应用PC

2017-12-23 16:27:08 3645

原创 coursera Machine Learning 第八周测验quiz1答案解析 Unsupervised Learning

1.选择AC解析：K均值算法只能将数据分类开，并不能具体分成哪些类，所以诸如垃圾软件、晴天雨天都是无法分出的，将文章主题划分成几类，还能将网站用户划分几类，故选择AC。2.选择A解析：应该是x(i)与u(i)距离最短的点所以选择A3.选择AD解析：K-means是一种迭代算法，以下两个步骤在其内部循环中重复执行。聚类单元步骤就是c(i)被更新。聚类中心步骤就是

2017-12-22 20:56:24 4106

原创 Coursera Machine Learning 第七周week7ex6Support Vector Machines编程全套满分题目+注释选做

资源链接：http://download.csdn.net/download/sinat_39805237/10164605C=1 高斯和函数结果对数据2进行分类找出最优C和sigma将数据3分类将邮件中的单词经过处理后换成检测库里的对应数字匹配邮件中存在的和检测库里出现与否准确率使用自己的例子如果对你有所帮助，谢谢您的鼓励^_^...

2017-12-19 16:23:06 642

原创冈萨雷斯数字图像处理学习7：图像分割基于区域的分割分水岭

五基于区域的分割1区域生长算法借助种子连接预先设定的性质相似的区域2.区域分裂与聚合将原图作为树根R，选择属性Q，如果不满足Q就对区域进行分割，每次分成四个象限。从R开始，不满足Q就分成4个象限，其中满足Q的不再分割，不满足的继续分成四个象限，直到规定最小的尺寸结束。然后对分割后的进行聚合，当连接区域共同满足Q时，才连接到一起，最终满足分割要求。六分水岭算法

2017-12-17 10:51:28 1933

原创冈萨雷斯数字图像处理学习7：图像分割边缘连接和边界检测和阈值处理

三边缘连接和边界检测通常情况下，检测出的像素并不能完全描述边缘特性，需要紧接连接算法，才能组合成有意义的边缘或区域边界。1局部处理2区域处理按给出的顺序追踪这些点3使用霍夫变换的全局处理通常所说的霍夫线变换和圆变换，将直角坐标系转换到极坐标系下，在极坐标系下相交的直线在直角坐标系系下表示通过一条直线的点。四阈值处理包括全局阈值处理，在整幅图片设定

2017-12-16 11:29:52 4186 1

原创 coursera Machine Learning 第七周测验quiz答案解析 Support Vector Machines

1.选择D解析：SVM欠拟合，原来要调整lambda减少，而C=1/lambda，所以就要调整C增加，减少平方项。2.选择D解析：由于只减少了平方项，所以fi的位置不变，只是整个图像变窄了。3.选择AB解析：使第一项为零，必须保证cost1或者cost0的函数为零，则y=1时看cost1，要使z=thetaTx>=1才能让cost1等于0；同理，y=0时

2017-12-15 21:44:04 5885

原创冈萨雷斯数字图像处理学习7：图像分割点线和边缘的检测

好久没有继续学习数字图像处理的知识了，之前在闷头学吴恩达老师的机器学习课程，感觉还是得补一点专业知识，所以继续拾起冈萨雷斯老师的图像处理，加油加油。至于底下的支付码，您看了博客觉得好，有帮助就随手转个块八毛的，也是对我的很大鼓励；不转也没关系，您学到了知识是您的，对知识的分享交流才会使我们大家共同进步，所以如果有什么错误或者不足之处还请评论区指正，谢谢。——2017.12.14一.图像分割

2017-12-15 11:11:33 2042

原创 coursera Machine Learning 第六周测验quiz2答案解析 Machine Learning System Design

1.0.852.ab错的3.c4.abc5ce

2017-12-14 10:31:54 4291 1

原创 Coursera Machine Learning 第六周编程week6 ex5Regularized Linear Regression and Bias/Variance编程全套满分题目+注释选做

资源链接：http://download.csdn.net/download/sinat_39805237/10157407lambda=0时lambda=1时lambda=100时改变lambda时error的变化最后的选做结果，恕愚钝，半天才解好，望批评指正。

2017-12-13 20:06:25 707

原创 coursera Machine Learning 第六周测验quiz1答案解析 Advice for Applying Machine Learning

1.选择B解析：通过看学习曲线，结合课上所讲就是高方差的表现。2.选择BC解析：题意是做图片分类，结果对测试集效果不好，但是能很好地符合训练集，如何才能改善算法。明显是过拟合的结果，即高方差，所以B减少特征量C增加lambda值惩罚减少权限都能够有效抑制过拟合，故正确。A用验证集代替测试集不会对结果有任何影响；D减少lambda是抑制高偏差的方法。3.选择BC解

2017-12-12 20:43:18 4888

原创 Coursera Machine Learning 第五周编程week5 ex4Neural Networks Learning编程全套满分题目+注释

资源链接：http://download.csdn.net/download/sinat_39805237/10152688正常设置迭代次数和lambda的结果当保证lambda不变，改变迭代次数为150次（在ex4.m中Part8中修改），准确率达到99%当保证迭代次数为50不变时，改变lambda=0.01，准确率可到96%，由于初始化的随机性可能略有偏

2017-12-10 10:27:34 1339

原创 coursera Machine Learning 第五周测验quiz答案解析 Neural Networks: Learning

1.选择A解析：根据公式可排除BCD，博主之前做的一题是有选项a(2)T*delta(3)，这时候看delta=a(L)-y，行向量是样本数，应该不会把样本数消化掉，所以delta在前面。2.选择A解析：3*5=15，所以Theta2从16开始，加上24，后面是还原Theta2的形式4*6矩阵3.选择A解析：将J的函数带进梯度检测函数，theta和epxlo

2017-12-07 21:33:44 4878

原创 Coursera Machine Learning 第四周week4编程 ex3Multi-class Classication and Neural Networks编程全套满分题目+注释

资源链接：http://download.csdn.net/download/sinat_39805237/10148508成绩：分类结果：神经网络预测结果：

2017-12-06 18:31:21 809

原创 coursera Machine Learning 第四周测验quiz答案解析 Neural Networks: Representation

1.选择解析：A.正确。因为是sigmoid函数，只能取0或者1。B.C.两层解决不了XOR问题，至少三层，从课件就可看出。D.

2017-12-04 21:01:59 6250 1

原创 Coursera Machine Learning ex2第三周 week3编程全套满分题目+注释（包括选做optional）

资源链接：http://download.csdn.net/download/sinat_39805237/10141271结果：ex2截图决策边界（decision boundary）ex2结果：改变lambda的值看fitting问题lambda=1lambda=0.0001 underfitting

2017-12-01 19:46:19 1583

原创 Coursera Machine Learning 第二周编程全套满分题目+注释 ex1+ex1_multi（包括选做Optional）

Coursera Machine Learning 第二周ex1+ex1_multi编程全套满分题目+注释下载地址：http://download.csdn.net/download/sinat_39805237/10133682成绩截图ex1截图ex1函数显示ex1_multi不同步长的下降速度比较ex1_multi函数运行结果

2017-11-27 14:36:55 2053 1

转载冈萨雷斯数字图像处理学习5：图像复原和重建2 频率滤波和复原

三.周期性噪声的频域滤波陷波（带阻）滤波器：在指定的中心频率点，阻止该中心频率点邻域的频率，由于傅里叶变换的对称性，陷波器必须以关于原点对称的形式出现，常常为一对或两对出现。

2017-11-22 08:55:53 501

转载冈萨雷斯数字图像处理学习5：图像复原和重建1 噪声单独影响

一.图像复原基本概念目的是：针对质量降低或失真的图像试图恢复其原始的内容或质量。寻找引起图像质量下降的客观因素，有针对地进行“复原”处理。了解线性移不变图像退化模型原图像经过卷积（f*h）加上噪声为退化模型，现在要去掉那个卷积，就得到了f。二.噪声单独干扰下的图像滤波复原

2017-11-22 08:54:46 458

转载冈萨雷斯数字图像处理学习1：绪论

1 数字图像处理的概念一幅图像可与一个二维函数f(x,y)对应，(x,y)表示空间坐标，f(x,y)表示该点图像的强度或灰度，当x，y和幅值f是有限的、离散的数值时，称该图像为数字图像。计算机视觉研究的最高目标是用计算机模拟人类视觉，包括理解和推理并根据视觉输入采取行动等。图像处理到计算机视觉的三个大致阶段划分：处理阶段涉及操作特点

2017-11-22 08:53:52 541

原创 opencv学习:安装与图像载入，融合

本文参照浅墨博文：http://blog.csdn.net/poem_qianmo/article/details/19809337；http://blog.csdn.net/poem_qianmo/article/details/20537737安装安装时按照步骤进行安装，注意编译器的位数。出现错误 1error C1083: 无法打开包括文件: “opencv2/core/co

2017-11-22 08:53:08 557

转载冈萨雷斯数字图像处理学习2：视觉基础

1 视觉感知要素1.人眼的构造1.1 椎状体和杆状体：椎状体主要位于视网膜中间部分，称之为中央凹，且对颜色灵敏度很高。椎体视觉叫做白昼视觉或亮光视觉。杆状体数目更多，分布在视网膜表面。它们没有彩色视觉，在低照明下对图像较敏感，被称为夜视觉或暗视觉。1.2 亮度适应和鉴别实验数据指出，主观亮度（即由人的视觉系统感觉到的亮度）是进入眼睛的光

2017-11-22 08:52:23 1164

原创 M100ubuntu激活测试

1.成为开发者，获取应用ID和key。链接硬件设备。保证ubuntu软件环境正常。2.在下载的onboardSDK文件下创建build，进到build下，cmake ..。然后make djiosdk-flightcontrol-sample（同样可以make其他样例，到bin下查看可以使用的样例）。3.sudo usermod -a -G dialout $USER4.从onboar

2017-11-22 08:42:52 364