- 博客(42)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 Paddle-图像分割从入门到实践
文章目录预习day1：图像分割综述day2: FCN全卷积详解day3:U-Netday4:DeepLabday5:图卷积day6:实例与全景分割day7：课程总结与paddle_seg介绍学习链接预习day1：图像分割综述day2: FCN全卷积详解day3:U-Netday4:DeepLabday5:图卷积day6:实例与全景分割day7：课程总结与paddle_seg介绍这几天学习了图像分割的基础及前沿知识，掌握了如何使用paddle构建FCN以及U-NET以及PS
2020-10-26 12:23:39
538
原创 vmware上网
文章目录虚拟机和无法ping通主机https://www.cnblogs.com/lyangfighting/p/9518726.html参考以上：第四步也可以通过图形界面进行设置（右上角）虚拟机和无法ping通主机win10的宿主机：windows防火墙-高级设置-入站规则-虚拟机监控(回显请求-ICMPv4-In)。把这项给启用了就可以了。如果网络是在公用，则需要去属性-高级 勾选公用...
2020-06-10 21:57:28
215
原创 Vmware时间不一致
文章目录1 安装vmvare tools2 开启时间同步3 运行代码虚拟机与客户机时间不一致（时间同步）https://blog.csdn.net/pojpoj/article/details/909053791 安装vmvare tools2 开启时间同步3 运行代码sudo cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime...
2020-06-10 13:10:59
704
原创 小结8：图像分类案例2，GAN、DCGAN
文章目录图像分类案例2：获取数据集数据增强读取数据定义模型定义训练函数略微调参训练模型测试 提交结果图像分类案例2：kaggle 狗识别获取数据集比赛的网址是https://www.kaggle.com/c/dog-breed-identification 在这项比赛中，我们尝试确定120种不同的狗。该比赛中使用的数据集实际上是著名的ImageNet数据集的子集。我们可以从比赛网址上下载...
2020-02-25 22:40:58
1760
4
原创 小结7：目标检测基础、图像风格迁移、图像分类案例1
文章目录目标检测基础边界框瞄框交并比图像风格迁移图像分类案例1图像增强训练测试目标检测基础边界框包含 x,y,w,h瞄框标检测算法通常会在输入图像中采样大量的区域，然后判断这些区域中是否包含我们感兴趣的目标，并调整区域边缘从而更准确地预测目标的真实边界框（ground-truth bounding box）。不同的模型使用的区域采样方法可能不同。这里我们介绍其中的一种方法：它以每个像素...
2020-02-25 22:25:08
584
原创 小结6：批量归一化和残差网络、凸优化、梯度下降
文章目录批量归一化对输入的标准化（浅层模型）批量归一化（深度模型）残差网络稠密连接DenseNet凸优化梯度下降一维梯度下降多维梯度下降自适应方法随机梯度下降批量归一化对输入的标准化（浅层模型）处理后的任意一个特征在数据集中所有样本上的均值为0、标准差为1。标准化处理输入数据使各个特征的分布相近批量归一化（深度模型）利用小批量上的均值和标准差，不断调整神经网络中间输出，从而使整个神经网...
2020-02-25 22:00:59
191
原创 小结5：卷积神经网络基础、LeNet、卷积神经网络进阶
文章目录卷积神经网络基础二维卷积层padding以及stride对特征图影响stridekernel参数LeNet卷积神经网络进阶AlexNetVGGNiN(network in network)GoogleNet卷积神经网络基础本节我们介绍卷积神经网络的基础概念，主要是卷积层和池化层，并解释填充、步幅、输入通道和输出通道的含义。二维卷积层本节介绍的是最常见的二维卷积层，常用于处理图像数据...
2020-02-19 17:40:17
250
原创 小结3：过拟合欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶
文章目录过拟合、欠拟合及其解决方法过拟合问题（high variance）欠拟合问题（high bias）梯度消失及梯度爆炸循环网络进阶过拟合、欠拟合及其解决方法过拟合问题（high variance）过拟合问题：是指模型太过复杂，对训练数据效果好，而对新样本泛化能力较弱。（训练误差低 验证误差高）产生过拟合的可能原因，可能为其中之一或者都有：模型的复杂度过高。如网络太深，神经网络中...
2020-02-19 16:17:19
341
原创 小结4：机器翻译相关技术、注意力机制
文章目录机器翻译（MT）：1 定义2 Encoder-Decoder3 Seq2Seq4 Beam search机器翻译（MT）：1 定义将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。 主要特征：输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的长度不同。步骤：数据清洗分词建立词典建立mini-batch(记得pad...
2020-02-19 12:38:32
275
原创 小结2：文本预处理、语言模型、循环神经网络基础
文章目录1 文本预处理2 语言模型采样3 循环神经网络基础1 文本预处理文本预处理常见步骤：1 读入文本2 分词3 建立字典，将每个词映射到一个唯一的索引（index）4 将文本从词的序列转换为索引的序列，方便输入模型为了方便模型处理，我们需要将字符串转换为数字。因此我们需要先构建一个字典（vocabulary），将每个词映射到一个唯一的索引编号。语料库，分词等。将词进行向量化...
2020-02-14 16:30:48
163
原创 小结1：线性回归、Softmax与分类器、多层感知机MLP
文章目录1 线性回归定义损失函数2 Softmax分类器定义why损失函数3 多层感知机MLP1 线性回归定义损失函数2 Softmax分类器定义why分类时，经过softmax 可以使其值变为0-1.表明一种概率分布损失函数3 多层感知机MLP核心：利用隐藏层激活函数，增加非线性...
2020-02-14 16:05:32
1188
转载 TCP套接字问题
在服务器端，socket()返回的套接字用于监听（listen）和接受（accept）客户端的连接请求。这个套接字不能用于与客户端之间发送和接收数据。accept()接受一个客户端的连接请求，并返回一个新的套接字。所谓“新的”就是说这个套接字与socket()返回的用于监听和接受客户端的连接请求的套接字不是同一个套接字。与本次接受的客户端的通信是通过在这个新的套接字上发送和接收数据来完成的。再...
2020-01-09 13:02:29
859
1
原创 两数相加
两数相加给出两个 非空 的链表用来表示两个非负的整数。其中，它们各自的位数是按照 逆序 的方式存储的，并且它们的每个节点只能存储 一位 数字。如果，我们将这两个数相加起来，则会返回一个新的链表来表示它们的和。您可以假设除了数字 0 之外，这两个数都不会以 0 开头。示例：https://leetcode-cn.com/problems/add-two-numbers/solution/...
2019-07-23 20:52:59
109
转载 pip的freeze和list命令
转载在：https://blog.csdn.net/vitaminc4/article/details/76576956
2019-06-01 18:59:13
1775
原创 使用服务器上的tensorflow在pycharm中无法加载
ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directoryFailed to load the native TensorFlow runtime.Run->添加LD_LIBRAY_PATH 路径：/usr/local/cuda/lib64...
2019-05-27 21:34:30
538
原创 二分查找实现 C++
二分查找递归实现# include<iostream>using namespace std;int binary_search(int arr[],int low , int high, int key){ """ 通过递归二分查找 查找元素""" for(r>=1){ int mid = low + (high-low)/2; //若元素在中间 if...
2019-05-05 16:38:43
4188
原创 task7:pytorch实现mnist手写字体识别
task7:pytorch实现mnist手写字体识别1 导入库2 定义网络3 定义训练及测试函数4 主程序1 导入库from __future__ import print_functionimport argparse import torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim...
2019-04-18 15:17:32
977
原创 task6:pytorch神经网络优化方法--optim
pytorch优化器 optim各种优化方法介绍一、梯度下降1.1 批梯度下降法(Batch Gradient Descent)1.2 随机梯度下降1.3 小批量梯度下降参考：https://www.leiphone.com/news/201709/c7nM342MTsWgau9f.htmlhttps://www.cnblogs.com/lliuye/p/9451903.html各种优化方...
2019-04-16 16:48:53
1091
原创 task5:Pytorch实现dropout及L1,L2正则化
task5:pytorch实现dropout及L1,L2正则化1 dropout1.1 Drop出现原因1.2 numpy举例2 pytorch实现dropout3 pytorch添加L1及L2正则化3.1 L1及L2介绍3.2 代码1 dropout部分转自：https://blog.csdn.net/program_developer/article/details/807377241...
2019-04-13 15:52:26
17841
3
原创 task4: 多层神经网络--pytorch实现
多层神经网络pytorch实现一、画个图（跟主题无关哈）2 搭建多层神经网络2.1 导入库2.2 读取数据集2.3 搭建多层神经网络2.4 实例化类2.5 定义损失函数及优化器2.6 训练一、画个图（跟主题无关哈）import numpy as npimport matplotlib.pyplot as pltm =200 X =np.random.randn(2,m) #产生2*20...
2019-04-11 17:04:33
3774
2
原创 task3-pytorch实现逻辑回归
pytorch实现逻辑回归一 、逻辑回归简单介绍1.1 逻辑回归原理1.2 损失函数2.1 导入相关库2.2 导入数据三 方法1：直接使用logistic regression（逻辑回归)定义+pytorch梯度计算3.1 初始化3.2 训练4 方法2：使用神经网络方法4.1 导入相关库4.2 定义模型4.3 训练一 、逻辑回归简单介绍逻辑回归虽然叫做回归，但是其主要解决分类问题。可用于二分类...
2019-04-10 12:51:52
670
原创 task2:使用numpy或者pytorch进行简单梯度下降
简单梯度下降一、对y=x^2 +2*x+1进行梯度下降1.1 用python1.2 使用pytorch二、python+numpy拟合简单曲线 y=2*x三、pytorch拟合简单曲线四、pytorch简单线性类y=cx一、对y=x^2 +2*x+1进行梯度下降1.1 用pythonx =1 learning_rate =0.1 #学习率epoches =10y =lambda x:...
2019-04-07 18:37:11
517
原创 task1:pytorch入门-60分钟了解系列之一
pytorch的基本概念一、 pytorch介绍1.1 什么是pytorch1.2 为什么选择pytorch二、pytorch安装2.1 anaconda下载与安装2.2 环境配置2.3 环境测试三、pytorch基础知识3.1 A 60 MINUTE BLITZ(60分钟快速了解）1.2 基本操作（加、减等）1.3 Numpy 和Tensor转换1.4 Numpy 转换为Tensor1.5 C...
2019-04-06 10:42:41
423
原创 决策树算法梳理
决策树算法梳理一 信息论基础1.1 信息量的定义1.2 熵1.3 两点分布的熵1.4 联合熵1.5 条件熵1.6 相对熵 也称KL散度 (Kullback–Leibler divergence)1.7 信息增益1.8 基尼不纯度二 决策树的不同分类算法2.1 ID32.2 C4.5算法2.3 Cart树三 回归树原理四 决策树防止过拟合手段五 模型评估六 sklearn参数详解七 python绘制...
2019-04-02 21:11:15
427
原创 逻辑回归与线性回归算法梳理
逻辑回归算法梳理逻辑回归与线性回归算法1线性回归2 逻辑回归2.1 逻辑回归原理2.2 逻辑回归损失函数2.3 简化后的逻辑回归损失函数3 联系与区别3.1 联系3.2 区别4 正则化与模型评估指标4.1 正则化作用4.2 线性回归模型正则化4.3 正则化的逻辑回归模型5.逻辑回归优缺点6 类别不均衡问题逻辑回归与线性回归算法分析LR原理之前，先分析一下线性回归。线性回归能将输入数据通过对...
2019-03-31 16:19:11
4992
原创 机器学习之线性回归
机器学习之线性回归1 机器学习基本概念1.1 定义：1.2分类1.2.1有监督学习1.2.2 无监督学习1.3 模型泛化能力1.4 模型可能出现的问题：1.4.1 过拟合问题（high variance）1.4.2 欠拟合问题（high bias）1.5 交叉验证线性回归基本原理2.1 线性回归定义2.2 **一元回归(单个特征）**2.2**多元回归(即多个特征）**3 损失函数 代价函数、目...
2019-03-29 18:45:35
568
原创 100-Days-Of-ML-Code 第二天 简单线性回归
参考资料来源：https://github.com/MLEveryday 中文版https://github.com/Avik-Jain/100-Days-Of-ML-Code/ 英文版step1:数据预处理1)导入库import numpy as npimport pandas as pdimport matplotlib.pyplot as plt 2）导入数据 ，并分为特...
2018-10-08 19:10:31
209
原创 100-Days-Of-ML-Code 第一天 数据预处理
https://github.com/MLEveryday 中文版https://github.com/Avik-Jain/100-Days-Of-ML-Code/ 英文版第一天 数据预处理1 import所需库import numpy as npimport pandas as pd2 读取数据 X 和Y注意 ：为左闭右开 此处 -1不取，即X的最后一列不取i.loc[ ]...
2018-10-07 23:24:38
954
2
原创 leetcode: problem1 两数之和
给定一个整数数组和一个目标值，找出数组中和为目标值的两个数。你可以假设每个输入只对应一种答案，且同样的元素不能被重复利用。示例:给定 nums = [2, 7, 11, 15], target = 9因为 nums[0] + nums[1] = 2 + 7 = 9所以返回 [0, 1]方法1:暴力求解编程语言：c++核心思想：通过遍历每个数，求该数与之后的数之间的和，判断是否满足其...
2018-09-26 20:06:03
155
原创 归并排序python3
/将有序数组a[]和b[]合并到c[]中 void MemeryArray(int a[], int n, int b[], int m, int c[]) { int i, j, k; i = j = k = 0; while (i &lt; n &amp;&amp; j &lt; m) { if (a[i] &lt;...
2018-09-14 20:16:54
735
转载 快速排序原理及实现
转自博客：http://blog.csdn.net/morewindows/article/details/6684558 快速排序是C.R.A.Hoare于1962年提出的一种划分交换排序。它采用了一种分治的策略，通常称其为分治法(Divide-and-ConquerMethod)。快速排序由于排序效率在同为O(N*logN)的几种排序方法中效率较高，因此经常被采用，再加上快速排序思想—-...
2018-09-14 16:05:31
24678
8
原创 冒泡排序python3
冒泡排序算法的原理如下： 比较相邻的元素。如果第一个比第二个大，就交换他们两个。 对每一对相邻元素做同样的工作，从开始第一对到结尾的最后一对。在这一点，最后的元素应该会是最大的数。 针对所有的元素重复以上的步骤，除了最后一个。 持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较。 注意：此处可立flag，若没有发生交换，则直接输出 平均时间复杂度最差O(N^2) 最...
2018-09-13 19:42:42
262
原创 选择排序
核心思想：给定一个列表或者数组等类似的数据结构，其下标L=0 to N-1 1.Find the position X of the smallest item in the range of [L…N−1], 发现下标范围【L N-1】中最小的位置X 2.Swap X-th item with the L-th item, 交换X位置与L位置的值 3.Increase the lowe...
2018-09-13 19:13:55
99
原创 数组及链表
数组特点：1.存储空间连续，一般情况下请求的空间确定（除动态数组）优点：1.依据下标可直接访问相应内容2.可存储大量数据3.按照下标可以快速遍历数组缺点： 1.额外请求的存储空间浪费 2.超过数组范围时，需要转移数据链表特点1.存储空间不连续，线性表中的元素在内存中的存储位置是随机的，包含数据域及链域，链域称之为链或者指针，指向线...
2018-09-13 19:03:03
109
原创 大O表示法
大O表示法指出了最糟糕情况下的运行时间算法的速度指的并非时间，而是操作数的增速。 1。谈论算法的速度时，我们说的是随着输入的增加，其运行时间将以什么样的速度增加。 2.算法的运行时间用大O表示法表示。 3. O(log n)比O(n)快，当需要搜索的元素越多时，前者比后者快得越多。 常见大O时间 图示更形象表示其速度在不同操作数下的速度 ...
2018-09-13 09:50:24
772
2
原创 删除字符串中的数字
void del_num(char *s) { char *tmp=s; while(*tmp) { if ( *tmp>= '0' && *tmp <= '9')) { *s++=*tmp; } } *s ='\0'; }
2018-04-06 23:06:40
7024
原创 windows进入当前目录的终端
1) 在此文件夹窗口内空白区域右键单击（需要同时按住Shift），从菜单中选择＂在此处打开命令行窗口＂的项； 2) 在此窗口地址栏里直接输入cmd，回车即可。
2018-01-31 13:02:03
3987
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人