- 博客(19)
- 收藏
- 关注
RSS订阅原创 ROS rosdep update 出错方法 不需要翻墙切换之类的解决方法 ‘https://raw.githubusercontent.com/ros/rosdistro/master/inde
ROS rosdep update 出错方法 不需要翻墙切换之类的解决方法 'https://raw.githubusercontent.com/ros/rosdistro/master/inde
2021-12-02 20:58:56
1621
2
原创 tf.image.non_max_suppression()会扩充数据
tf.image.non_max_suppression( boxes, scores, max_output_size, iou_threshold=0.5, score_threshold=float('-inf'), name=None )tf.image.non_max_suppression()很多文章都有提到：按照参数scores的降序贪婪的选择边界框的子集。删除掉那些与之前...
2020-05-22 16:03:54
313
原创 tf.add()不只是简单相加
tf.add()大多数用法都是，单个数字和单个数字的简单相加，例如：import tensorflow as tfx = tf.constant(2)y = tf.constant(1)sess = tf.Session()print(sess.run(tf.add(x, y)))输出：3但是它还有一种更重要的用法，很多文章都没有说，即按维度的相加，将一个与高维度矩阵的子维度与高维度的每一个维度相加，例如：import tensorflow as tfa = tf.consta
2020-05-20 11:54:46
3327
2
原创 为什么Faster-rcnn rpn中通道的可以代表这么多含义，人为赋予通道意义
在rpn网络中，我们想要对特征图上每一个特征点，得到9个anchors的（x，y，w，h）的四个信息，通常使用36通道[1*1]的卷积去卷积输入，并且得到一个36通道的输出，这从逻辑上很好理解，9个anchor，每个anchor要获得(x，y，w，h）的四个信息,所以9*4 = 36,36个通道。但是，仔细去思考，会有以下几个问题：1.为什么用36个通道就能表示9个anchors的（x，y，w，h）的四个信息，仅仅是因为9*4 = 36吗？2.我们用36通道的卷积核去卷积输入时，这个卷积核第一次
2020-05-17 22:19:02
214
原创 tf.transpose()的通俗解释
tf.transpose( a, perm=None, name='transpose', conjugate=False)a:表示的是需要变换的张量perm:a的新的维度序列name:操作的名字conjugate:可选的，设置成True，那么就等于tf.conj(tf.transpose(input))主要来说perm属性perm的意思是张量的维度 i 将对应于输入维度 perm[i].解释一下什么意思：比如一个二维张量a,其形状为[2,3...
2020-05-11 16:56:11
431
原创 python +tnesorflow 使用tf.nn.conv2d （）为什么输入和权重的shape 不一样
基于python+tensorflow的深度学习中，数据的输入一般为[batch, in_height, in_weight, in_channel]权重格式一般为[ filter_height, filter_weight, in_channel, out_channels ]，其中 filter_height 为卷积核高度，filter_weight 为卷积核宽度，in_channel 是图像通道数 ，和 input 的 in_channel 要保持一致，out_channel 是卷积核数量。.
2020-05-10 22:29:57
339
原创 python self关键字的通俗解释
我们先来看一段代码： class A(): def function1(text): print(text); def function2(self,text): print(text);定义一个类A，A中有两个方法，一个不带self关键字的方法function1，一个带self关键字的方法function2，我们调用一下//根据我们语言学习的经验，我们知道调用一个类...
2019-09-14 21:05:11
1990
原创 Tenroflow 中的前向传播框架的返回值
使用Tensorflow框架，定义一组前向传播神经网络，设标签为（x0,x2,x3.....xn）,其返回结果为（P（x1），P（x2），P（x3）...P（xn））这样一个n维向量,即数据集落在标签（x0,x2,x3.....xn）的概率，然后使用tf.argmax(logits,1)，即返回这组概率向量中，最大的概率所在的位置，即第几个标签...
2019-08-27 19:37:48
121
原创 C#项目”XXXXX”针对的是”.NETFramework,Version=vX.X.X”但此计算机没有安装（重安装或已安装框架依旧出错的情况）的解决思路
针对安装完框架或已存在框架、重安装依旧出错的情况今天运行了一个c#项目 打开提示C#项目”XXXXX”针对的是”.NETFramework,Version=v3.5”但此计算机没有安装它，但是这是我已经安装的框架。。。。你告诉我缺啥？？？？？？？然后它说可以将目标重定位值.NET Framework 4.5 版本 然后我就重定位呗.然后告诉我C#项目”XXXXX”针对的是”.NETF...
2019-08-21 15:13:14
2011
原创 关于pip和conda的疑问 望大佬解答
如果我在Anaconda的命令窗口下 使用 pip install xxxxxx安装成功后 我能在conda的环境下使用吗？如果不能使用 为什么我看见好多帖子教怎么在conda下安装第三方包 都用的pip命令如果可以使用 我怎么使用 望大佬解答...
2019-08-17 19:10:30
148
原创 那些年 我们走过的坑（持续更新） python
坑1：shuffle:（）函数无返回值 array = np.random.shuffle(arr) 报错原因：该函数无返回值，不应该用一个变量来接它
2019-08-14 19:05:12
146
原创 Numpy.pad的多维矩阵里的参数通俗解析 np.pad(a, ((x1, y1), (x2, y2), (x3, y3)), 'constant')
最近看到pad函数，很多参考资料对pad函数在三维矩阵应有时，对于里面的参数解释不明白，于是自己总结一下···a = np.array([[[1, 2], [2, 3]], [[2, 4], [5, 6]], [[7, 8], [9, 10]]])...
2019-08-11 18:01:51
1612
3
原创 简明阐述神经网络的步骤以及总结
一：神经网络的通俗解释：首先神经网络分为多层，第一层为数据输入，我们将输入数据的这一层称为输入层，我们可以输入需要识别的图片，色块等信息。第二层为隐藏层，这里说是第二层是不准确的，因为隐藏层通常情况不止一层，隐藏层负责对数据进行处理，计算。最后一层为输出层，负责输出结果。层与层之间用一定的函数关系连接。二：神经网络的运算步骤：我们梳理一下层之间的关系以及层内部的逻辑运算。对于输入层和隐藏...
2019-08-05 20:12:40
1142
原创 简单明了的阐述SVM支持向量机以及做法步骤
一：什么是SVM向量机 SVM向量机通俗来讲，是用于分类的一种算法。 举例来说，SVM要做的就是，1.将图中的黑点和白点分开 2.分割线要尽量离两边的样本点要远。 图中的黑色实线即为分割线，黑色虚线即为俩边的样本到分割线最近的位置。我们假设白点样本到分割线的最近的距离为d1，黑色样本点到分割线的最近的距离为d2，我们必须保证d1=d2。若d1不等于d2，即分割线距离某个样本...
2019-08-01 20:28:14
3853
原创 线性回归和逻辑回归的总结、区别和做法步骤
一：线性回归1.线性回归的概念： 通俗的来讲线性回归就是对一系列数据进行拟合，并尽可能构建出一条可以拟合数据的数学模型，根据这个模型，可以通过输入测试数据来预测测试数据的结果。例如房价问题，通过已知的房屋位置，房屋面积，和房价拟合出一条数据模型，并通过此数据模型，输入房屋位置，房屋面积等信息来预测房价。2.线性回归的假设函数：线性回归的假设函数（θ是所求的参数，或者可以叫权重，x为所知的特...
2019-07-30 20:24:08
3308
原创 Sigmoid函数的作用
Sigmoid函数的公式是这样的公式：这个公式为什么会用于机器学习中，因为它可以很好的表示机器学习中的预测问题，对于一个预测问题我们想要得到一个0或1的答案，但是很多输出的数据结果并不是0或1，也许会是0.7，我们用这个函数曲线来进行预测，将输入数据代入到sigmoid函数中，得到一个在这个光滑曲线上的某个点，若该点大于0.5，认为事件的概率为1，小于，则为0。在实际的机器学习中，我们定义一...
2019-07-28 21:04:51
9770
1
原创 python机器学习 transform,fit_transform
首先使用transfer = StandardScaler（）来实例化一个转换器我们要对训练集和测试集进行相同的归一化 / 标准化处理先处理训练集x_train = transfer.fit_transform（x_train）fit_transform是fit（求出数据的平方差、均值等数据）和transform（进行标准化计算）的结合此时，标准化所需要的参数已经被训练出来并且存储到实例...
2019-07-18 15:35:38
2102
原创 Android监听事件与线程的启动顺序问题
今天在写一个监听事件的时候发现事件内部第一行的开启线程居然是最后一个启动的button1.setOnClickListener(new View.OnClickListener() {@Overridepublic void onClick(View v) {final AddThread addThread = new AddThread(); //step1addThread....
2019-04-09 22:29:03
402
原创 萌新求教 大佬过来帮忙瞅一眼 Android使用Class.forName("com.mysql.jdbc.Driver");报错
萌新求教 大佬过来帮忙瞅一眼 Android使用Class.forName(“com.mysql.jdbc.Driver”);报错原代码new Thread(new Runnable() {@Overridepublic void run() {Connection connection= null;// String driver = “com.mysq...
2019-04-04 17:08:55
1015
1
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