1 joker_shy

尚未进行身份认证

我要认证

暂无相关简介

等级
TA的排名 12w+

py-R-FCN

下载程序,git clone https://github.com/Orpine/py-R-FCN.git打开py-R-FCN,下载caffegit clone https://github.com/Microsoft/caffe.git编译Cython模块cd libmake编译caffe和pycaffecd caffecp Makefile.config.example MA...

2019-11-27 19:25:26

c++快捷键

分享一下c++一些常用的快捷键ctrl快捷键ctrl+k,c 注释选中行ctrl+k,u 取消对选中行的注释CTRL + SHIFT + B:生成解决方案CTRL + F7 :生成编译CTRL + O :打开文件CTRL + SHIFT + O:打开项目CTRL + SHIFT + C:显示类视图窗口F4 :显示属性窗口SHIFT + F4:显示项目属性窗口CTRL + SH...

2019-11-13 19:46:42

YOLO

you only look onceyolo的架构代码import tensorflow as tfimport numpy as npimport yolo.config as cfgclass yolo_v2(object): def __init__(self, isTraining=True): self.classes = cfg.CLASSES ...

2019-10-24 11:52:16

pyinstaller安装的问题处理

安装pyinstallerpip install pyinstaller出现的问题AttributeError: module ‘enum’ has no attribute ‘IntFlag’解决方案卸载enum34pip uninstall enum34

2019-09-12 10:23:25

深度学习——tensorboard

代码实现import tensorflow as tfimport randomfrom tensorflow.examples.tutorials.mnist import input_datatf.set_random_seed(777)import matplotlib.pyplot as pltmnist = input_data.read_data_sets("MNIST...

2019-09-06 15:00:59

深度学习——手写数字识别——卷积神经网络

卷积神经网络这里使用了卷积神经网络,在上一个的基础上加入了卷积核,这样可以提到效果的准确性,但相应的加长了代码运行的时长,运用3个卷积核可以将准确率提高到99.41%代码实现import tensorflow as tfimport randomfrom tensorflow.examples.tutorials.mnist import input_dataimport matpl...

2019-09-05 15:30:11

深度学习——手写数字识别——五层神经网络

优化器这里用了优化器,五层手写的公式比较繁多,用优化器来提高效率代码实现import tensorflow as tfimport randomimport matplotlib.pyplot as pltfrom tensorflow.examples.tutorials.mnist import input_datatf.set_random_seed(777) # rep...

2019-09-04 09:13:20

深度学习——手写数字识别——一层神经网络

代码实现import tensorflow as tfimport matplotlib.pyplot as pltfrom tensorflow.examples.tutorials.mnist import input_dataimport randomtf.set_random_seed(1)# 读取数据并进行独热编码mnist = input_data.read_data...

2019-09-03 20:33:03

深度学习——手写数字识别底层实现

内容再要手写数字识别,早在20世纪前,杨立昆(Yann LeCun)就完成这项工作,并在1980年左右利用卷积神经网络完善了手写数字识别代码实现import tensorflow as tfimport randomimport matplotlib.pyplot as plt# 例子 教程 手写数字 输入数据from te...

2019-09-03 18:56:19

深度学习——tensorflow解决异或问题

异或问题异或问题,简单说就是相同为0,相异为1早在1969年时,感知机的流行,但还是不能解决异或问题,但在神经网络出现后,这个问题就被迎刃而解,加入隐藏层的神经网络就很好的解决了这个问题数据如下x = [[0, 0], [1, 0], [0, 1], [1, 1]]y = [[0], [1], [1], [0]]代码实现import tensorflow as tfimport ...

2019-09-03 10:14:55

机器学习——朴素贝叶斯

定义朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法 。最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型(Naive Bayesian Model,NBM)。和决策树模型相比,朴素贝叶斯分类器(Naive Bayes Classifier,或 NBC)发源于古典数学理论,有着坚实的数学基础,以及稳定的分类效率。同时,NBC模型所需估计的参数...

2019-08-15 19:39:11

机器学习——网格搜索

网格搜索特点网格搜索类似于穷举法,来确定模型参数的一个最优的组合,但相应的会大量的增加计算时间,但精确率等指标会很高代码如下import pandas as pdimport matplotlib.pyplot as pltfrom sklearn.linear_model import LogisticRegressionfrom sklearn.model_selection im...

2019-08-14 09:58:17

机器学习——交叉验证

交叉验证定义交叉验证(Cross Validation),有的时候也称作循环估计(Rotation Estimation),是一种统计学上将数据样本切割成较小子集的实用方法,该理论是由Seymour Geisser提出的。在给定的建模样本中,拿出大部分样本进行建模型,留小部分样本用刚建立的模型进行预报,并求这小部分样本的预报误差,记录它们的平方加和。这个过程一直进行,直到所有的样本都被预报了一...

2019-08-13 21:00:18

机器学习——PCA练习

数据集这里用到的数据集是鸢尾花数据集题目要求1. 导入必要的库2. 加载sklearn库自带的鸢尾花数据集3. 将数据集划分为样本特征和样本类型4. 构建PCA实例,其中n_components设置为25. 传入数据给模型6. 打印输出所保留的n个成分各自的方差百分比7. 对花的颜色进行特征分组,分为:[‘navy’, ‘turquoise’, ‘darkorange’]8. ...

2019-08-09 16:52:18

机器学习——线性回归练习

模型这里的模型我们用的是波士顿房价的模型题目要求1. 导入数据,导入datasets2. 导入Linear Regression 算法3. 用datasets.load_boston()的形式加载数据4. 将属性存在X中5. 将真实房价存在Y中6. 建立线性回归模型7. 训练模型8. 分别打印预测值和真实值,预测用data_x的前4个数据来预测代码如下from sklear...

2019-08-09 16:43:16

机器学习——共享的单车实战演练

数据数据下载地址 http://archive.ics.uci.edu/ml/datasets/Bike+Sharing+Dataset案例分析1.拿到这个数据需要删除那些没有用的列,比如序号2.进行独热编码3.进行多项式扩展4.标准化5.切分数据集6.建立模型求出数据代码如下import pandas as pdfrom sklearn.model_selection im...

2019-08-09 15:03:39

机器学习——PCA

PCA主成分分析介绍PCA是一种无监督学习的降维技术思想1.投影后样本越分散,保留的信息越多2.PCA的主要思想是将n维特征映射到k维上,这k维是全新的正交特征也被称为主成分,是在原有n维特征的基础上重新构造出来的k维特征做法1.将所有的样本点向直线w投影2.目标函数:让投影后样本的方差极大PCA的一般执行步骤第一步:X减去均值第二步:对协方差矩阵XXT做特征值分解,得到特征...

2019-08-08 16:13:26

机器学习——奇异值分解python实现

import numpy as npdata = np.array([[3, 4, 1, 6, 4], [2, 3, 5, 4, 0], [3, 3, 1, 0, 0], [5, 5, 6, 2, 2], [0, 2, 3, 3, 3], ...

2019-08-08 15:55:36

机器学习——奇异值分解

奇异值分解奇异值分解是一种矩阵因子分解方法,是线性代数概念,但在统计学习中被广泛使用,成为其重要工具主要应用 在主成分分析、潜在语义分析上奇异值分解的矩阵不需要是方阵,任意矩阵都可以进行分解,都可以表示为三个矩阵的乘积(因子分解)形式,分别是m阶正交矩阵、由降序排列的非负对角线元素组成的m×n矩形对角矩阵和n阶正交矩阵,称为该矩阵的奇异值分解。矩阵的奇异值分解一定存在,但不唯一。奇异值分解...

2019-08-07 19:49:34

机器学习——特征值分解

特征值特征向量的定义Aα = λα(α不等于0)A是一个n阶矩阵α是n维的非零向量λ是一个常数如果Aα = λα(α不等于0)那么λ称为A的特征值,α就是A的对于特征值λ的特征向量如果n个特征向量线性无关那么就可以进行特征的分解特征值分解n个特征向量线性无关可以进行特征分解A=WΣW-1其中W是这n个特征向量所张成的n×n维矩阵,并对n个特征向量标准化,而Σ为这n个特征值为主对...

2019-08-07 18:18:20

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 1024勋章
    1024勋章
    #1024程序员节#活动勋章,当日发布原创博客即可获得
  • 勤写标兵Lv2
    勤写标兵Lv2
    授予每个自然周发布4篇到6篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。