2 Micheal超

尚未进行身份认证

我要认证

努力!奋斗!

等级
TA的排名 2w+

keras中使用ImageDataGenerator对MINST数据集数据增强

使用数据增强过拟合的原因是学习样本太少,导致无法训练出能够泛化到新数据的模型。如果拥有无限的数据,那么模型就能够观察到数据分布的所有内容,这样就永远不会过拟合。数据增强是从现有的训练样本中生成更多的训练数据,其方法是利用多种能够生成可信图像的随机变换来增加样本。Keras中可以通过ImageDataGenerator实现对样本的随机变换(以MNIST为例)ImageDataGenerator的参数说明:参考博客:1.keras的图像预处理全攻略(二)—— ImageDataGenera

2020-10-01 17:56:41

Keras自定义层

keras已经有很多封装好的库供我们调用,但是有些时候我们需要的操作keras并没有,这时就需要学会自定义keras层了1.Lambda从函数的角度上来说lambda表达式的作用:

2020-07-31 16:58:26

Matplotlib_库的安装

1.安装pip install matplotlib或者:pip install matplotlib -i https://pypi.doubanio.com/simple/ # 从豆瓣镜像中下载速度比较快一般配合numpy库使用:pip install numpy2.解决中文乱码的问题原因:出现中文乱码是因为 matplotlib 库中没有中文字体,所以显示出来的不像是真正的乱码,而是都为方框。解决方法参考博客:Python:matplotlib 中文乱码的解决方案3.绘制子图

2020-07-15 15:32:37

Argparse 使用

Argparse的使用:说明:argparse是一个Python模块:命令行选项、参数和子命令解析器。需要import argparse步骤创建 ArgumentParser() 对象调用 add_argument() 方法添加参数使用 parse_args() 解析添加的参数代码:import argparseif __name__ == '__main__': # 第一步:创建解析器 parser = argparse.ArgumentParser(des

2020-06-08 15:27:56

深度聚类算法的结果比较

DEC(Unsupervised Deep Embedding for Clustering Analysis)IDEC(Improved Deep Embedded Clustering with Local Structure Preservation)DCEC(Deep Clustering with Convolutional Autoencoders)DFKM(Deep Fuzzy K-Means with Adaptive Loss and Entropy Regulari.

2020-05-28 09:13:57

python日志(Logger)的输出

方法一:import sysclass Logger(object): def __init__(self, filename='default.log', stream=sys.stdout): self.terminal = stream self.log = open(filename, 'a') # add content def write(self, message): self.terminal.write(messag

2020-05-11 11:12:52

调整兰德系数(Adjusted Rand index,ARI)的计算

介绍

2020-04-27 16:50:38

聚类精确度(Cluster Accuracy)

概念:

2020-04-24 09:28:33

NMI计算

介绍:NMI(Normalized Mutual Information), 标准化互信息。常用于聚类,度量 聚类结果 与 数据集真实情况 的相似度。NMI的值∈[0, 1]。值越大,说明聚类结果与数据集真实情况的相似度越大,聚类结果越好。如果算法结果很差则NMI值接近0。举例:假设对于17个样本点(v1,v2,...,v17)(v1,v2,...,v17)(v1,v2,...,v17)...

2020-04-23 13:35:17

Google Colab使用笔记

介绍:Google Colaboratory是谷歌开放的云服务平台,提供免费的CPU、GPU和TPU服务器。支持Pytorch、Tensorflow、Keras等框架平台风格类似于“jupyter notebook”。同时也可以运行部分Linux命令来辅助代码的运行。Colab可以访问Google Drive内容,且需要提前注册一下Google账户。Google Drive:http...

2020-04-07 23:22:56

3.2自编码器(变分自编码器,VAE)

拓展(Keras + fashion_mnist)承接上一篇博客:3.自编码器(变分自编码器,VAE)# 加载库import numpy as npimport matplotlib.pyplot as pltfrom keras.layers import Input, Dense, Lambdafrom keras.models import Model, Sequential...

2020-04-07 22:25:43

3.自编码器(变分自编码器,VAE)

介绍变分自编码器(Variational AutoEncoder, VAE)是生成式模型(Generative Model)的一种,另一种常见的生成式模型是生成对抗网络(Generative Adversial Network, GAN)VAE和AE的区别:AE中隐层表示的分布未知,而VAE中隐变量服从高斯分布AE中学习的是encoder和decoder,VAE中还学习了隐变量的分布,...

2020-04-03 10:13:36

2.自编码器(去噪自编码器,DAE)

介绍:自编码器(AutoEncoder)是深度学习中的一类无监督学习模型,有encoder和decoder两个部分组成encoder 将原始表示编码成隐层表示decoder 将隐层表示解码成原始表示训练目标为最小化重构误差隐层特征维度一般低于原始特征维度,降维的同时学习更稠密更有意义的表示自编码器主要是一种思想,encoder和decoder可以由全连接层、CNN或RNN等模型实现...

2020-04-01 12:41:11

1.自编码器(keras+mnist)

介绍自编码器(autoencoder, AE)是一类在半监督学习和非监督学习中使用的人工神经网络(准确地来说自编码器是一个自监督的算法,并不是一个无监督算法),其核心的作用是能够学习到输入数据的深层表示。自编码器包含编码器(encoder)和解码器(decoder)两部分。自编码器的相关模型:收缩自编码器(undercomplete autoencoder)、正则自编码器(regulari...

2020-03-31 11:13:32

WIFI篇(3.python破解wifi--pywifi的介绍)

安装pywifi:pip install pywifi

2020-02-19 20:34:25

WIFI篇(2.python破解wifi--生成密码字典)

WIFI字典:参考博客:Python破解Wifi密码思路密码字典TXT文件生成,本文提供的比较简单,实用破解可以根据一般密码设置,去生成比较大比较全的密码字典。目前无线网络加密形式常见的有两种,WEP和WPA/WPA2,WEP破解方法非常简单,但是现在这种加密方式由于不安全基本上见不到了。这里就没有必要讨论WEP破解方法了。Wifi的密码长度有何限制Wifi常见的密码有wep,aes和...

2020-02-17 01:19:07

WIFI篇(1.windows下的CMD命令)

1. 查看电脑已保存的WiFi密码(cmd命令行中操作)①netsh wlan show profile 或者 netsh wlan show profiles : 查看一下电脑保存的所有的wifi名字②netsh wlan show profile name="连接名" key=clear : 查看某个wifi的具体信息(包括密码)说明:将连接名换成你要查询的wifi名字就好,密...

2020-02-16 18:00:12

在Linux下如何安装Jupyter Notebook

第一步:安装Anaconda下载安装包:官网:https://www.anaconda.com/distribution/#download-section如果嫌慢的话,可以去清华镜像源下载:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/下载到本地后,运行bash Anaconda3-××××××××.sh安装完后,...

2020-01-14 18:07:22

Python的随机矩阵生成

导入模块random模块numpy中的random函数python中有两个模块可以生成随机数,该博客以的numpy模块为例进行生成随机数。(因为矩阵要生成大量的随机数据,故推荐使用numpy模块生成随机数)生成随机数(以矩阵为例)# 生成随机矩阵import numpy as np# 设置随机种子,保证每次生成的随机数一样rd = np.random.RandomState(...

2019-10-23 15:06:49

PyTorch(CNN+MNIST测试)

说明数据集采用的是MNIST数据集(训练集60000个, 测试集10000个,单通道28*28的图片)采用的网络模型结构程序在GPU上跑的。运行时watch -n 1 nvidia-smi实时查看电脑GPU的使用情况。目录结构测试集代码# 需要导入的包import torchfrom torch.utils import data # 获取迭代数据from torch.a...

2020-01-02 01:36:21

查看更多

勋章 我的勋章
  • 签到新秀
    签到新秀
    累计签到获取,不积跬步,无以至千里,继续坚持!
  • 阅读者勋章Lv1
    阅读者勋章Lv1
    授予在CSDN APP累计阅读博文达到3天的你,是你的坚持与努力,使你超越了昨天的自己。
  • 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!
  • 勤写标兵Lv4
    勤写标兵Lv4
    授予每个自然周发布9篇以上(包括9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。
  • 分享王者
    分享王者
    成功上传51个资源即可获取