2 筱CV菌

尚未进行身份认证

我要认证

暂无相关简介

等级
TA的排名 16w+

选择性搜索 Selective Search -- 算法详解+源码分析

https://blog.csdn.net/Tomxiaodai/article/details/81412354

2020-09-22 11:45:32

Ubuntu配置深度学习环境完整教程(Pytorch GTX1080Ti)

Ubuntu配置深度学习环境完整教程(Pytorch GTX1080Ti)一、Ubuntu系统安装1.下载系统镜像文件2.制作系统启动盘3.安装系统4.安装完成二、安装Nvidia显卡驱动1.下载驱动2.禁用nouveau3.安装GCC编译器4.安装make三、安装Anaconda1.下载Anaconda3-5.0.1-Linux-x86_64.sh2.安装四、安装Cuda和cudnn五、安装Pytorch一、Ubuntu系统安装1.下载系统镜像文件下载需要安装的Ubuntu系统镜像文件,如ubunt

2020-09-13 14:34:23

解压文件下下的子目录里的压缩文件(运行时只需要输入待解压文件夹的路径)

#!/usr/bin/env python#! -*- coding:utf-8 -*-import zipfileimport osimport shutildef un_zip(file_name): """解压单个文件""" zip_file = zipfile.ZipFile(file_name) #读取zip文件 if os.path.isdir(file_name[:-4]): #判断是否存在文件夹,file_n

2020-07-01 10:54:25

ubuntu下安装autosklearn(基础环境装好的情况下)

python3.6 pip等已经装好的情况安装auto-sklearn,终端下分别运行以下命令sudo apt-get install swigcurl https://raw.githubusercontent.com/automl/auto-sklearn/master/requirements.txt | xargs -n 1 -L 1 pip install auto-sklearnsudo apt-get install build-essential swig...

2020-07-01 10:51:36

LIME、Shap、Grad-CAM三种机器学习模型可视化解释

LIME:Local interpretabe mldel-agnostic explaination通过将图像分割成“超像素”并关闭或打开超像素来创建图像的变化。超像素是具有相似颜色的互连像素,可以通过将每个像素替换为用户定义的颜色(例如灰色)来关闭。用户还可以指定在每个排列中关闭超像素的概率。shap:SHapley Additive exPlanationsGrad-CAM...

2020-06-27 09:30:47

使用GradCam和LIME可视化EfficientNet

1.GradCam实现:参考https://github.com/sidml/EfficientNet-GradCam-Visualizationgit clone https://github.com/FrancescoSaverioZuppichini/A-journey-into-Convolutional-Neural-Network-visualization-.gitcd A-journey-into-Convolutional-Neural-Network-visualization-

2020-06-24 09:33:32

模型可解释方法综述

机器学习模型可解释性总体上可分为两类:ante-hoc 可解释性指通过训练结构简单、可解释性好的模型或将可解释性结合到具体的模型结构中的自解释模型使模型本身具备可解释能力。Post-hoc 可解释性指通过开发可解释性技术解释已训练好的机器学习模型。 据解释目标和解释对象的不同,post-hoc 可解释性又可分为全局可解释性(Global Interpretability)和局部可解释 (LocalInterpretability)。全局可解释性旨在帮助人们理解复杂模 背后的整体逻辑以及内部的工作机制,局

2020-06-23 10:51:45

更新了jupyter以后打开jupyter出现dead kernel无法运行

更新ipykernel解决pip install "pyzmq==17.0.0" "ipykernel==4.8.2"参考:https://blog.csdn.net/baoluo6102/article/details/79685306?utm_medium=distribute.pc_relevant.none-task-blog-baidujs-1

2020-06-21 16:51:18

遗传算法学习

https://www.bilibili.com/video/BV1Jt411Z7oH?from=search&seid=1700803115705690627

2020-06-20 20:46:17

解决程序已关闭GPU还在占用的问题

终端使用命令nvidia-smi查看正在使用GPU运行的程序,然后使用命令(将PID进行具体替换)即可kill -9 PID

2020-06-13 11:42:26

对json文件解析以及解析后进行分类代码

#USAGE python classify.py --json ./234-5.json #--catagor_num 3 #--old_image_path ./fundus/ #--new_image_path ./Category/#detailed category needed modifyimport jsonimport argparseap = argparse.ArgumentParser()ap.add_argument("-t", "--json", requ

2020-06-13 11:37:54

Out-of-fold解释与应用

https://machinelearningmastery.com/out-of-fold-predictions-in-machine-learning/

2020-06-10 17:03:54

jupyter notebook中%time的用法

%%time输出一个cell运行所花费的时间%time输出当前行运行所需要的时间%timeit -n 100输出当前行的代码运行n次所花费的时间(取最快三次的平均用时);%%timeit -n 100输出当前cell的代码运行n次所花费的时间(取最快三次的平均用时);...

2020-06-05 10:36:19

使用清华镜像安装软件

pip install xxx -i https://pypi.tuna.tsinghua.edu.cn/simplepip install -U xxx -i https://pypi.tuna.tsinghua.edu.cn/simple

2020-06-04 21:33:00

为文件夹的图片重新命名filename_label的形式

import osdef rename(): count = 0 path="./dataset/val/Abnormal/" filelist=os.listdir(path)#该文件夹下所有的文件(包括文件夹) for files in filelist:#遍历所有文件 Olddir=os.path.join(path,files)#原来的文件路径 if os.path.isdir(Olddir):#如果是文件夹则跳过

2020-06-04 21:30:25

OpenCV中dnn模块使用

https://nicehuster.github.io/2018/09/19/opencv_dnn/

2020-02-12 13:29:23

python_opencv使用鼠标获取图片的某一点坐标

https://blog.csdn.net/jiangkui007/article/details/82866755

2020-02-02 14:22:17

使用包装法进行特征选择

非常好的教程https://stackabuse.com/applying-wrapper-methods-in-python-for-feature-selection/

2019-11-10 22:36:38

LBP教程

https://www.pyimagesearch.com/2015/12/07/local-binary-patterns-with-python-opencv/

2019-11-04 09:48:49

HOG原理介绍与Python实践

https://gurus.pyimagesearch.com/lesson-sample-histogram-of-oriented-gradients-and-car-logo-recognition/?email=chenxiao97619@gmail.com#

2019-10-22 19:06:21

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!
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3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。