- 博客(39)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 一文搞定的keras的无脑步骤
模块独立模块：网络层、损失函数、优化器、初始化策略、激活函数、正则化方法keras的本质是各个模块的组合。也可以添加自己的新模块（仿照现有的模块编写新的类或函数）模块结构：keras框架搭建步骤step1 选则模型Keras有两种类型的模型，序贯模型（Sequential）和函数式模型（Model），函数式模型应用更为广泛，序贯模型是函数式模型的一种特殊情况。序贯模型（Sequential):单输入单输出，一条路通到底，层与层之间只有相邻关系，没有跨层连接。这种模型编译速度快，操作
2020-11-06 21:00:59
268
1
原创 cv--action入门调查
human action分类：范围很广，从基本手势到人类团体事件。gesture（肢体运动）actions（单人行为）interaction（多方交互）group activity（群体事件）研究方向action recognition已经分割好的视频片段，输出一个标签的多分类问题核心环节：action feature extraction：在原始视频中，使用特征提取模型在视频中提取有区分度的行为特征，输出适合分类的向量形式，该步骤是行为识别中至关重要的一步，特征向量的鲁棒性和区
2020-11-03 11:26:25
212
原创 爬虫xpath作业
import requestsimport osfrom lxml import etreeif not os.path.exists('./download'): os.makedirs('./download')headers = { 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683
2020-10-22 09:31:53
223
原创 VGG的亮点：Dilated Convolution
概述在赢得其中一届ImageNet比赛里VGG网络的文章中，他最大的贡献并不是VGG网络本身，而是他对于卷积叠加的一个巧妙观察。这里意思是 7 x 7 的卷积层的正则等效于 3 个 3 x 3 的卷积层的叠加。而这样的设计不仅可以大幅度的减少参数，其本身带有正则性质的 convolution map 能够更容易学一个 generlisable, expressive feature space。这也是现在绝大部分基于卷积的深层网络都在用小卷积核的原因Dilated Convolution产生的原因D
2020-05-31 21:01:07
248
原创 降维第一炮--多维缩放 MDS
多维缩放：要求原始空间中样本之间的距离在低维空间中得以保持推倒多为缩放：m个样本每个样本 d 个属性----降维到----m个样本 d’ 个属性 (d’ <= d)假定 m 个样本在原始空间的距离矩阵为 D（m*m）， distij 为样本 xi 到 xj 的距离降维后的距离矩阵 B（m*m） ，bij 表示样本 zi 到 zj 的距离，bij = || zi - zj || （两样本向量的差的模再取绝对值）（欧氏距离）由于距离要在高低维空间中一致，有 distij=
2020-05-30 11:16:56
224
原创 机器学习笔记十-- 由kNN引入维度灾难并进行降维改善
专业词汇k 近邻(k-Nearest Neighbor）密采样" (dense sample)维数灾难 (curse of dimensionality）降维(dimension red uction)"子空间" (subspace)"多维缩放" (Multiple Dimensional Scaling）kNNk近邻学习概述超参数：k的选则监督学习方法给定测试样本–>(基于某种距离度量)最靠近这个样本的 k 个训练样本，然后基于这 k 个"邻居"的信息来进行预测分类任务中
2020-05-30 09:58:33
1581
1
原创 机器学习多次修补后笔记 --集成学习--boosting--AdaBoost
1、AdaBoost第1行：D 代表样本集，Dt 代表第 t 轮的样本分布，不同的 Dt 中样本的权值不同第3行：根据 Dt 分布在样本集 D 上用基学习算法 L 训练出基分类器 ht第4行：第 t 个学习器的误差第6行：由第 t 个学习器的误差来计算它在最后集成学习器中的权重第7行：根据该-学习器的权重-来更新样本权值，形成新的样本权值分布D（t+1）最终集成的学习器：基学习器的线性组合目标函数：min（损失函数）...
2020-05-28 10:46:38
165
原创 机器学习多次修补后笔记 --集成学习概述
专业词汇集成学习 (ensemble learning)多分类器系统(multi-classifier system)基于委员会的学 习 (committee-based learning) "个体学习 器" (individual learner)"同质" 的(homogeneous)"基学习器" (base learner),"基学习算法" (base learning algorithm)."异 质"的(heterogenous)"组件 学习器" (component learner
2020-05-27 20:32:58
109
原创 robotic_toolbox_1--轨迹问题
只要求初始位置的轨迹规划mdl_puma560;T1=transl(0.4,0.2,0)*trotx(pi);T2=transl(0.4,-0.2,0)*trotx(pi/2);q1=p560.ikine6s(T1);q2=p560.ikine6s(T2);t=[0:0.05:2]';% q=mtraj(@tpoly,q1,q2,t); % or@lspbq=jtraj(q1,q2,t);可简化为mdl_puma560;T1=transl(0.4,0.2,0)*trotx(pi);
2020-05-18 10:06:51
394
原创 YOLO第二部----YOLO2
YOLO2的改进观念better、faster、stronger改进方面Bath Nomalization数据规范化,防止梯度消失和梯度爆炸，提升模型收敛速度，而且可以起到一定正则化效果，降低模型的过拟合，YOlLOv2中，在每个卷积后面都添加了Bathch Normalization层，并且不再使用droput，mAP提升了2.4%Mu...
2020-05-17 20:55:41
222
原创 robotic_toolbox_1--机器人D-H建模常用函数--正运动学
基础首先需要得到确定的D-H参数表前四个参数：关节角、连杆偏移、连杆长度、连杆扭角第五个元素代表关节种类：转动：0；移动：1；默认：0L(1)=Link([0,0,1,0]);L(2)=Link([0,0,1,0]);two_link=SerialLink(L,'name','two link');mdl_planar2； # 把seriallink这个对象的值细分给变量在每个关节的D-H四个参数确定后，能得到跟这个参数有关的齐次变换矩阵L.A（0） # 齐次变换
2020-05-17 16:22:49
764
原创 matlab--robotic toolbox--使用教程
机器人学++机器视觉与控制++MATLAB算法基础.pdf链接：https://pan.baidu.com/s/1gATHXgeYN6NabhnyX2HKTA提取码：40pd
2020-05-17 12:29:32
1211
2
原创 目标检测之主干网络----CNN进化之路
首先是一系列的CNN的进化历程剖析：LeNet、AlexNet、VGGNet、InceptionNet 与 ResNet各层参数的含义由于权值共享，连接数便不等于参数量（全连接没有权值共享，所以相等）神经元的数量：输出维度是多少，神经元就有多少连接数量：全连接：输入层神经元数量*输出层神经元数量（每个连接包含两个参数：权重和偏置）CNN局部连接：（卷积核在输入层划过的神经元个数+1） * （卷积层输出的神经元个数） （卷积层输出的每个元都是之前输入的一个区域卷积得来的，所以每个元都连
2020-05-16 11:50:11
1368
原创 YOLO的第一步----YOLO1
这是继RCNN，fast-RCNN ，faster-RCNN，SSD之后，又一新型方法YOLOYOLO1的出现解决了基于DL的目标检测中一个大痛点------速度问题。参数每个bounding box要预测(x, y, w, h)和confidence共5个值，每个网格还要预测一个类别信息，记为C类。则SxS个网格，每个网格要预测B个bounding box还要预测C个categories。输出就是S x S x (5*B+C)的一个tensorx、y是相对于格子左上角的偏移量confidenc
2020-05-15 17:48:31
285
原创 Robotics Toolbox （1） 位姿描述
二维空间位姿描述% 这里面的 2 代表二维T = SE2(x ,y , theta) % 代表坐标系的（x， y）的平移和theta的旋转T = SE2(x ,y , theta, 'deg') % 上一条弧度制，带上‘deg’角度制T = transl2(1, 2) % 仅仅平移trplot2(T) %...
2020-05-05 16:28:19
225
原创 机器学习多次修补后笔记--支持向量机
文章目录专业词汇内容概括物理含义数学原理推导**点x**到**超平面**的距离支持向量机间隔支持向量目标函数目标函数求解关于对偶函数中拉格朗日乘子的解释工程层面实现算法SMO核函数核函数的引入核函数是否存在以及常用的和核函数软间隔与正则化软间隔&硬间隔区别软间隔存在的原因软间隔&硬间隔在目标函数层面上的表达软间隔下拉格朗日乘子的解释软间隔小结专业词汇Large Margin超...
2020-05-01 12:18:31
217
原创 pycharm入门级快捷键
入门级快捷键Ctrl + Q 快速查看文档（API）Ctrl + F1 看波浪线出的报错Ctrl + F1 显示错误描述或警告信Tab / Shift + Tab 缩进、不缩进当前行Shift + Enter 另起一行F3 查找Ctrl + R 替换在某个变量上停鼠标 按ctrl 显示同名变量Shift + F10 运行...
2020-04-30 09:36:27
88
原创 keras模型save存储错误问题
检查h5py版本为新版文件结尾不用.h5，用.hdf5save_path = "save_model/acc=" + str(history.history['val_acc'][-1]) + "/" + time.strftime('%Y.%m.%d--%H:%M', time.localtime(time.time())) + ".hdf5"model_m.save(save_path)...
2020-04-19 19:39:50
1063
原创 整理了keras中文文档的目录链接
keras中文文档快速开始Sequential 顺序模型指引函数式 API 指引FAQ 常见问题解答模型关于 Keras 模型Sequential 顺序模型 API函数式 APILayers关于 Keras 网络层核心网络层卷积层 Convolutional池化层 Pooling局部连接层 Locally-connected循环层 Recurrent嵌入层...
2020-04-14 16:57:29
176
原创 RNN循环神经网络基础
当样本具有空间的局部相关性，卷积神经网络大大减少网络参数量的依靠：局部相关性、权值共享当样本具有时间的局部相关性：循环神经网络序列表示方法信号能用标量数值表示shape 为[b,s] （b：样本数，s：样本长度）信号不能简单的标量表示shape 为[????,????,????] （f：某一个时间戳上的特征）Word embedding：one-hot 的编码方式实现但是 one-hot 编码...
2020-04-02 10:51:45
144
原创 安卓抓包基础流程
首先，手机和电脑连接同一网络，手动代理：主机名是电脑主机名（），端口是fiddler的端口（Tool–options–HTTP）Tool–options–Connections勾选Allow remote computer to connect重启fiddler安卓设备访问http://ip4:8888/下载底面证书安卓设备：设置–更多设置–系统安全–加密与凭据–用户–从存储设备安装...
2020-03-28 22:08:15
305
原创 fiddler工具基础
fiddler工具R：重发请求Ctrl+R：批量重发Ctrl+X：删除所有Ctrl+F：查找Session List（会话列表）fiddler抓取每一条http请求都是一个session每个session包括：请求的ID编号、状态码、协议、主机名、url、内容类、body大小、进程信息、自定义备注断点响应前断点：请求断在fiddler没到服务器响应后断点：响应卡在fid...
2020-03-28 21:49:49
93
原创 Keras-序贯模型（Sequential)
常见功能模块常见网络层类导入标准库import tensorflow as tf # 导入 keras 模型，不能使用 import keras，它导入的是标准的 Keras 库 from tensorflow import keras from tensorflow.keras import layers # 导入常见网络层类网络容器网络容器 Sequential 将多个网络层封...
2020-03-23 22:11:31
1110
原创 tensorflow基础知识（一）
目录数据类型数值类型字符串类型布尔类型数值精度待优化张量从 Numpy, List 对象创建快速创建定制张量创建序列索引与切片索引切片维度变换reshape增删维度数据类型数值类型Database ：Scalar–>Vector–>Matrix–>TensorDimension ：0–>1–>2–>2+shape ：[]–>[n]–>[n...
2020-03-22 11:42:01
197
原创 卷积神经网络
目录专业词汇概述专业词汇是卷积神经网络（Convolutional Neural Network，CNN）卷积层（Convolution层）池化层（Pooling层）全 连接（fully-connected)概述
2020-03-19 23:06:03
172
原创 参数更新方法的讨论
专业词汇随机梯度下降法（stochastic gradient descent）非均向（anisotropic）学习率衰减（learning rate decay）RMSProp(Root Mean Square Prop)前面所用的根据梯度下降来寻找最优解的方法为 “ 随机梯度下降法 ” 简称SGDSGD的缺点有很多地方的梯度是局部点的下降最快，并不指向全局最小解SGD成“之...
2020-03-17 23:43:20
292
原创 梯度下降（数值分析）python实现
目录基础知识微分偏导梯度梯度法基础知识微分数值微分：利用微小的差分求导数的过程解析性求导：而基于数学式的推导求导数的过程用数值微分来求导有缺陷的程序表达def numerical_diff(f, x): h = 10e-50 return (f(x+h) - f(x)) / h舍入误差：因省略小数的精细部分的数而造成最终的计算结果上的误差，太小就很容易被...
2020-03-17 10:47:19
2851
原创 损失函数python实现
损失函数概述为什么用损失函数不用识别精度改变权值引起的识别精度的变化是离散的，没有权重更新的方向，只是单纯的改变参数，并没有学习识别精度对微小的参数变化基本上没有什么反应如果使用阶跃函数作为激活函数，神经网络的学习将无法进行。 参数的微 小变化会被阶跃函数抹杀，sigmoid函数的优势（平滑性）就在这里常见的损失函数求损失函数时的标签需要时onehot格式的均方误差def me...
2020-03-16 21:32:27
1167
原创 MINIST手写识别（前向传播的python实现）
数据集的读取以“(训练图像,训练标签)，(测试图像，测试标签)”的形式读入的MNIST数据import sys, os sys.path.append(os.pardir) # 为了导入父目录中的文件而进行的设定 from dataset.mnist import load_mnist(x_train, t_train), (x_test, t_test) = load_mnist(f...
2020-03-16 20:13:59
380
原创 激活函数python实现
目录概述常见激活函数阶跃函数sigmoid函数ReLU函数比较概述激活函数必须是非线性函数线性函数的问题在于，不管如何加深层数，总是存在与之等效的“无隐藏层的神经网络”，无法了发挥叠加层所带来的优势h(x) = cx作为激活函数，把y(x) = h(h(h(x)))的运算对应3层神经网络A，但他又等价于y(x) = ax（ a = c 3）常见激活函数阶跃函数普通阶跃函数d...
2020-03-15 19:34:34
1012
原创 神经网络一般架构（BP）
目录专业词汇1.神经网络概述2.简单的神经网络感知机多层网络3.误差逆传播算法输出层&输入层神经元个数损失函数反向梯度分配专业词汇 神经网络(neural networks) 神经元(neuro） "阈值" (threshold) "激活函数" (activation function) "挤压函数" (squashig ...
2020-03-14 11:07:25
2082
原创 神经网络基础
目录专业词汇从“线性分类”看基础概念这里的线性分类&逻辑回归的区别损失函数基础损失函数正则化softmax分类器梯度下降反向传播反向传播&前向传播区别反向传播更新权重参数的原理三种典型的计算环节神经网络专业词汇从“线性分类”看基础概念这里的线性分类&逻辑回归的区别”逻辑回归&线性回归“ 只有一套参数，”预测行为“是一套参数对某样本的预测值进行分类，”线性...
2020-03-12 17:50:04
199
原创 机器学习学习笔记（六）--支持向量机
专业词汇鲁棒性（Robustness）支持向量机（Support Vector Machine）"间隔" (margin)最大|间隔 (maximum margin)个凸二次规划(convex quadratic programming) 问题"对偶问题" (dual problem)KKT (Karush-Kuhn-Tucker)SMO (Sequential Minimal O...
2020-03-10 11:15:51
381
原创 拉格朗日乘子法
目录简要描述物理含义应用等式约束不等式约束简要描述变量受一个或多个条件所限制的多元函数求极值的方法将一个----有n 个变量----与----k 个约束条件----的最优化问题转换为一个有----(n + k)个变量----的方程组的极值问题，其变量不受任何约束物理含义目标函数的等值线族（C即目标函数的值）曲线L是约束条件1，约束条件是等式：约束是一条曲线2，约束条件是不...
2020-03-04 15:05:53
409
matlab机器人工具箱实现机械臂直线轨迹&圆弧轨迹规划
2020-05-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人