- 博客(30)
- 收藏
- 关注
RSS订阅原创 深度学习 视觉处理(CNN) day_04
Open Neural Network Exchange（ONNX，开放神经网络交换）格式，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移。50轮次训练完成之后，在tensorboard里面观察到，整体的准确率稳定上升，但是效果还不是很好，此时应该在原训练好的权重参数基础之上继续训练。在原始的已经学习了基本特征的权重参数基础之上，继续进行训练，而不是每次都从0开始。对于不在需要训练的网络层，可以把梯度更新关闭：根据具体需求来，会影响训练效果。以满足调整网络结构后的新模型，主要在全连接层。
2025-04-28 13:29:49
1173
原创 深度学习 视觉处理(CNN) day_01
视觉处理三大任务：图像分类、目标检测、图像分割提取特征，CNN分类、、分割等，具体的业务卷积神经网络是深度学习在计算机视觉领域的突破性成果。在计算机视觉领域, 往往我们输入的图像都很大，使用全连接网络的话，计算的代价较高。另外图像也很难保留原有的特征，导致图像处理的准确率不高。卷积神经网络（Convolutional Neural Network，CNN）是一种专门用于处理具有网格状结构数据的深度学习模型。最初，CNN主要应用于计算机视觉任务，但它的成功启发了在其他领域应用，如自然语言处理等。
2025-04-24 16:07:24
1164
原创 深度学习 从入门到精通 day_05
而是需要根据具体的数据集进行统计计算。这些值是 ImageNet 数据集的统计结果，已成为计算机视觉任务的默认标准。
2025-04-22 18:41:29
1259
原创 深度学习 从入门到精通 day_04
在使用Torch构建网络模型时，每个网络层的参数都有默认的初始化方法，同时还可以通过以上方法来对网络参数进行初始化。当输出层使用softmax多分类时，使用交叉熵损失函数；当输出层使用sigmoid二分类时，使用二分类交叉熵损失函数， 比如在逻辑回归中使用；当功能为线性回归时，使用均方差损失-L2 loss；梯度下降算法通过不断更新参数来最小化损失函数，是反向传播算法中计算权重调整的基础。
2025-04-21 19:55:46
1072
原创 深度学习 从入门到精通 day_03
输入层：确定输入数据的维度。例如，对于一个简单的图像分类任务，输入层的维度可能是图像的像素数量。隐藏层：定义一个或多个隐藏层，每个隐藏层包含一定数量的神经元。隐藏层的数量和每个隐藏层的神经元数量可以根据任务需求调整。输出层：根据任务目标确定输出层的神经元数量。例如，对于一个二分类问题，输出层通常有一个神经元；对于多分类问题，输出层的神经元数量等于类别数。
2025-04-18 20:28:54
1110
原创 深度学习 从入门到精通 day_02
模型（神经网络，深度神经网络，深度学习）定义组件帮助我们在 PyTorch 中定义、训练和评估模型等。名词定义Epoch使用训练集的全部数据对模型进行一次完整训练，被称为“一代训练”Batch使用训练集中的一小部分样本对模型权重进行一次反向传播的参数更新，这一小部分样本被称为“一批数据”Iteration使用一个Batch数据对模型进行一次参数更新的过程，被称为“一次训练”
2025-04-17 20:21:01
1168
原创 深度学习 从入门到精通 day_01
PyTorch是一个基于Python的深度学习框架，它提供了一种灵活、高效、易于学习的方式来实现深度学习模型。PyTorch最初由Facebook开发，被广泛应用于计算机视觉、自然语言处理、语音识别等领域。PyTorch使用张量（tensor）来表示数据，可以轻松地处理大规模数据集，且可以在GPU上加速。
2025-04-16 19:40:09
1503
1
原创 机器学习 从入门到精通 day_05
回归的目的是预测数值型的目标值y。最直接的办法是依据输入x写出一个目标值y的计算公式。假如你想预测小姐姐男友汽车的功率，可能会这么计算：HorsePower = 0.0015 * annualSalary - 0.99 * hoursListeningToPublicRadio，写成中文就是：小姐姐男友汽车的功率 = 0.0015 * 小姐姐男友年薪 - 0.99 * 收听公共广播的时间。
2025-04-14 19:55:12
817
原创 机器学习 从入门到精通 day_04
1. 决策节点 通过条件判断而进行分支选择的节点。如：将某个样本中的属性值(特征值)与决策节点上的值进行比较，从而判断它的流向。 2. 叶子节点 没有子节点的节点，表示最终的决策结果。 3. 决策树的深度 所有节点的最大层次数，决策树具有一定的层次结构，根节点的层次数定为0，从下面开始每一层子节点层次数增加。 4. 决策树优点：可视化 - 可解释能力-对算力要求低。 5. 决策树缺点：容易产生过拟合，所以不要把深度调整太大了。
2025-04-11 18:55:44
1361
原创 机器学习 从入门到精通 day_03
参数:int, default=5，默认情况下用于kneighbors查询的近邻数，就是K。(2)找到近邻的方式，注意不是计算距离的方式，与机器学习算法没有什么关系，开发中请使用默认值'auto'。方法:使用X作为训练数据和y作为目标数据。预测提供的数据，得到预测数据。# 用KNN算法对鸢尾花进行分类# 1）获取数据# 只有4个特征, 150个样本。
2025-04-10 19:04:33
1287
原创 机器学习 从入门到精通 day_02
特征工程:就是对特征进行相关的处理，一般使用pandas来进行数据清洗和数据处理、使用sklearn来进行特征工程。 特征工程是将任意数据(如文本或图像)转换为可用于机器学习的数字特征,比如:字典特征提取(特征离散化)、文本特征提取、图像特征提取。 特征工程步骤为：特征提取， 如果不是像dataframe那样的数据，要进行特征提取，比如字典特征提取，文本特征提取无量纲化(预处理)归一化标准化降维底方差过滤特征选择主成分分析-PCA降维 实例化转换器对象，转换器类
2025-04-08 20:12:44
876
原创 机器学习 从入门到精通 day_01
Python语言机器学习工具Scikit-learn包括许多智能的机器学习算法的实现Scikit-learn文档完善，容易上手，丰富的API接口函数sklearnscikit-learn中文社区玩具数据集的数据量小，数据在sklearn库的本地，只要安装了sklearn，不用上网就可以获取。函数返回现实世界数据集的数据量大，数据只能通过网络获取。函数说明。
2025-04-07 18:54:31
1384
原创 OpenCV 从入门到精通（day_05）
模板匹配就是用模板图（通常是一个小图）在目标图像（通常是一个比模板图大的图片）中不断的滑动比较，通过某种比较方法来判断是否匹配成功。
2025-04-03 15:52:22
1350
原创 OpenCV 从入门到精通（day_04）
直方图是对数据进行统计的一种方法，并且将统计值组织到一系列实现定义好的 bin 当中。其中， bin 为直方图中经常用到的一个概念，可以译为 “直条” 或 “组距”，其数值是从数据中计算出的特征统计量，这些数据可以是诸如梯度、方向、色彩或任何其他特征。
2025-04-02 17:55:42
1363
原创 OpenCV 从入门到精通（day_03）
是在已经计算出图像梯度幅度图像的基础上，进一步细化边缘位置，减少假响应并确保边缘轮廓的一致性和单像素宽度。
2025-04-01 16:58:06
970
原创 OpenCV 从入门到精通（day_02）
直方图是一个柱状图，其中 x 轴表示灰度级（从 0 到 255），y 轴表示对应灰度级在图像中出现的次数（频率）。每个柱子的高度代表该灰度级在图像中出现的像素数量。OTSU算法是通过一个值将这张图分前景色和背景色（也就是灰度图中小于这个值的是一类，大于这个值的是一类。），通过统计学方法（最大类间方差）来验证该值的合理性，当根据该值进行分割时，使用最大类间方差计算得到的值最大时，该值就是二值化算法中所需要的阈值。
2025-03-31 19:29:27
1491
原创 OpenCV 从入门到精通（day_01）
首先要了解线性插值，而双线性插值本质上就是在两个方向上做线性插值。还是给出目标点与原图像中点的计算公式比如我们根据上述公式计算出了新图像中的某点所对应的原图像的点P，其周围的点分别为Q12、Q22、Q11、Q21， 要插值的P点不在其周围点的连线上，这时候就需要用到双线性插值了。首先延申P点得到P和Q11、Q21的交点R1与P和Q12、Q22的交点R2，如下图所示： 。
2025-03-28 19:26:07
1427
原创 Pandas 从入门到精通
Pandas 是一个开源的第三方 Python 库，从 Numpy 和 Matplotlib 的基础上构建而来Pandas 名字衍生自术语 "panel data"（面板数据）和 "Python data analysis"（Python 数据分析）Pandas 已经成为 Python 数据分析的必备高级工具，它的目标是成为强大、灵活、可以支持任何编程语言的数据分析工具Pandas 是 Python 语言的一个扩展程序库，用于数据分析。
2025-03-26 18:42:04
1223
原创 Matplotlib 从入门到精通
Matplotlib 库：是一款用于数据可视化的 Python 软件包，支持跨平台运行，它能够根据 NumPy ndarray 数组来绘制 2D 图像，它使用简单、代码清晰易懂.
2025-03-25 20:00:03
1316
原创 Numpy 从入门到精通
NumPy 的全称是“ Numeric Python”，它是 Python 的第三方扩展包，主要用来计算、处理一维或多维数组，在数组算术计算方面， NumPy 提供了大量的数学函数.
2025-03-24 19:35:51
1387
原创 python 进阶学习后续
一个.py 文件就是一个模块，模块是含有一系列等的程序，把相关功能的函数等放在一起有利于管理，有利于多人合作开发.1. 内置模块（在python3 程序内部，可以直接使用）；2. 标准库模块(在python3 安装完后就可以使用的 )；3. 第三方模块（需要下载安装后才能使用）；4. 自定义模块(用户自己编写).1. 导入一个模块到当前程序（import 模块名 [as 模块新名字1]）.
2025-03-21 20:23:41
1009
原创 python进阶学习 day_03
单下划线 '_' 和双下划线'__'的变量虽然可以直接或间接被访问，但python不建议这么做，而如果需要访问或修改这些属性，应该通过类提供的公共方法' getter ' 和 ' setter ' 来控制对属性的访问和修改 .在这个例子中，'Dog' 和 'Cat' 类并没有继承同一个基类，但它们都实现了 'speak' 方法。是从已有的类中派生出新的类，新类具有原类的数据属性和行为，并能扩展新的能力，其目的是延续旧的类的功能，使用继承派生机制，可以将一些共有功能加在基类中，实现代码的共享 .
2025-03-19 19:29:59
1139
原创 python进阶学习 day_02
接着25_3_17 python进阶学习. 嵌套函数是指在一个函数内部定义的另一个函数，它可以像普通函数一样使用，但通常是作为外部函数逻辑的一部分，内部函数可以将一些复杂的逻辑隐藏在外部函数内部，只暴露必要的接口，隐藏实现细节，具有更强的局部化和封装性. 嵌套函数的外部函数是可以调用内部函数的，并且函数也可以看作是定义在作用域中的数据，在执行函数的时候，要遵循：优先在自己的作用域中寻找，没有则返回到上一层的作用域寻找. 示例1：定义两个全局函数 func，exe
2025-03-18 19:44:00
1225
原创 python进阶学习 day_01
python中形参的定义有五种：位置形参、默认参数、星号元组形参（*args）、命名关键字形参、双星号字典形参（**kwargs）1）位置形参是最常见的参数类型，它们按照定义的顺序传递给函数.def 函数名(形参名1, 形参名2, ...):passprint(result) # 输出: 82）在 Python 中，默认参数在函数定义时只计算一次。建议默认参 数使用不可变对象，或将默认参数设置为 `None`，并在函数内部进行初始化。
2025-03-17 19:27:33
947
原创 python基础学习 day_03
python中默认有4中容器，分别是：列表（list）、字典（dict）、集合（set）、元组（tuple）
2025-03-16 09:38:47
1141
原创 python基础学习 day_02
math 模块中定义的函数较多，下面介绍一些常用的函数：1. math.sqrt(x)：表示计算 x 的平方根.print(result) # 输出: 4.02. math.pow(x, y)：表示计算 x 的 y 次方.print(result) # 输出: 8.03. math.exp(x)：表示计算 e 的 x 次方.print(result) # 输出: 7.3890560989306495。
2025-03-13 19:25:49
844
原创 python基础学习 day_01
1.第一位只能时英文字母或下划线(不能是数字).2.第二位开始只能是英文字母、下划线或者数字.3.标识符区分大小写.4.命名要避免使用python的保留字.5.命名方式有小驼峰，大驼峰和匈牙利命名法等.
2025-03-12 18:47:41
698
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