原创 Python sklearn.cross_validation.train_test_split及混淆矩陣實現

sklearn.cross_validation.train_test_split隨機劃分訓練集和測試集 一般形式: train_test_split是交叉驗證中常用的函數,功能是從樣本中隨機的按比例選取train data和test

原创 Hive基本操作

數據庫操作 查看所有的數據庫 hive> show databases ; 使用數據庫default hive> use default; 查看數據庫信息 hive > describe database defa

原创 機器學習中常用損失函數

1. 損失函數 損失函數(Loss function)是用來估量你模型的預測值 f(x)f(x)值。 2. 常用損失函數 常見的損失誤差有五種: 1. 鉸鏈損失(Hinge Loss):主要用於支持向量機(SVM) 中;

原创 Python 常用操作

整理一些Python數據類型相關的方法,備忘。 1、list to ndarray方法: b = np.array(a) a是list類型,b爲ndarray類型。 2、查看元素類型 type(Object) 3、查看列表的維

原创 Numpy函數

前言:最近學習Python,才發現原來python裏的各種庫纔是大頭! 於是乎找了學習資料對Numpy庫常用的函數進行總結,並帶了註釋。在這裏分享給大家,對於庫的學習,還是用到時候再查,沒必要死記硬背。 PS:本博文摘抄

原创 Pandas 基本操作

python數據分析工具pandas中DataFrame和Series作爲主要的數據結構. 本文主要是介紹如何對DataFrame數據進行操作並結合一個實例測試操作函數。 1)查看DataFrame數據及屬性 df_obj = Dat

原创 Faster RCNN中RPN層源碼解析(基於caffe)

https://blog.csdn.net/sloanqin/article/details/51545125

原创 自然場景文本處理論文整理 (4)PixelLink

paper:https://arxiv.org/abs/1801.01315v1 github:https://github.com/ZJULearning/pixel_link 摘要 大多數最先進的場景文本檢測算法是基於深度學習的方法

原创 caffe源碼理解之inner_product_layer

原文地址:https://www.cnblogs.com/dupuleng/articles/4312149.html 在caffe中所謂的Inner_Product(IP) 層即fully_connected (fc)layer,爲什

原创 tensorflow(六)訓練分類自己的圖片(CNN超詳細入門版)

之前一直用caffe做圖像方面的東西,由於tensorflow環境配置簡單,綜合表現較爲出色,因此打算轉戰tensorflow。學習這個框架,最開始還是要跑一跑文檔中的mnist小程序(具體請參照tensorflow官方文檔)。但是mni

原创 tensorflow(十二)利用seq2seq的Decoder-Encoder機制實現序列生成模型(下)

本文爲利用seq2seq實現單詞序列轉換的代碼,開發環境爲jupyter,tensorflow版本爲1.2.1 實驗數據和程序文件見鏈接:https://pan.baidu.com/s/1YDkaQFvWuKN8KAT1aQ4Z0A 一

原创 自然場景文本處理論文整理(1)Spatial Transformer Networks

paper:Spatial Transformer Networks 在Theano框架中,STN算法已經被封裝成API,可以直接調用。tensorflow實現見文章最後。 1、空間變換器的結構: 這是一個可微分的模塊,它在單個

原创 自然場景文本處理論文整理(3)Mask TextSpotter

這篇論文是2018年7月6號出來的,對於任意形狀的自然文本檢測識別效果非常好。 paper:https://arxiv.org/abs/1807.02242 目前無相關源碼 1.摘要簡介 在本文中,我們提出了一個名爲Mask Text

原创 tensorflow(九)生成式對抗網絡(GAN)上篇----簡介與算法原理

一、簡介 生成式對抗網絡(GAN, Generative Adversarial Networks )是一種深度學習模型,是近年來複雜分佈上無監督學習最具前景的方法之一。 模型通過框架中(至少)兩個模塊:生成模型(Generative

原创 Google機器學習術語表

https://developers.google.cn/machine-learning/glossary/?hl=zh-CN