原创 個性化召回算法綜述

1.什麼是個性化召回? 召回是從item中選取一部分作爲候選集。  這裏就存在一個問題,就是說爲什麼要選取一部分作爲作爲候選集,而不是全部?其原因在於:1.不同的用戶不會喜歡所有類型的item;2.基於服務性能的考慮,如果選擇了全部的it

原创 圖像風格轉換原理--V1

卷積神經網絡能夠學到比較抽象的特徵表示,所以它纔有能力去將生成問題做比較好的解決。 接下來看一下圖像風格轉換V1算法是如何利用之間的這種特性解決圖像風格轉換的這一問題的? 首先:對於圖像風格轉換來說,需要有兩張圖進行組合。 第一張圖叫做內

原创 圖像增強實戰(vgg-tensorflow-data_aug)

  本文是在《tensorflow查看VGG》的基礎上進行圖像增強的,添加圖像增強的代碼可以有兩處: 1. 在tensorflow的計算圖的構建過程中,將圖像增強的方法給應用到x_image上去。 2. 我的圖像是使用一個叫做feed_d

原创 卷積神經網路調參--數據增強

數據增強: 和網絡沒有比較大的關係,而是在數據層面做處理。 比較常用的方法有:歸一化、圖像變換、色彩變換、多尺度。 歸一化: 將數據歸一化到一定的區間內,使網絡更容易學習。 圖像變換: 也就是爲了使數據變多,方式有:對圖像進行翻轉、拉伸、

原创 卷積神經網絡的應用--圖像風格轉換

有監督問題:就是說在問題上是有反饋信息的。比如說圖像分類中的圖像類別就是信息,是會被人標註出來,然後用到神經網絡中去學習的。 eg:圖像分類、圖像物體檢測等等 無監督問題:它的結果是不存在的,我們要從無到有的去構建它,是一個生成式的問題。

原创 Jupyter Notebook出現kernel error FileNotFoundError: [WinError 2] 系統找不到指定的文件

注意:本文是接着《《純小白 》win10安裝tensorflow,並運行在jupyter notebook上》寫的。 問題: 解決辦法: 1. 首先在cmd 使用jupyter kernelspec list查看安裝的內核和位置 2.

原创 解決 No module named 'matplotlib'

聲明: 1. 我是在jupyter notebook上出現的問題,jupyter notebook是在anaconda上進行安裝的,同時tensorflow也是在anaconda上安裝的。 2. 並且,我的各種默認地址都進行了改變,都安裝

原创 《純小白 》win10安裝tensorflow

  1.下載anaconda 網址:https://www.anaconda.com/download/ 打開網址之後就可以見到上圖。 我安裝的是python3.7版本中的64位,直接點擊就可以,然後等待下載。 2.安裝anaconda

原创 Tensorboard查看VGG

1.導入數據包:cifar-10-batches-py import tensorflow as tf import os import pickle as pk import numpy as np CIFAR_DIR = "./c

原创 Tensorflow數據模型--張量

張量是Tensorflow管理數據的形式。 1.張量的概念 在Tensorflow程序中,所有的數據都通過張量的形式來表示。 張量可以被簡單的理解爲多維數組。其中零階張量表示標量,也就是一個數;第一階張量爲向量,也就是一個一維數組;第n階

原创 Tensorflow計算模型--計算圖

計算圖是tensorflow中最基本的一個概念,Tensorflow中的所有計算都會被轉化爲計算圖上的節點。 1.計算圖的概念 Tensorflow的名字中已經說明它最重要的兩個概念--Tensor和Flow。Tensor就是張量,在Te

原创 Protocol Buffer

Protocol Buffer是谷歌開源的處理結構化數據的工具。Protocol Buffer是Tensorflow系統中使用到的重要工具,Tensorflow中的數據基本都是通過Protocol Buffer來組織的。 什麼是結構化的數

原创 python中的pickle模塊

pickle模塊: 它可以序列化對象並保存到磁盤中,並在需要的時候讀取出來,任何對象都可以執行序列化操作。 那麼什麼又是序列化呢? 簡單來說,序列化就是用來處理對象流的機制。所謂對象流也就是將對象的內容進行流化,流的概念這裏不用多說(就是

原创 python中的os模塊

什麼是os模塊? os 模塊提供了非常豐富的方法用來處理文件和目錄。 方法: 1 os.access(path, mode) 檢驗權限模式 2 os.chdir(path) 改變當前工作目錄 3 os.chflags

原创 機器學習之異常檢測

只利用輸入樣本的無監督異常檢測方法: 局部異常因子 支持向量機異常檢測 基於密度比的異常檢測 1.局部異常因子: 概念:指對偏離大部分數據的異常數據進行檢測的方法。 步驟: 可達距離: 表示訓練樣本中距離x的第k近的樣本。 局部可達