原创 機器學習算法梳理—XGB

文章目錄一、算法原理二、損失函數三、正則化四、目標優化1.貪心算法(1)完善目標函數的定義(2)求最優值(3)求樹結構2.近似算法。五、對缺失值處理六、優缺點參考文獻 一、算法原理 XGBoost是Extreme Gradient

原创 關於opencv圖片顯示和保存問題

問題1:在jupyter中用opencv打開圖片出現卡頓(未響應) 解決方法:在末尾加上waitKey和destroyAllWindows. cv2.imshow("object",img_cp) cv2.wai

原创 一文搞懂目標檢測

文章目錄一、計算機視覺四大任務二、目標檢測1.相關概念(1)交併比IOU(2)非極大值抑制NMS(3)邊界迴歸(Bounding-box regression )2.R-CNN(1)候選區域選擇(2)CNN特徵提取(3)分類與邊界

原创 基於sklearn波士頓房價預測——線性迴歸實戰

文章目錄一、導入庫和數據二、數據可視化三、數據處理1.異常數據處理2.數據分割3.數據歸一化四、模型訓練和評估 一、導入庫和數據 from sklearn.datasets import load_boston import ma

原创 PyTorch實現AlexNet模型及參數詳解

文章目錄一、卷積池化層原理二、全連接層原理三、模型參數詳解注:AlexNet論文錯誤點1.卷積池化層1(1)卷積運算(2)分組(3)激活函數層(4)池化層(5)歸一化處理(6)參數數量2.卷積池化層2(1)卷積運算(2)分組(3)

原创 PreScan與MATLAB聯合仿真報錯

一、 問題: Error:Matlab ||和&&運算符的操作數必須能夠轉換爲邏輯標量值 二、解決方法 必須安裝VS2013(我裝的VS2017不行的),然後重啓prescan和MATLAB,編譯通過,界面如下: 三、VS201

原创 pytorchj教程

PyTorch入門及實戰 文章目錄1.PyTorch基礎1.1Tensor和Variable1.2 自動求導2.神經網絡基礎2.1 線性模型實戰2.2 邏輯迴歸實戰2.3 多層神經網絡實戰2.4 深層神經網絡實戰2.5 優化算法2.5

原创 PyTorch入門及實戰

PyTorch入門及實戰 文章目錄1.PyTorch基礎1.1Tensor和Variable1.2 自動求導2.神經網絡基礎2.1 線性模型實戰2.2 邏輯迴歸實戰2.3 多層神經網絡實戰2.4 深層神經網絡實戰2.5 反向傳播算法2

原创 特徵工程介紹

特徵工程基礎知識 文章目錄1.特徵工程是什麼2.數據預處理2.1 無量綱化2.1.1 標準化2.1.2 區間縮放法2.1.3 歸一化2.2 特徵二值化2.3 獨熱編碼2.4 缺失值計算3.特徵選擇3.1 Filter(過濾法)3.1.

原创 anaconda安裝TensorFlow報錯

1.警告 You are using pip version 18.1, however version 19.0.3 is available. You should consider upgrading via the 'pyth

原创 python安裝OpenCV後報錯:“DLL load failed: 找不到指定的模塊”

報錯信息 在安裝opencv-python後,輸入:import cv2 as cv,後報錯:DLL load failed: 找不到指定的模塊 報錯分析 cv2文件部分缺少部分dll文件。每個人的電腦環境不同,缺失的文件不同。 解決

原创 kaggle蛋白質比賽分析

一、數據準備 蛋白質數據比賽採用了kaggle官網提供的數據集,以及額外的人類蛋白質圖譜網站的數據集:https://www.proteinatlas.org/ 二、數據增強 數據增強目的: 增加訓練的數據量,提高模型的泛化能力。即

原创 PyTorch實現數據增強(kaggle環境)

一、數據增強方法: 1. 對圖片進行比例縮放 2. 對圖片進行隨機位置的截取 3. 對圖片進行隨機水平和豎直翻轉 4. 對圖片進行隨機角度的旋轉 5. 對圖片進行亮度、對比度和顏色隨機變化 二、Torch中已經把這些方法內置在了tor

原创 PyTorch實現VGG

import numpy as np import torch from torch import nn from torch.autograd import Variable 定義VGG的block VGG幾乎全部使用3x3的卷積

原创 PyTorch實現卷積和池化(kaggle環境)

import numpy as np import torch from torch import nn from torch.autograd import Variable from PIL import Image import