牛郎

摘要： # -*- coding: utf-8 -*- """ lsomap """ import numpy as np import matplotlib.pyplot as plt from sklearn import datasets,manifold def load_data(): ''' 加载用于降维的数据 :return: 一个元组，依次为训练... 阅读全文

摘要： 写python代码时候，如：A = 0，B = A，B = 1， 有时候会发现A变成了1，那么怎么办呢？ 以下是伪代码： 这样无论怎么折腾X_， X的值都不会变了 阅读全文

摘要： import numpy as np import sklearn from sklearn.manifold import TSNE import cv2 # Random state. RS = 20150101 import pandas as pd import matplotlib.pyp 阅读全文

摘要： 如： 阅读全文

摘要： 在网上找到的Auto-keras API详解，非常全面，防止丢失记录在这！ Auto-Keras API详解（1）——安装Auto-Keras https://blog.csdn.net/weixin_42499236/article/details/84306367 Auto-Keras API详 阅读全文

摘要： 用keras训练模型并实时显示loss/acc曲线，（重要的事情说三遍：实时！实时！实时！）实时导出loss/acc数值（导出的方法就是实时把loss/acc等写到一个文本文件中，其他模块如前端调用时可直接读取文本文件），同时也涉及了plt画图方法 ps：以下代码基于网上的一段程序修改完成，如有侵权 阅读全文

摘要： loss是训练集的损失值，val_loss是测试集的损失值 以下是loss与val_loss的变化反映出训练走向的规律总结： train loss 不断下降，test loss不断下降，说明网络仍在学习;（最好的） train loss 不断下降，test loss趋于不变，说明网络过拟合;（max 阅读全文

摘要： 简而言之，当训练样本数量不变，分类器性能会随着选取的特征维度的增大先增大后减小，也就是说只有在特征维度数量和样本数量稳定在一定范围内，分类器性能才会最优，但目前没有什么固定的方法去计算二者之间的关系。 过拟合就是当训练样本数量不变，分类器性能随着特征维度增大而减小，直观的体现就是测试训练样本分数很高 阅读全文

摘要： 1. 查看git用户配置 2. 查看git邮箱配置 3. 配置git用户 4. 配置git邮箱 PS：如果这些东西不配置好的话，你的代码提交，在github上就会显示是别人的提交！！！ 阅读全文

摘要： 内容涉及：二值图像转换 / 检测连通区域面积 / 在原图上画框等 阅读全文