摘要: 上接 "python 函数式编程学习笔记" 参考:www.sigai.cn/ 1 函数式编程概述 前提:函数在 Python 中是⼀等对象 工具: built in ⾼阶函数; lambda 函数; operator 模块; functools 模块 模式:闭包与装饰器 替代:⽤用 List Com阅读全文
posted @ 2018-12-05 22:05 xinet 阅读(53) 评论(0) 编辑
摘要: 常用网站: "官方文档" "Github (latest development)" NetworkX官方介绍: ======== NetworkX (NX) is a Python package for the creation, manipulation, and study of the s阅读全文
posted @ 2018-08-05 22:31 xinet 阅读(446) 评论(0) 编辑
摘要: 矩阵 参考: "机器学习基础" 一般而言,一个对象应该被视为完整的个体,表现实中有意义的事物,不能轻易拆分。 对象 是被特征化的客观事物,而 表 (或矩阵)是容纳这些对象的容器。换句话说,对象是表中的元素,表是对象的集合(表中的每个对象都有相同的特征和维度,对象对于每个特征都有一定的取值)。 分类 阅读全文
posted @ 2018-06-02 20:27 xinet 阅读(754) 评论(3) 编辑
摘要: 目标:介绍如何对图像数据进行预处理使训练得到的神经网络模型尽可能小地被无关因素所影响。但与此同时,复杂的预处理过程可能导致训练效率的下降。为了减少预处理对于训练速度的影响,TensorFlow 提供了多线程处理输入数据的解决方案。 TFRecord 输入数据格式 TensorFlow 提供了一种统一阅读全文
posted @ 2017-12-13 20:25 xinet 阅读(7516) 评论(0) 编辑
摘要: 郑捷《机器学习算法原理与编程实践》学习笔记(第一章 机器学习基础) 机器学习 对象 是指含有一组特征的行向量,也称为 特征向量 。 一般而言,一个对象应视为完整的个体,代表现实中有意义的事物,不能轻易拆分。 对于文本类数据集,需要首先生成词袋列表,再将每个词出现的词频数值化。 例如: 1. My d阅读全文
posted @ 2017-12-06 20:41 xinet 阅读(141) 评论(0) 编辑
摘要: TensorFlow 中维护的集合列表 在一个计算图中,可以通过集合( )来管理不同类别的资源。比如通过 函数可以将资源加入一个或多个集合中,然后通过 获取一个集合里面的所有资源(如张量,变量,或者运行TensorFlow程序所需的队列资源等等)。比如,通过 获得总损失。 |集合名称|集合内容|使用阅读全文
posted @ 2017-11-09 19:54 xinet 阅读(7824) 评论(0) 编辑
摘要: 提供了通过变量名称来创建或者获取一个变量的机制,通过这个机制,在不同的函数中可以直接通过变量的名字来使用变量, 而不需要将变量通过参数的形式到处传递,避免了参数太多而不好管理的情况出现。此机制通过 和 函数实现。 1. 可通过 来创建变量; 2. 函数可创建(创建的功能基本等价于 )或者获取一个变量阅读全文
posted @ 2017-11-03 13:48 xinet 阅读(1321) 评论(0) 编辑
摘要: 1 计算模型 —— 计算图(Graph) 更多参考: "数据流图" 中的所有计算都会被转化为计算图上的节点。 是一个通过计算图的形式来表述计算的编程系统。 中的每个计算都是计算图的一个 节点 ,而节点之间的 边 描述了计算之间的依赖关系。 TensorFlow 的计算模型是有向图,采用 数据流图 (阅读全文
posted @ 2017-10-06 20:26 xinet 阅读(3604) 评论(3) 编辑
摘要: "参考资料" __网络爬虫__(又被称为 ,在FOAF社区中间,更经常的称为 ),是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。 其实通俗的讲就是通过程序去获取web页面上自己想要的数据,也就是自动抓取数据 爬虫的本质 :模拟浏阅读全文
posted @ 2017-08-23 22:26 xinet 阅读(867) 评论(1) 编辑
摘要: 介绍了一些关于序列,字典(映射),集合的知识。其中序列中详细的说明了一些关于列表的知识点。阅读全文
posted @ 2017-08-17 19:18 xinet 阅读(264) 评论(0) 编辑
摘要: 参考: "在用VSCode? 看完这篇文章, 开发效率翻倍!最后一条厉害了~" "Visual Studio Code(VS code)你们都在用吗?或许你们需要看一下这篇博文" 1. 按下 ,再按下 ,查看快捷键列表。 2. 按下 ,弹出搜索栏: 直接输入关键字,在所有文件中搜索特定符号;在搜索栏阅读全文
posted @ 2019-06-11 14:52 xinet 阅读(94) 评论(0) 编辑
摘要: "微软:计算机视觉" "A Beginner's Guide To Understanding Convolutional Neural Networks" "阮一峰:图像与滤波" "专知:计算机视觉" 位、字节和字 位 (bit):最小的存储单元,可以存储 0 或 1; 字节 (byte):1 b阅读全文
posted @ 2019-06-05 09:42 xinet 阅读(18) 评论(0) 编辑
摘要: "GitHub Actions 介绍,了解一下?"阅读全文
posted @ 2019-06-05 09:35 xinet 阅读(14) 评论(0) 编辑
摘要: "tf.function和Autograph使用指南 Part 1" "“Keras之父发声:TF 2.0 + Keras 深度学习必知的12件事”" "Effective TensorFlow 2.0"阅读全文
posted @ 2019-06-04 13:49 xinet 阅读(18) 评论(0) 编辑
摘要: 科大讯飞 网站:https://www.iflytek.com/ 比赛:http://challenge.xfyun.cn/2019/ AI 大学:https://www.aidaxue.com/ 华为 "极客创新大赛" 阿里 "天池大数据竞赛" "AI 学习"阅读全文
posted @ 2019-06-04 09:35 xinet 阅读(21) 评论(0) 编辑
摘要: "论文" "论文翻译" Faster R CNN 主要分为两个部分: RPN(Region Proposal Network)生成高质量的 region proposal; Fast R CNN 利用 region proposal 做出检测。 在论文中作者将 RPN 比作神经网络的 注意力机制 (阅读全文
posted @ 2019-03-31 15:41 xinet 阅读(412) 评论(0) 编辑
摘要: Iou 的计算 我们先考虑一维的情况:令 $A = [x_1,x_2], B = [y_1, y_2]$,若想要 $A$ 与 $B$ 有交集,需要满足如下情况: 简言之,要保证 $A$ 和 $B$ 的最大值中最小的那个减去它们中的最小值中最大的那个即可获得公共部分,代码实现如下: 先创建一个可以用来阅读全文
posted @ 2019-03-28 23:26 xinet 阅读(431) 评论(0) 编辑
摘要: 函数的参数如下形式: 下面解释一下 :首先 会收集 或者 创建的参数字典,然后直接传入 hybrid_forward 中: {'xs': Constant slicelike12_x_ (shape=(10, 10), dtype=), 'ys': Parameter slicelike12_y_ 阅读全文
posted @ 2019-03-27 22:37 xinet 阅读(132) 评论(0) 编辑
摘要: aspect ratios:高宽比率 假设 window 的尺寸为:$(w, h)$,锚框的尺寸为:$(w_1, h_1)$,则有: $$ \begin{cases} \frac{w_1h_1}{wh} = s^2\\ \frac{h_1}{w_1} = \frac{h}{w} r \end{cas阅读全文
posted @ 2019-03-24 13:59 xinet 阅读(117) 评论(0) 编辑
摘要: 简书 "目标检测 " 其中 参数化 是指: $$ \begin{cases} t_{\text{x}} = \frac{x x_{\text{a}}}{w_{\text{a}}}, \quad t_{\text{y}} = \frac{y y_{\text{a}}}{h_{\text{a}}},\\阅读全文
posted @ 2019-03-21 19:04 xinet 阅读(97) 评论(0) 编辑