1 dlib库介绍 dlib官网:http://dlib.net/dlib模型文件和源码下载:http://dlib.net/files/ dlib介绍 dlib人脸检测与人脸识别 2 dlib人脸检测:绘制出人脸检测框 2.1 dlib人脸检测源码 1、人脸检测,dlib官方例子face_detector.py face detector 这个人脸检测器是使用现在经典的直
前言 本系列文章架构概览: 本文将介绍基本遗传算法在解决优化问题中的应用,通过实验展示其基本原理和实现过程:选取一个简单的二次函数作为优化目标,并利用基本遗传算法寻找其在指定范围内的最大值。 2. 基本遗传算法(SGA) 基本遗传算法(Simple Genetic Algorithm : SGA)又称为简单遗传算法,使用选择算子、交叉算子和变异算子这三种基本的遗传算子,操作简单、容易
目录 朴素贝叶斯算法编辑 朴素贝叶斯的三种方式 实战——对新闻文本进行文本分类 朴素贝叶斯算法 贝叶斯定理 贝叶斯定理(Bayes Theorem)也称贝叶斯公式,是关于随机 事件的条件概率的定理 定理内容: 如果随机事件A1 ,A2 ,...,An构成样本空间的一个划分(不重、不 漏),且都有正概率,则 对任何一个事件B(P(B)>0),有
前言 本系列文章架构概览: 本文将介绍基本遗传算法在解决优化问题中的应用,通过实验展示其基本原理和实现过程:选取一个简单的二次函数作为优化目标,并利用基本遗传算法寻找其在指定范围内的最大值。 1. 遗传算法(GA)简介 遗传算法是一种概率搜索算法,它使用达尔文的自然选择原则,并使用在自然发生的遗传操作(如交叉(重组)和突变)之后形成的操作,迭代地将一组数学对象(通常是固定长度的二进制
一、F值在之前的学习中,我们已经学习了精确率Precision和召回率Recall,有没有这样一个值能够综合得考虑这两个值呢?如果只是简单地计算平均值并不算很好的方法。假设现在有两个模型,它们的精确率和召回率是这样的: 模型 B 的召回率是 1.0,也就是说所有的 Positive 数据都被分类为 Positive 了,但是精确率也实在是太低了。如果将所有的数据都分类为 Positive,那么召
感觉这个不常用,但用到了不会就很尴尬了! 增加维度主要是用tf.expand_dims()这个方法,降低维度用的是tf.squeeze()这个方法。下面我放上这两个函数的源代码,其实自己稍微看一下就懂了。 def expand_dims(input, axis=None, name=None, dim=None): """Inserts a dimension of 1 into a t
卷积神经网络(DenseNet)识别Fashion-MNIST数据集(Pytorch版) 1. 前言 1.1 案例介绍 1.2 环境配置 1.3 模块导入 2. 图像数据准备 2.1 训练验证集的准备 2.2 测试集的准备 3. 卷积神经网络的搭建 3.1 稠密块的创建 3.2
Double DQN算法 问题 DQN 算法通过贪婪法直接获得目标 Q 值,贪婪法通过最大化方式使 Q 值快速向可能的优化目标收敛,但易导致过估计Q 值的问题,使模型具有较大的偏差。即:对于DQN模型, 损失函数使用的Q(state) = reward + Q(nextState)maxQ(state)由训练网络生成, Q(nextState)max由目标网络生成 这种损失函数会存在问题,即
Vison Transformer学习笔记 1. 前言 2. 网络结构&设计原理 2.2.1 Layer Normalization 2.2.2 Multi-Head Attention 2.2.3 Dropout/DropPath 2.2.4 MLP Block 2.2.3.1 Dropout 2.2.3
参考视频:莫烦python https://mofanpy.com/tutorials/python-basic/multiprocessing/why/ 1.创建进程 # -*- coding: utf-8 -*- import multiprocessing as mp import threading as td def job(a,b): print(
用tensorflow将图片灰度化,很简单的一个问题,几句代码就OK了。但是这里边有很多坑,稍不留神,半天都不一定找得到原因。我下面说说我遇到的坑,希望看到这篇博客的你,别遇到。 先给代码,再介绍我遇到的坑: import tensorflow as tf import numpy as np import matplotlib.pyplot as plt from keras_prep
win10似乎不太支持mujoco210+,但是如果直接命令行 pip install mujoco-py 就会安装上适配于mujoco210的mujoco-py,所以还是要手动装 参考链接:https://zhuanlan.zhihu.com/p/383655571 1.下载安装mujoco150 链接:https://www.roboti.us/index.html 下载mjpro15
1.加载数据集,并对数据集进行增强,类型转换官网cifar10数据集附链接:https://www.cs.toronto.edu/~kriz/cifar.html读取数据过程中,可以改变batch_size和num_workers来加快训练速度 transform=transforms.Compose([ #图像增强 transforms.Resi
参考视频:莫烦python https://mofanpy.com/tutorials/machine-learning/torch/torch-numpy/ 0.Pytorch 安装 官方网站安装链接:https://pytorch.org/get-started/locally/ 选择合适的选项,比如想要有 gpu 加速,就选择对应的 cuda 版本。查看自己的 cuda 版本用 nv
深度学习Pytorch框架学习之Mnist数据识别简单程序 代码 平台notebooks #!/usr/bin/env python # coding: utf-8 # In[31]: import numpy as np from torch import nn,optim from torch.autograd import Variable from torch
搜罗了网上一些关于如何在python中实现海康威视相机的连接与画面播放的资料,最直接的方式是通过rtsp流来实现。 海康的rtsp协议格式如下(参考:海康相机使用RTSP): rtsp://[username]:[passwd]@[ip]:[port]/[codec]/[channel]/[subtype]/av_stream 主码流:rtsp://admin:12345@192.168.1
Tensorflow官方文档中文版学习纪要 上篇MNIST的正确率只有91%,本篇文章用卷积神经网络来改善效果。准确率预计99.2%; 参考:http://blog.csdn.net/smf0504/article/details/56666229 # coding=utf-8 import tensorflow as tf # import data
参考视频:莫烦python https://mofanpy.com/tutorials/python-basic/threading/why/ 1.多线程简单介绍 # -*- coding: utf-8 -*- import threading def main(): print(threading.active_count()) #运行的线程个数 print(t
LeViT是FAIR团队发表在ICCV2021上的成果,是轻量级ViT模型中的标杆,文章对ViT中多个部件进行的改进,如加速策略等,对很多工程化铺设ViT系列模型都是很有借鉴意义的。按说,近期出现的优质模型非常多,各种冲击SOTA的,详情可戳我整理的小综述《盘点2021-2022年出现的CV神经网络模型》。但我为何会单独对LeViT拿出来进行详细剖析呢?原因很简单:LeViT非常工程实用,是一款足
(我是用的是Linux的Ubuntu进行桌面应用开发) 1.新建等基本命令 1.√桌面点击右键 选择 Open Terminal 打开终端 √pwd 打印当前在哪个目录 √ls 列出当前路径下的文件和目录 √mkdir 目录名 新建目录 √cd 目录名 进到指定目录 √python 运行 Python 解释器 √print “Hello World” 代码
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信