08 2022 档案
摘要：(i) non-discriminatory features that are on the object, (ii) background features within the ground-truth box, and (iii) occluders
阅读全文
摘要：问题一:既然示例没有标记那他的正负怎么判断？我猜应该是做少量标记。 问题二:多示例会不会导致模型对一张图片预测的不准？因为标签只是正负包是不是只能做一些粒度比较大的任务？ 感觉多示例可以看成多通道啊，最后给个包得分也没啥问题吧？ 因为序列不变性，所以不能是多通道，不太懂特征提取层怎么弄。 多示例的构
阅读全文
摘要：一个分子可以有多个low-engergy shape，但是在当时学者们只能判断一个分子能否制成药物，而不能判断到底是分子的哪个low-energy shape在起作用。假如我们用常见的分类算法，把所有能制药的分子的low-energy shape当作正例，反之当作负例。那么我们的训练结果会非常不准确
阅读全文
摘要：在机器学习中，多示例学习(Multiple Instance Learning 简称 MIL)是由监督型学习算法演变出的一种方法，定义“包”为多个示例的集合，具有广泛的应用。学习者不是接收一组单独标记的实例，而是接收一组带标签的包，每个包拥有多个实例。在多实例二进制分类的简单情况下，如果包中的所有实
阅读全文
摘要：test_image = 'images/hand.jpg' oriImg = cv2.imread(test_image) # B,G,R order w=body_estimation(oriImg)#直接存w0就行。 np.save('input.npy',oriImg) np.save('o
阅读全文
摘要：import numpy as np out1=np.load('output1.npy') out2=np.load('output2.npy') t1=np.load('t1.npy') t2=np.load('t2.npy') result = np.absolute(np.array(out
阅读全文
摘要：MindConverter将PyTorch(ONNX)模型快速迁移到MindSpore框架下使用。 第一步:pytorch模型转onnx: import torch # 根据实际情况替换以下类路径 from customized.path.to.pytorch.model import PyTorc
阅读全文
摘要：@表示本地机器的相对路径，不能直接使用pip requiremen.txt.需要 pip list --format=freeze > requirements.txt 在安装
阅读全文
摘要：就是找到工具解析pytorch的pth文件的权重，构建计算图生成mindspore框架。
阅读全文
摘要：da=torchvision.transforms.Compose([torchvision.transforms.ToTensor()])#必须有这步否则会出现 default_collate: batch must contain tensors, numpy arrays, numbers,
阅读全文
摘要：i=0 dir_fold="E:/1深度学习/cifar-100/imag/mini-imagenet/100/mini-imagenet/images" dir_fold1="E:/1深度学习/cifar-100/imag/mini-imagenet/100/mini-imagenet/train
阅读全文
摘要：path='test.csv' data=pd.read_csv(path) x=data['label'] xt=x.drop_duplicates( keep='first', inplace=False) xt=xt.values for i in range(len(xt)): dir="E
阅读全文
摘要：imageFolde读取数据集标签即是文件夹名称配合DataLoader即可组成可迭代数据集。
阅读全文
摘要：for i in range(len(w1)): lable=w1[i] if lable in w1: w=w.replace(lable,i) print(i) print(w) w1是numpy类型的数据结构。w是DataFrame类型的数据结构。
阅读全文
摘要：w是Series类型的数据结构 w1=w.values for i in range(len(w1)): print(w1[i])
阅读全文
摘要：import pandas as pd import csv path='test.csv' data=pd.read_csv(path) x=data['label'] xt=x.drop_duplicates( keep='first', inplace=False) path1='val.cs
阅读全文
摘要：import pandas as pd import csv with open('test.csv','r') as csvfile: r = csv.reader(csvfile) for row in r: print(row[0],row[1]) import matplotlib.pypl
阅读全文
摘要：trainset, testset = train_test_split(img_data, test_size = 0.2)
阅读全文
