上一页 1 ··· 5 6 7 8 9 10 11 12 13 ··· 19 下一页
摘要: 最近发现在python语言中很多模型的继承类喜欢使用super()函数来调用父类,我也看了一些其它博客的解释,发现有些含混,令读者无法很快理解。因此,本博客进对super()函数进行易懂哦那个的解释如下: 一. super()函数的定义及解释。 super() 函数是用于调用父类(超类)的一个方法。 阅读全文
posted @ 2020-02-23 15:24 tangjunjun 阅读(846) 评论(0) 推荐(0) 编辑
摘要: 关于mask-rcnn 网络模型resnet101或resnet50的结构,相信很多读者都能理解,或许还会觉得这一部分源码解读较为容易。而之后原始数据的处理及rpn网络之后的数据处理较难,为此本文解决前者问题。主要处理问题如下: 1.给定原始图片大小,如何处理成模型训练的图片尺寸及处理对应的mask 阅读全文
posted @ 2020-02-20 17:27 tangjunjun 阅读(2224) 评论(0) 推荐(0) 编辑
摘要: 决策树算法的理解及实现 本文基本复制原文来源:http://www.cnblogs.com/lliuye/p/9008901.html,我个人认为已经非常详细了,所有理论基本来自周志华《机器学习》的决策树章节! 我主要是将该博客提供的源码进行了实践与大量注解,以便读者更容易理解。而为了读者方便理解, 阅读全文
posted @ 2020-02-19 16:44 tangjunjun 阅读(1513) 评论(0) 推荐(0) 编辑
摘要: 线性回归形如y=w*x+b的形式,变量为连续型(离散为分类)。一般求解这样的式子可采用最小二乘法原理,即方差最小化, loss=min(y_pred-y_true)^2。若为一元回归,就可以求w与b的偏导,并令其为0,可求得w与b值;若为多元线性回归, 将用到梯度下降法求解,这里的梯度值w的偏导数, 阅读全文
posted @ 2020-02-16 14:13 tangjunjun 阅读(1905) 评论(0) 推荐(0) 编辑
摘要: 本篇博文讲解生成器,主要介绍2个方面,其一为原理,其二为完整代码运行及注解说明。 一.生成器原理 生成器却不同,它可以实现在迭代的同时生成元素。 也就是说,对于可以用某种算法推算得到的多个数据,生成器并不会一次性生成它们,而是什么时候需要,才什么时候生成。 不仅如此,生成器的创建方式也比迭代器简单很 阅读全文
posted @ 2020-02-13 22:29 tangjunjun 阅读(1052) 评论(0) 推荐(0) 编辑
摘要: yaml文件的读取与保存 # 读取yaml文件with open('C:\\Users\\51102\\Desktop\\123\\info.yaml') as f: temp = yaml.load(f.read(), Loader=yaml.FullLoader) labels = temp[' 阅读全文
posted @ 2020-01-18 23:30 tangjunjun 阅读(10646) 评论(0) 推荐(0) 编辑
摘要: 先将代码写上,后期有时间在写上文字注释:代码展示: # -*- coding: utf-8 -*-"""支持向量机代码实现SMO(Sequential Minimal Optimization)最小序列优化by tangjunjun"""import numpy as np# 核转换函数(一个特征空 阅读全文
posted @ 2020-01-07 23:41 tangjunjun 阅读(231) 评论(0) 推荐(0) 编辑
摘要: 我看了很多博客,也看了一些github大神的源码,很多基于一个版本改写而成。会将代码分成很多小.py文件,如建立YOLO3网络模块就会用一个.py文件, 如建立共用iou计算就会放在utils.py文件里,这让很多学习者,无从适应。我也为此困惑过,因此我将自己写的代码贡献在博客中,希望给你们有一些帮 阅读全文
posted @ 2020-01-07 00:02 tangjunjun 阅读(1313) 评论(0) 推荐(0) 编辑
摘要: 我看了一些博客,对获得当前路径有很多方法,如os.getcwd()与os.path.abspath(r"."),其中os.path.abspath(r"..")可以得到上一层路径, 然而,有些麻烦,我将利用split与当前路径获取方法,写出函数,可以获得任何上一层绝对路径。该函数有一个参数,用于调节 阅读全文
posted @ 2020-01-05 13:55 tangjunjun 阅读(3989) 评论(0) 推荐(0) 编辑
摘要: 查看了一些博客对HOG算子进行代码实现,该算法常和SVM算法相结合,我个人觉得原因在于,该算法可以提取特征。 该特征是利用图像本身的梯度及角度得到的信息,作为输入的矢量,因此有了svm的输入数据,而后根据每张图对应一个 y标签,则有了训练的真实y值。这样根据svm的分类去训练,将可以对某些目标进行检 阅读全文
posted @ 2019-12-23 23:27 tangjunjun 阅读(2873) 评论(1) 推荐(0) 编辑
上一页 1 ··· 5 6 7 8 9 10 11 12 13 ··· 19 下一页
https://rpc.cnblogs.com/metaweblog/tangjunjun