摘要： 最近完成了一个以图搜图的项目，项目总共用时三个多月。记录一下项目中用到机器学习的地方，以及各种踩过的坑。总的来说，项目分为一下几个部分： 一、训练目标函数 1、 设定基础模型 2、 添加新层 3、 冻结 base 层 4、 编译模型 5、 训练 6、 保存模型 二、特征提取 三、创建索引 四、构建服 阅读全文

摘要： def save_obj_to_file(path, target_obj): file = open(path,'wb') pickle.dump(target_obj) file.close() def load_obj_from_file(path): file = open(path,'rb') return pickle.load(file... 阅读全文

摘要： 自定义日志文件 nohup your_command > my_nohup.log 2>&1 & #（将日志输出在my_nohup.log文件中，并将stderr重定向至stdout） https://blog.csdn.net/u011762313/article/details/50986444 阅读全文

摘要： 转 https://blog.csdn.net/yelena_11/article/details/53404892 阅读全文

摘要： import numpy as np np.random.seed(123) // 每次生成随机数保持一致 numpy.random.random()　生成随机浮点数，数值大小 0.0 ~ 1.0 之间 np.random.random((2,3)) // 创建 2 x 3 矩阵， 数值大小在 0 阅读全文

摘要： 最近在使用 python 搞服务， 简单配置了一个 vim， 配置了自动补全以及背景色 。（ps:搜狗输入法快捷键占用真是太坑爹，改用谷歌输入法，世界安静了） 具体配置如下： 一、 安装插件 1、克隆 Vundle 到本地： git clone https://github.com/VundleVi 阅读全文

摘要： 园子里头看到了一些最基础的 keras 入门指导， 用一层网络，可以训练一个简单的线性回归模型。 自己学习了一下，按照教程走下来，结果不尽如人意，下面是具体的过程。 第一步： 生成随机数据，绘出散点图 散点图如下： 二、创建网络模型 三、模型编译 四、模型训练 五、测试模型 输出结果： 此次训练所得 阅读全文

该文被密码保护。 阅读全文

摘要： 概述 针对目标图像（具有统一特征的图像），进行基于深度学习技术的模型训练，通过调优模型结构与参数，得到对于指定图像具有提取特征信息的模型 M。将库中所有图像通过 M 提取出特征信息，并将特征信息存储在ceph 中，所有特征信息提取完成后，创建多叉树索引。当用户上传图片查找时，用 M 提取图片的特征信 阅读全文

摘要： Amazon s3 是一种分布式的对象存储。用键值对的方式，来存储数据。其中，存入的所有数据都是一个对象（object），每一个对象都有一个键（key）存在。 具有非常方便的 web 访问接口，以及权限控制。 下面是具体读、写、判断三个接口的具体实现 1. 创建一个 bucket 2. 写入文件 写 阅读全文