原创 利用python一層一層可視化卷積神經網絡,以ResNet50爲例

引言 一直以來,卷積神經網絡對人們來說都是一個黑箱,我們只知道它識別圖片準確率很驚人,但是具體是怎麼做到的,它究竟使用了什麼特徵來分辨圖像,我們一無所知。無數的學者、研究人員都想弄清楚CNN內部運作的機制,甚至試圖找到卷積神經網

原创 準確率(Precision)、召回率(Recall)、F值(F-Measure)、平均正確率(Average Precision, AP),IoU

1、準確率與召回率(Precision & Recall) 準確率和召回率是廣泛用於信息檢索和統計學分類領域的兩個度量值,用來評價結果的質量。其中精度是檢索出相關文檔數與檢索出的文檔總數的比率,衡量的是檢索系統的查準率;召回率是

原创 “觀雲識天”人機對抗大賽:機器圖像算法賽道-天氣識別—百萬獎金

最終決賽排名:第五名(和興路天團) 參賽背景(“觀雲識天”人機對抗大賽) 根據大賽組織方提供的圖片數據訓練算法,能夠區分降雨、降雪、冰雹、露、霜、霧(霾)、霧凇、雨凇、電線積冰9種天氣現象。 賽題分析 數據存在的問題: 數據量小

原创 python文件讀寫模式 r,r+,w,w+,a,a+

模式 可做操作 若文件不存在 是否覆蓋 r 只能讀 報錯 - r+ 可讀可寫 報錯 是 w 只能寫 創建 是 w+  可讀可寫 創建   是 a   只能寫 創建 否,追加寫 a+ 可讀可寫 創建 否,追加寫

原创 “華爲雲杯”2019人工智能創新應用大賽:版本一customize_service.py文件

import ast import numpy as np from PIL import Image from collections import OrderedDict from model_service.pytorch_

原创 華爲雲人工智能大賽·垃圾分類挑戰杯

所有代碼以上傳至github:garbage_classify 已修改成本地可以運行。 修改方法: 1.save_model.py|train.py|eval.py|run.py|中moxing.framework.file函數全

原创 Ubuntu下使用conda搭建虛擬環境(已搭建好)

搭建好之後激活虛擬環境: conda activate name 退出虛擬環境 conda deactivate 刪除虛擬環境 conda remove -n name --all 點贊 收藏 分享

原创 Imagenet2012數據集下載

迅雷下載(容易卡頓) 驗證集 http://academictorrents.com/download/5d6d0df7ed81efd49ca99ea4737e0ae5e3a5f2e5.torrent 訓練集 http://ac

原创 什麼是P問題、NP問題、NPC問題和NP-hard問題

原文鏈接:http://www.matrix67.com/blog/archives/105 什麼是P問題、NP問題和NPC問題 這或許是衆多OIer最大的誤區之一。 你會經常看到網

原创 VS2013 ConsoleApplication1.exe”(Win32):無法查找或打開 PDB 文件。

報錯:無法查找或打開 PDB 文件。 解決方法 1.【工具】->【選項】->【調試】->【常規]】勾選“啓用源服務器支持” 2.【工具】->【選項】->【調試】->【符號】,勾選“Microsoft符號服務器” 3. 單擊“本

原创 pytorch: Label Smooth

#!/usr/bin/python # -*- encoding: utf-8 -*- import torch import torch.nn as nn class LabelSmoothSoftmaxCE(nn.Mo

原创 卷積神經網絡「失陷」,CoordConv來填坑

原文鏈接:https://www.jiqizhixin.com/articles/uber-CoordConv 卷積神經網絡擁有權重共享、局部連接和平移等變性等非常優秀的屬性,使其在多種

原创 Python學習筆記:glob模塊(文件、路徑操作)

glob sys.path[0] 獲得當前目錄 當前目錄爲:F:/PycharmProjects/NIP-keyword extraction 子目錄如下: NlP-keyword子目錄爲: glob支持 * ? [] 這三種

原创 linux上的文件修改——vim/vi命令

原文鏈接:https://blog.csdn.net/Sun_of_Rainy/article/details/83651563 vim是vi的增強版,它擴展了vi的功能 檢查系

原创 ResNeXt WSL:8億參數,用ImageNet做微調,pytorch一行代碼調用ResNeXt WSL。

ResNeXt WSL,有超過8億個參數,用Instagram上面的9.4億張圖做了 (弱監督預訓練) ,用ImageNet做了微調。 名詞解釋:WSL是弱監督學習 4種模型的名稱、參數、準確率: ResNext-101 3