一文读懂机器学习分类全流程
🏆在本文中，作者将带你了解机器学习分类的全流程，从问题分析>数据预处理>分类器选择>模型构建>精度评价>模型发布为Web应用。从0带读者入门机器学习分类。
零基础入门YOLOv5——从制作数据集到最终训练与测试
零基础入门YOLOv5——从制作数据集到最终训练与测试 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录零基础入门YOLOv5——从制作数据集到最终训练
学习 Python 之 Pandas库
学习 Python 之 Pandas库Pandas库什么是Pandas库?DataFrame 创建和存储1. 使用DataFrame构造函数(1). 使用列表创建(2). 使用字典创建(3). 从另一个DataFrame对象创建2. 从文件读取(1). 从.csv文件读取(2). 从excel文件读
Python模糊基础点--集合中的交集、并集与差集特性、数据序列中的公共方法、列表集合字典推导式
目录集合中的交集、并集与差集特性数据序列中的公共方法第一部分第二部分序列类型之间的相互转换list()：把某个序列类型的数据转化为列表tuple()：把某个序列类型的数据转化为元组set()：将某个序列转换成集合（集合可以快速完成列表去重并且不支持下标）列表集合字典推导式列表推导式字典推导式集合推导
一文搞懂如何使用饱和预测
本文采用Prophet模型对时间序列进行饱和预测，饱和预测通俗一点理解就是在对一系列参数进行预测时会达到一个顶点，我们需要研究的就是预测这个饱和点。
(详细步骤和代码)利用A100 GPU加速Tensorflow
利用A100 GPU加速TensorflowNVIDIA A100 基于 NVIDIA Ampere GPU 架构，提供一系列令人兴奋的新功能：第三代张量核心、多实例 GPU (MIG) 和第三代 NVLink。Ampere Tensor Cores 引入了一种专门用于 AI 训练的新型数学模式：T
机器学习3-特征工程个人笔记
特征缩放和特征降维操作，sklearn的preprocessing标准化、归一化、二值化、独热编码的使用，sklearn的decomposition中pca、ica降维和discriminant_analysis中lda降维操作。
机器学习SVD作业
作业作业1：利用SVD分解，完成china.jpg文件的压缩与显示。代码from skimage import ioimport matplotlib.pyplot as pltimport numpy as npdef getImgAsMatFromFile(filename): img =
python_视频中语音识别转出文本
注意：没有“stepladder”的同学建议不要看啦1. 安装需要的包1.1 安装SpeechRecognition包pip install SpeechRecognition1.2 安装 PockSphinx包在线装总是失败，采用本地安装https://www.lfd.uci.edu/~gohlk
机器学习实验之肿瘤预测（决策树）
肿瘤预测（决策树）【实验内容】 基于威斯康辛乳腺癌数据集，采用决策树的方法进行肿瘤预测。【实验要求】1.加载sklearn自带的威斯康星乳腺癌数据集，探索数据。2.进行数据集分割。3.配置决策树模型。4.训练决策树模型。5.模型预测。6.模型评估。7.参数调优。可以根据评估结果，对模型设置或调整为更
Python opencv之实现简单的图像处理
Python用opencv实现对简单的图像进行处理，分割。pip install opencv-python ，pip install matplotlib2.对图片做灰度处理3.对图片做二值化处理4.提取轮廓5.对轮廓画矩形框6.分割图片并保存。
Python实时监控GPU运行状态(含源码&jupyter-lab)
GPU运行状态监测介绍NVDashboard 是一个开源包，用于在交互式 Jupyter Lab 环境中实时可视化 NVIDIA GPU 指标。 NVDashboard 是所有 GPU 用户监控系统资源的好方法。然而，它对于 NVIDIA 的 GPU 加速数据科学软件库开源套件 RAPIDS 的用户
为什么我们从 Python 切换到 Go
转换到一种新的语言总是一个很大的步骤，尤其是当你的团队成员中只有一个人有这种语言的经验时。
Python图像处理丨图像缩放、旋转、翻转与图像平移
本篇文章主要讲解Python调用OpenCV实现图像位移操作、旋转和翻转效果，包括四部分知识：图像缩放、图像旋转、图像翻转、图像平移。
汉明距离、汉明损失详解及代码（python）
用具体的图示+代码，帮你理解汉明距离(Hamming distance)、汉明损失(Hamming loss)。
Pandas处理JSON文件to_json()一文详解
前言本文接上一篇博客：Python处理JSON文件数据各类操作一文详解。处理JSON文件一般并且进行统计或分析都需要把JSON文件格式转换为dataframe形式或是将dataframe转换为JSON，这都需要用到to_json()和read_json()函数。如果能够掌握该两种函数的参数用法能够节
为什么内存中最多只有一个“Love“？一文读懂Python内存存储机制
这是机器未来的第8篇文章写在前面：博客简介：专注AIoT领域，追逐未来时代的脉搏，记录路途中的技术成长！专栏简介：本专栏的核心就是：快！快！快！2周快速拿下Python，具备项目开发能力，为机器学习和深度学习做准备。面向人群：零基础编程爱好者专栏计划：接下来会逐步发布跨入人工智能的系列博文，敬请期待
期望最大化（Expectation Maximization）算法简介和Python代码实现
期望最大化（EM）算法被广泛用于估计不同统计模型的参数。 在本文中将解释它是如何工作的，并使用python手写进行实现
深度学习实战及tensorflow环境配置
深度学习路很长，要想走得远基础一定要牢，希望本文对你有用。文章目录前言 一、pycharm和anaconda的安装 二、配环境及运行代码 1.遇到无法用pip和conda的情况 2.安装库 3.安装tensorflow和cudatoolkit 4.代码运行 总结前言重新装了一下系统，重新配置
python 关于CNN的一些思考-2022
今年(2022)CVPR有两篇关于CNN的论文让我印象深刻，因为它们不约而同的使用了更大的卷积核：疑问1：为什么之前很少有论文用大卷积核？疑问2：大卷积核为什么这么work？
