【torch.argmax与torch.max详解】
方式一，即不指定dim时，默认将张量展开成一维张量，然后返回对应的下标；方式二，即指定dim时，沿着指定的dim维进行选择，输出结果由剩下的维度组成，比如原始维度为H,W，若指定dim=0（即H维),则输出结果由W个元素构成；2）如果有多个最大值则返回第一个最大值的下标；3）返回torch.max函
NumPy数据分析基础：ndarray数组运算基本操作及切片索引迭代
作为数据分析三巨头Pandas、matplotlib、NumPy之一，必然要给足面子单独拿出来讲解一波。NumPy应用场景十分宽泛，Pandas很多函数转换后也都是NumPy数组类型的数据结构。在机器学习、深度学习以及一些数据处理操作中使用的频率甚至比Pandas都高。而且NumPy功能强大，使用起
Opencv项目实战：11 使用Opencv高亮显示文本检测
《Opencv项目实战：11 使用Opencv高亮显示文本检测》假如我们已经有了一个经过文字高亮的图片，我们想提取其中的文字，让我们可以快速的找到重点，并将其中的内容存入.csv文件当中。
【深度学习100例】—— 使用PyTorch实现验证码识别 | 第4例
这里我们需要重写DataSet类，加载我们的验证码数据和label标签文件。# 加载数据集，自己重写DataSet类 class dataset(Dataset) : # root_dir为数据目录，label_file，为标签文件 def __init__(self , root_dir , la
【国庆特辑文章】时间序列~动态时间规整(Dynamic Time Wraping)
解决的问题：测量两端时间序列的相似性
【XGBoost】第 7 章：使用 XGBoost 发现系外行星
在本章中，您将穿越星星，尝试以为向导发现系外行星。本章的原因是双重的。首先是使用 XGBoost 在自上而下的研究中获得实践非常重要，因为出于所有实际目的，这就是您通常使用 XGBoost 所做的事情。尽管您可能无法自己发现带有 XGBoost 的系外行星，但您在此处实施的策略（包括选择正确的评分指
softmax回归与交叉熵损失
回归与分类是机器学习中的两个主要问题，二者有着紧密的联系，但又有所不同。在一个预测任务中，回归问题解决的是多少的问题，如房价预测问题，而分类问题用来解决是什么的问题，如猫狗分类问题。分类问题又以回归问题为基础，给定一个样本特征，模型针对每一个分类都返回一个概率，于是可以认为概率最大的类别就是模型给出
【Python数据科学快速入门系列 | 09】Matplotlib数据关系图表应用总结
本篇文章总结常用的数据关系图表。数据关系图表强调2个或以上变量的相关性关系。例如机器学习、深度学习时分析特征与标签的相关性分析。数据关系图表又分为数值关系、层次关系和网络关系三种。曲线图、散点图、散点矩阵图在机器学习和深度学习中应用到也较多，除了matplotlib可以绘制以外，pandas也带有很
贝叶斯回归：使用 PyMC3 实现贝叶斯回归
在这篇文章中，我们将介绍如何使用PyMC3包实现贝叶斯线性回归，并快速介绍它与普通线性回归的区别。
基于Python的视频中的人脸识别系统设计与实现
所以我们想到如果说我们可以找到这个视频的镜头切换点或者说剪辑点，对于一个视频而言后期剪辑会将不同机位拍摄的视频剪辑在一起，而这个剪辑点是很好找的，所以只要找到这视频的剪辑点就相当于找到了这个视频的镜头切换点，就可以将一段视频分段，分成一段只有一个主持人的样子，并且将每一段所对应的时间记录下来生成一个
OpenAi multi-agent 多智能体环境搭建
open-ai Multi-Agent多智能体深度强化学习环境搭建
跟我学Python图像处理丨傅里叶变换之高通滤波和低通滤波
本文讲解基于傅里叶变换的高通滤波和低通滤波。
基于Python的人脸互换系统设计与实现
在获取人脸关键点集合后，我们需要计算这些关键点的凸包（convex hull）（凸包是一个计算几何（图形学）中的概念：在一个实数向量空间 V 中，对于给定集合 X，所有包含X 的凸集的交集 S 被称为 X 的凸包。在上述人脸仿射变换后，我们得到人脸结构和位置的变换，但我们没有对人脸区域亮度进行调整，
TransBigData：一款基于 Python 的超酷炫交通时空大数据工具包
TransBigData是一个为交通时空大数据处理、分析和可视化而开发的Python包。TransBigData为处理常见的交通时空大数据（如出租车GPS数据、共享单车数据和公交车GPS数据等）提供了快速而简洁的方法。TransBigData为交通时空大数据分析的各个阶段提供了多种处理方法,代码简洁
[大数据]数据可视化 -- 练习卷
是指发现并纠正数据文件中可识别错误的最后一道程序，是对数据的完整性、一致性和准确性进行重新审查和校验的过程。．动态图表是图表分析的较高级形式，当用户执行某个操作后，图表中的数据会随之发生变化，这种图表也称为。相结合的方式，可以很好地阐释单个系列数据从一个值到另一个值的变化过程，形象地说明数据的流动情
Opencv项目实战：10 面部特征提取及添加滤镜
《Opencv项目实战：10 面部特征提取及添加滤镜》在本次项目，我将采取dlib和shape_predictor_68_face_landmarks.dat文件，为图像添加蒙版，更改嘴唇的色号，如果你想修改其他的部位，它的方法是同理的，除此之外，我还会让图片显示出脸部的68个地表，请敬请期待吧！
《新学期，新Flag》乘风破浪
经常摆烂的大三学长，计算机专业，准备努力往上爬，一步一步的超越我前面的人，把他们狠狠的甩到后面。
【DL】第3章 使用词嵌入计算文本相似度
正如我们在上一步中看到的，与单词相关联的向量对单词的含义进行编码——彼此相似的单词具有彼此接近的向量。事实证明，词向量之间的差异也编码了词之间的差异，所以如果我们将“儿子”这个词的向量减去“女儿”这个词的向量，我们最终会得到一个差异，可以解释为“从男变女。此外，它可能是最著名的嵌入示例，而嵌入是深度
深度学习05——线性回归模型
传送门#写入数据集# 线性回归模型#计算损失函数（MSE均方误差）# 穷举法更新参数ww_list = [] #用于存放更新的参数wl_sum = 0 # 初始化，用于计算损失和l_sum += loss_val # 计算损失和print('MSE=', l_sum / 3) #求均方误差w_lis
