掌握神经网络的法宝（一）
上一章的介绍，相信大家对于神经网络的框架模式有了一定的了解，而这一章我准备来给大家介绍一下掌握神经网络所需的数学基础。
自然语言处理--------jieba分词（文章中含有源码）
#TODO jieba 一个自然语言处理工具包 ，除了jieba还有 HanLP 和 LTKimport jieba#TODO 词、句 匹配#全模式seg_list=jieba.cut("我喜欢吃酸菜鱼",cut_all=True)print("全模式: "+"/".
100天精通Python（基础篇）——第32天：日志标准库logging【文末送书两本】
Python基础之日志标注库logging，文末送书两本加入我一起学习进步，一个人可以走的很快，一群人才能走的更远！
高斯朴素贝叶斯分类的原理解释和手写代码实现
朴素贝叶斯假设每个参数（也称为特征或预测变量）具有预测输出变量的独立能力。所有参数的预测组合是最终预测，它返回因变量被分类到每个组中的概率，最后的分类被分配给概率较高的分组（类）。
(数据挖掘 —— 无监督学习（聚类）
数据挖掘 —— 无监督学习（聚类）1. K-means1.1 生成指定形状的随机数据1.2 进行聚类1.3 结果2. 系统聚类2.1 代码2.2 结果3 DBSCAN3.1 参数选择3.2 代码3.3 结果1. K-meansK-Means为基于切割的聚类算法1.1 生成指定形状的随机数据impo
python数据分析基础006 -利用pandas带你玩转excel表格（上篇）
利用pandas操作excel表格,建议收藏！！
【摸鱼神器】基于python的BOSS识别系统
摸鱼神器！基于python的BOSS识别系统前言一、整体设计二、调用摄像头三、人脸识别1. 构建白名单库2. 人脸匹配四、切换屏幕五、完整代码写在最后前言Tip:本文仅供技术学习和参考，切勿滥用。珍爱工作，从我做起，滴滴~试想这样一个场景：一天，风和日丽，波澜不惊。你正在愉快地摸着鱼，是如此的惬意，
多任务学习中的网络架构和梯度归一化
多任务学习（Multi-task learning, MTL），旨在用其他相关任务来提升主要任务的泛化能力，多个任务共享一个结构并在一次正向传递中产生多个推理。
python数据分析—— pandas
python数据分析—— pandas1.模块导入2. Series对象的创建和索引3 DataFrame的创建及相关属性4 DataFrame修改索引、添加数据及删除数据4.1 DataFrame修改index columns4.2 添加数据4.3 删除数据5 数据处理6 数据合并7 多层索引8
数据挖掘 —— 有监督学习（分类）
数据挖掘 —— 有监督学习（分类）1. KNN分类算法2. 决策树分类算法3. SVM算法简介4. 分类——集成算法4.1 随机森林参数介绍4.2 Adaboost算法参数介绍5 总结1. KNN分类算法预备知识：KD-Tree算法 (KDimensional Tree)在空间中寻找与目标点距离最
无人驾驶路径规划（一）全局路径规划 - RRT算法原理及实现
前言：由于后续可能要做一些无人驾驶相关的项目和实验，所以这段时间学习一些路径规划算法并自己编写了matlab程序进行仿真。开启这个系列是对自己学习内容的一个总结，也希望能够和优秀的前辈们多学习经验。一、无人驾驶路径规划众所周知，无人驾驶大致可以分为三个方面的工作：感知，决策及控制。路径规划是感知和控
《三英战吕布》 - 图像模板匹配 【Python-Open_CV系列（八）】
OpenCV图像的单模板匹配与多模板匹配 (以Python为工具) Open_CV系列（八）1.什么是模板匹配？ 及 模板匹配方法matchTemplate()介绍2.单模板匹配2.1 单目标匹配2.2 多目标匹配3.多模板匹配cv2.TM_SQDIFF cv2.TM_SQDIFF_NORMED c
个人成长：拉开你和同龄人差距的100个顶级认知
年少的时候，我们会更容易看重某些显性优势，比如智力、口才，而之后会逐渐让位于思维、自律、耐心和踏实。复盘是我最近几年一直坚持的习惯之一，这个习惯给我带来了很多改变和收获，让我的工作得到了质的提升，生活也逐渐平衡、变得有序。清明放假的第二天，我对过去一段时间的工作和生活做了一次复盘，我发现最好的学习方
python数据可视化06
一.学习内容1.绘制3D图表和统计表(mplot3d)2.绘制3D线框图3…绘制3D曲面图4.实例1：三维空间的星星5.实例2：三维空间闪烁的星星6.代码及运行结果（1）import matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import a
opencv透视变换，提取特征图像
目录基本介绍cv2.getPerspectiveTransforms介绍cv2.warpPerspective介绍寻找特征图像完整代码及运行效果基本介绍 注意：这篇文章的前提是学过图像仿射变换使用opencv的透视变换可以使我们简单的提取想要的信息，只需要知道原图像的4个点，通过这4个点以及想
Mask R-CNN网络详解
Mask R-CNN是2017年发表的文章，一作是何恺明大神，没错就是那个男人，除此之外还有Faster R-CNN系列的大神`Ross Girshick`，可以说是强强联合。该论文也获得了ICCV 2017的最佳论文奖（`Marr Prize`）。并且该网络提出后，又霸榜了MS COCO的各项任务
机器学习：K-Means算法
机器学习：K-Means算法任务描述数据处理Encoder：归一化：Kmeans前置内容聚类基础概念模型运作方式模型改进方式：任务描述以竞品分析为背景，通过数据的聚类，为汽车提供聚类分类。对于指定的车型，可以通过聚类分析找到其竞品车型。通过这道赛题，鼓励学习者利用车型数据，进行车型画像的分析，为产品
使用分布外数据去除不需要的特征贡献，提高模型的稳健性
分布外数据增强训练可以提高 DNN 的准确性和效率，通过抗性训练可以让 DNN 更加健壮，让模型更不容易受到扰动的影响。
基于Pytorch的强化学习(DQN)之 Baseline 基本概念
目录1. 引言2. 数学推导2.1 引理2.2 改进的策略梯度2.3 蒙特卡罗模拟3. baseline的选择1. 引言我们前面讲过策略梯度下降算法，现在来介绍一种加快收敛速度的方法：设置Baseline。2. 数学推导我们之前推导过状态价值函数梯度的公式，以下证明源于这个公式。2.1 引理我们先证
【第31篇】探索普通视觉Transformer Backbones用于物体检测
摘要我们探索了普通的、非分层的视觉转换器（ViT）作为目标检测的骨干网络。这种设计使原始 ViT 架构能够针对对象检测进行微调，而无需重新设计用于预训练的分层主干。通过对微调的最小调整，我们的普通骨干检测器可以获得具有竞争力的结果。令人惊讶的是，我们观察到：（i）从单尺度特征图（没有常见的 FPN
