本文介绍 docker 和 nvidia-docker 的安装和基本使用，关于 docker 的具体介绍请查看相关网站进行学习。 环境 ubuntu 16.04 docker 19.03 nvidia-docker2 docker 离线安装在 网站：docker download 下载如下三个文 ...

分类指标理论基础精确率和召回率 机器学习中的评价指标 ROC曲线和AUC面积理解 ROC 曲线怎么画？ 详解sklearn的多分类模型评价指标 sklearn API 测评以经典二分类数据集（乳腺癌数据集）为例，测试 sklearn 中模型评估的API 12345678910111213141516 ...

算法原理介绍1. 算法描述 2. KNN 的三要素（1）k 值得选择 （2）距离度量 （3）分类决策规则 KNN 算法的分类决策规则一般是多数表决，即由输入实例的k个邻近的训练实例中的多数类决定输入实例的类。 KNN 算法的实现与测试1. KNN 分类器的实现12345678910111213 ...

调参基本知识模型复杂度和泛化误差： 当模型太复杂，模型就会过拟合，泛化能力不够，导致泛化误差大；当模型简单，模型就会欠拟合，拟合能力不够，导致泛化误差也大；只有当模型复杂度刚刚好的时候才能够达到泛化误差最小的目标。 树模型是天生复杂度高的模型，我们调整参数，基本是将模型往图像的左边推动。调参的时候 ...

导包1234567import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom sklearn.datasets import load_bostonfrom sklearn.impute import Simple ...

导包12345import numpy as npimport pandas as pdimport sklearn.tree as treefrom sklearn.model_selection import train_test_split, GridSearchCV, cross_val_s ...

网络结构 参考文献论文地址 Fast RCNN 详解

网络结构 空间金字塔池化 算法介绍 SPPNet缺点和RCNN一样，SPP也需要训练CNN提取特征，然后训练SVM分类这些特征。需要巨大的存储空间，并且分开训练也很复杂。而且selective search的方法提取特征是在CPU上进行的，相对于GPU来说还是比较慢的。 论文论文地址

网络结构 算法介绍 训练分类网络 (AlexNet) 模型做 fine-tuning 类别1000改为20 去掉FC 特征提取 提取候选框（选择性搜索） 一：生成区域集R 二：计算区域集R里每两个相邻区域的相似度S={s1,s2,…} 三：找出相似度最高的两个区域，将其合并为新集，添加进R 四 ...

python3 可以通过类型注解，使得编辑器进行相应代码提示。 函数注解用 : 类型 的形式指定函数的参数类型，用 -> 类型 的形式指定函数的返回值类型 1234def list2str(l:list) -> str: l.append('c') s = ''.join(l ...