logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

利用sklearn载入iris数据集并利用感知机进行分类(三个类别)

**利用python中的sklearn模块输入特征进行鸢尾花的分类,最终实现三种鸢尾花的分类**import sklearnfrom sklearn import datasetsimport numpy as npfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import accur...

#sklearn
ftp登录出现501错误 501 Server cannot accept argument.

问题描述:利用Linux远程连接Windows服务器,登录出现501错误 :501 Server cannot accept argument.:(能进入目标服务器文件夹,但ls不出文件目录)解决方法:切换到被动模式即可输入命令:passive mode重新ls或者dir,问题解决...

图像分割预处理,利用keras同时对图像和标签进行数据增强

问题描述:进行分割操作时,为了扩充数据量,要对图像进行数据增强,而相应的标签(mask)也要做与图像对应的数据增强以保持一致的变换.文件夹设定:data文件夹下有images,masks和aug三个文件夹,分别代表图像,标签以及增强后的图像&标签.程序载入模块#将image和mask同时做图像增强import kerasfrom keras.preprocessing.im...

#keras
用于图像分割结果评估的性能指标

性能指标分为IoU,Dice 系数等在介绍性能指标之前,首先要了解混淆矩阵的概念:在混淆矩阵中,prediction代表预测值,相当于测试集的结果(不一定是正确的)Actual代表真实标签(相当于金标准ground truth)有两个指标分别为Precision(精确率,查准率)和 Recall(召回率,查全率)其中:Precision代表预测结果的准确性Recall代表预测...

图像分割预处理,利用keras同时对图像和标签进行数据增强

问题描述:进行分割操作时,为了扩充数据量,要对图像进行数据增强,而相应的标签(mask)也要做与图像对应的数据增强以保持一致的变换.文件夹设定:data文件夹下有images,masks和aug三个文件夹,分别代表图像,标签以及增强后的图像&标签.程序载入模块#将image和mask同时做图像增强import kerasfrom keras.preprocessing.im...

#keras
安装opencv时报错 ImportError: libXrender.so.1: cannot open shared object file: No such file or directory

安装opencv时报错 ImportError: libXrender.so.1: cannot open shared object file: No such file or directory解决办法:方法一:执行apt-get install libxrender1以安装libxrender1但显示需要python2.7,我用的3.5,因此未能安装成功.出错...

#python#opencv
利用ITK-SNAP进行抠图操作并保存mask

问题描述:想要去掉图像背景,只保留中心部分目标:1.利用ITK-SNAP制作二值化标签(即mask)2.利用软件ITK-SNAP把一幅图像中自己想要的部分抠出来步骤:打开ITK-SNAP ,这是一款可以方便进行勾画操作,制作标签的软件1.点击勾画按钮2.在图像中选点进行勾画3.勾画完成后点击accept,可以看到所勾画的区域被标签颜色所覆盖4.滚动鼠标滚轮到下一层(对于3...

keras将两个独立的模型融合起来(多输入单输出)

将两个独立的模型融合成一个参考:keras实现多个模型融合**优点:**可以给两个模型单独赋予权重**想法:**用在迁移学习中时,可以先预训练好其中一个模型,保存权重,再载入到总的模型中import kerasfrom keras.models import Modelfrom keras.layers import Input,Dense,PReLU,Dropout #PRelU为带...

#keras
绘制ROC曲线(采用5折交叉验证,每训练一次绘制一条曲线,最后绘制一条平均ROC曲线)

已有data,label,model已定义好.定义5折交叉验证#定义n折交叉验证KF = KFold(n_splits = 5)载入sklearn和scipy模块from sklearn.metrics import roc_curve,aucfrom scipy import interp定义空列表用于保存每次的训练结果tprs=[]aucs=[]mean_fpr=np....

model.evaluate 和 model.predict 的区别

model.evaluate输入数据和标签,输出损失和精确度.# 评估模型loss,accuracy = model.evaluate(X_test,Y_test)print('\ntest loss',loss)print('accuracy',accuracy)model.predict输入数据,输出预测结果(通常用在需要将预测结果与真实标签相比较的时候)#...

    共 19 条
  • 1
  • 2
  • 请选择