对于二分类问题，我们经常通过ROC曲线及FPR95来判断分类器的好坏。这里提供两种方法。一种是sklearn.metrics中的roc_curve包，可直接用于计算在不同阈值下，TPR和FPR对应的值，进而可以得出TPR=0.95时，FPR的值。"""label=1表示正样本，scores为预测概率，数值越大，越有可能是正样本"""fro

#!/usr/bin/env python3# -*- coding: utf-8 -*-"""Created on Fri Oct 27 19:14:12 2017@author: fs"""import cv2import numpy as npimg = cv2.imread('lunkuo.png')ret,thresh = cv2.threshold(cv2.cvtColor(

import tensorflow as tfimport numpy as npa=np.array([[5.,8.,2.],[7.,9.,1.]])a=np.expand_dims(a,axis=0)a=tf.constant(a,dtype=tf.float32)a_mean, a_var = tf.nn.moments(a, axes=[0,1],keep_dims=True)b

我们很多时候需要保存tensorflow模型的pb文件，这时用tf.graph_util.convert_variables_to_constants函数会非常方便。1.训练网络：fully_conected.pyimport argparseimport osimport timeimport tensorflow as tfimport datasets_mnist# Basic mo

这些基础函数丢一段时间不用，就给忘记了。cv2.putText(I,'there 0 error(s):',(50,150),cv2.FONT_HERSHEY_COMPLEX,6,(0,0,255),25)各参数依次是：照片/添加的文字/左上角坐标/字体/字体大小/颜色/字体粗细

fig.tight_layout()#调整整体空白plt.subplots_adjust(wspace =0, hspace =0)#调整子图间距