文章目录1.基本绘制2.subplot使用3.散点图4.样式与图例5.柱状图6.饼状图7.直方图8.等高线图9.三维图形2020年5月28日学习了b站 Matplotlib的简单教程，笔记记录于此1.基本绘制import matplotlib.pyplot as plt# 准备xyx = range(-100, 100)# 200个点y = [i**2 for i in x]# 绘制一元二次方程曲

问题描述最近在学习吴恩达深度学习系列课程，做到编程作业4.3车辆识别时因为TensorFlow和Keras版本不兼容而出现各种问题，查找了一些资料后好多人都提出降低TF版本，不放弃我最后的倔强，最终还是把所有问题逐一解决了：）查看Python、TensorFlow、Keras版本：我的Python版本3.7.0，TensorFlow版本2.3.1，Keras版本2.4.3。import sysim

很早之前就学完深度学习第二周的课程，由于保研的事情一直心烦，做什么事情都索然无味，还有七天出结果，今天终于沉下心把剩余的部分跟着blog具有神经网络思维的Logistic回归码了一遍，老师课程讲的很清楚，自己也做了笔记，但是编程作业中还是有些语句不理解，下面贴出自己的源码和运行结果：lr_utils.py文件import numpy as npimport h5pydef load_dataset

4多变量线性回归（Linear Regression with multiple variables）4.1多维特征（Multiple features）多变量模型注释：nnn：特征数量x(i){x^{\left( i \right)}}x(i)：第 iii 个训练实例，是特征矩阵中的第iii行，是一个向量（vector）。xj(i){x}_{j}^{\left( i \right)}xj(i)​

参考文章：1.人脸识别与神经风格转换2.神经风格转换编程作业神经网络风格中遇到的问题已经解决了并将解决方案写在了备注里面，但是人脸识别那里运行到database就出错了，目前仍没有找到解决方案,报错信息：Traceback (most recent call last):File "G:/Project/PYTHON/Demo01/Deep_Learning/test4_4/人脸识别.py", l

3.1神经网络概述（Neural Network Overview）3.2 神经网络的表示（Neural Network Representation）3.3 计算一个神经网络的输出（Computing a Neural Network’s output）3.4 多样本向量化（Vectorizing across multiple examples）3.5 向量化实现的解释（Justificati

计算机视觉

三维重建经典算法简介：ICP、ARAP、Marching Cubes、TSDF

之前BLOG中系统参数为已知或者一变化的常数，若条件更加苛刻，系统参数为有界的常数，此时该如何设计控制器，由此引入鲁棒控制。直接放上DR_CAN视频链接：https://www.bilibili.com/video/BV1vW411V7Bh/?spm_id_from=trigger_reload在维基百科中是这样解释鲁棒控制的：To achieve robust performance and/o

【代码】【吴恩达深度学习编程作业】4.3目标检测——车辆识别（附权重文件）