在训练神经网络模型时，往往需要很多的标注数据以支持模型的准确性。但是，在真实的应用中，很难收集到如此多的标注数据，即使可以收集到，也需要花费大量的人力物力。而且即使有海量的数据用于训练，也需要很多的时间。因此为了解决标注数据和训练时间的问题，可以考虑使用迁移学习。  所谓的迁移学习，就是将一个问题上训练好的模型通过简单的调整使其适用于一个新的问题，即只改变训练好的模型最后一层全连接层，而保留.

R语言在数理统计、数据分析以及数据可视化也是一把利器，但是，不管是使用它的人还是了解的人多不如Python多。然而，其实R语言也是一门优雅的语言，也可以很好的处理数据，并且充分进行可视化。下面，我们使用最近Kaggle上的一个数据集——奥运会120年历史，具体进行数据分析。导入数据和R包这里直接使用tidyverse包，这个包包含了几乎所有R处理数据的包，所以不用像Python一样导入很...

使用深度学习框架Keras和TensorFlow实现线性模型，自我感觉有点大材小用。但是，对于我们初学者来说能够拿来练练手也是不错的。其实，我们都知道神经网络如果不加激活函数就是线性的模型，所以实现线性模型，就不用加激活函数了。下面用Keras和TensorFlow框架分别实现一下线性模型。TensorFlow线性模型Keras线性模型1.TensorFlowimpor...

Tensorflow中，如何使用会话（session）来执行定义好的运算。import tensorflow as tf# 创建一个会话。sess = tf.Session()# 使用这个创建好的会话来得到关心的运算的结果sess.run(...)# 关闭会话释放本次运行的资源sess.close()使用这种模式时，在所有计算完成之后，需要明确调用Session.close函数来关闭会...

无监督学习模型是识别无标签数据结构的模型。这里简单介绍几种的无监督学习算法。分别是主成分分析（PCA）、高斯混合模型、流形学习算法（Isomap）。主成分分析（PCA）这里使用鸢尾花数据集进行演示，将它降维到两个维度，然后再可视化。其实，降维的任务是要找到一个可以保留数据本质特征的低维矩阵来描述高维数据。降维通常用于辅助数据可视化工作的。from sklearn.decomposi...

终于等到python版本的opencv4.4版本了，不用麻烦的编译opencv4.4，就可以调用yolov4模型了。在opencv4.4出来之前，通过编译darknet来推理yolov4训练出来的模型，精度还行，但是速度太慢（cpu），只能在GPU下加速才能有不错的FPS值。话不多说，我们来对比一下使用darknet原生推理速度和使用opencv-python 4.4.0.40加速之后的速度。..

Tensorflow中，如何使用会话（session）来执行定义好的运算。import tensorflow as tf# 创建一个会话。sess = tf.Session()# 使用这个创建好的会话来得到关心的运算的结果sess.run(...)# 关闭会话释放本次运行的资源sess.close()使用这种模式时，在所有计算完成之后，需要明确调用Session.close函数来关闭会...

  PTB（Penn Treebank Dataset）文本数据集是语言模型学习中目前最广泛使用的数据集。下面将使用它构建一个长短期记忆网络（LSTM）。本文中只讲相应的代码实现，而关于LSTM的理论可以阅读这篇文章——Understanding LSTM Networks。  下面是本次构建LSTM的示意图，从图中可知，输入的词向量维度为（20，35，650），这分别代表的是批次数（batch.

在用sklearn做机器学习的时候，我们经常要对数据进行预处理，而又经常使用标准化预处理数据，但是，使用StandardScaler有可能会出现ValueError 的错误。具体的错误如下面所示：通过查看sklearn的帮助文档，发现：StandardScaler 能够接受 scipy.sparse 作为输入，只要参数 with_mean=False 被准确传入它的构造器。否则会出现 Va

OpenCV之前只支持python2版本，不支持python3版本，在现在python3也可以安装OpenCV包了，而且也没有之前使用python2安装OpenCV那么麻烦了。但是，还是需要手动去下载包在安装，如果直接使用pip install opencv-python是会出错的。所以，可以下面的网址下载对应版本及平台的 .whl 包，再手动安装。https://www.lfd.uci....