第十六章 主成分分析（PCA）摘要1 总体主成分分析1.1 基本思想1.2 总体主成分分析定义1.3 主成分的个数1.4 规范化变量的总体主成分分析2 样本主成分分析2.1 样本主成分的定义和性质摘要主成分分析（Principal component analysis, PCA）是一种常用的无监督学习方法。这一方法利用正交变换，把由线性相关变量表示的观测数据，转换为少数几个由线性无关变量表示的数据

第九章 EM算法及其推广摘要9.1 EM算法的引入9.1.1 EM算法9.1.2 EM算法的导出9.1.3 EM算法在无监督学习中的应用9.2 EM算法的收敛性9.3 EM算法在高斯混合模型中的应用9.3.1 高斯混合模型9.3.2 高斯混合模型参数估计的EM算法9.4 EM算法的推广9.4.1 F函数的极大-极大算法9.4.2 GEM算法概要摘要EM算法是一种迭代算法，1977年由Dempste

1 图像分类数据集半监督数据加载：把需要设置为无标签样本的标签设置为-1，这样可以在交叉熵的时候设置忽略-1的标签class_criterion = nn.CrossEntropyLoss(reduction='sum', ignore_index=NO_LABEL)参考资料https://blog.csdn.net/Z609834342/article/details/106863690...

计算机视觉：数据预处理-图像增广方法数据预处理随机改变亮暗、对比度和颜色等随机填充随机裁剪随机缩放随机翻转随机打乱真实框排列顺序图像增广方法汇总批量数据读取与加速数据预处理在计算机视觉中，通常会对图像做一些随机的变化，产生相似但又不完全相同的样本。主要作用是扩大训练数据集，抑制过拟合，提升模型的泛化能力，常用的方法见下面的程序。随机改变亮暗、对比度和颜色等import numpy as npimp

https://tianchi.aliyun.com/competition/entrance/531872/introduction【天池赛事】零基础入门语义分割-地表建筑物识别：第一章 赛题及baseline1 赛题背景2 任务安排3 赛制说明4 赛题数据4.1 数据说明4.2 评价函数1 赛题背景本次新人赛是 Datawhale 与天池联合发起的[零基础入门系列赛事——零基础入门语义分割之地

目前只针对纯PDF图片压缩。实现原理： 主要通过PYMUPDF进行图片提取，图片压缩，再合并生成一个新的PDF。1.安装依赖包笔者的环境是Windows 10，Python3.8pip install fitz2.提取原PDF关键代码3.合并图片生成PDFimport globimport fitzimport osimport time# 1.提取原PDF关键代码def pdf2pic(file

用 python 读取 nrrd 文件一般使用 pynrrd 这个库1 安装pynrrdpip 安装pip install pynrrd源码安装pip install git+https://github.com/mhe/pynrrd.gitcd pynrrdpip install .// 注意不要忘了最后的小点2 读取 nrrd 文件//先导入 nrrd 库import nrrddata_pat

【代码】opencv-python图像基本操作。

Python GUI编程Tkinter笔记1 显示任意格式图片2 固定框架Frame大小3 选择文件夹或文件4 展示菜单栏5 展示选择的图片1 显示任意格式图片Tkinter只支持显示GIF图片，若需要显示PNG、JPG、BMP等格式图片，方法如下：import tkinterfrom PIL import Image, ImageTkroot = tkinter.Tk()label_text =

Pytorch Mobile Android参考文献现如今，在边缘设备上运行机器学习/深度学习变得越来越流行，它需要更低的时延。而从Pytorch 1.3开始，我们就可以使用Pytorch将模型部署到Android或者ios设备中。参考文献https://blog.csdn.net/karry_zzj/article/details/102827337...