开发者社区> 小旋风柴进> 正文
阿里云
为了无法计算的价值
打开APP
阿里云APP内打开

【又一重磅】再获翻译授权,斯坦福CS231N深度学习与计算机视觉

简介:
+关注继续查看

斯坦福CS231N深度学习与计算机视觉

第一弹:基础介绍

◆ ◆ 

1.导 读


计算机视觉/computer vision是一个火了N年的topic。持续化升温的原因也非常简单:在搜索/影像内容理解/医学应用/地图识别等等领域应用太多,大家都有一个愿景『让计算机能够像人一样去"看"一张图片,甚至"读懂"一张图片』。


有几个比较重要的计算机视觉任务,比如图片的分类,物体识别,物体定位于检测等等。而近年来的神经网络/深度学习使得上述任务的准确度有了非常大的提升。加之最近做了几个不大不小的计算机视觉上的项目,爱凑热闹的博主自然不打算放过此领域,也边学边做点笔记总结,写点东西,写的不正确的地方,欢迎大家提出和指正。


◆ ◆ 

2.基础知识


python是一种长得像伪代码,具备高可读性的编程语言。


优点挺多:可读性相当好,写起来也简单,所想立马可以转为实现代码,且社区即为活跃,可用的package相当多;缺点:效率一般。


2.1.1 基本数据类型


最常用的有数值型(Numbers),布尔型(Booleans)和字符串(String)三种。


  • 数值型(Numbers)

可进行简单的运算,如下:

0?wx_fmt=png


PS:python中没有x++ 和 x-- 操作

  • 布尔型(Booleans)

包含True False和常见的与或非操作

0?wx_fmt=png


  • 字符串型(String)

字符串可以用单引号/双引号/三引号声明

0?wx_fmt=png


字符串对象有很有有用的函数:

0?wx_fmt=png


2.1.2 基本容器


  • 列表/List

和数组类似的一个东东,不过可以包含不同类型的元素,同时大小也是可以调整的。

0?wx_fmt=png


列表最常用的操作有:
切片/slicing
即取子序列/一部分元素,如下:

0?wx_fmt=png


循环/loops
即遍历整个list,做一些操作,如下:

0?wx_fmt=png


可以用enumerate取出元素的同时带出下标

0?wx_fmt=png


List comprehension
这个相当相当相当有用,在很长的list生成过程中,效率完胜for循环:

0?wx_fmt=png


你猜怎么着,list comprehension也是可以加多重条件的:

0?wx_fmt=png


  • 字典/Dict
    和Java中的Map一样的东东,用于存储key-value对:

0?wx_fmt=png


对应list的那些操作,你在dict里面也能找得到:

循环/loops

0?wx_fmt=png
0?wx_fmt=png


  • 元组/turple
    本质上说,还是一个list,只不过里面的每个元素都是一个两元组对。


0?wx_fmt=png


2.1.3 函数


用def可以定义一个函数:

0?wx_fmt=png
0?wx_fmt=png


  • 类/Class

python里面的类定义非常的直接和简洁:

0?wx_fmt=png


2.2.NumPy基础


NumPy是Python的科学计算的一个核心库。它提供了一个高性能的多维数组(矩阵)对象,可以完成在其之上的很多操作。很多机器学习中的计算问题,把数据vectorize之后可以进行非常高效的运算。


2.2.1  数组


一个NumPy数组是一些类型相同的元素组成的类矩阵数据。用list或者层叠的list可以初始化:

0?wx_fmt=png


生成一些特殊的Numpy数组(矩阵)时,我们有特定的函数可以调用:

0?wx_fmt=png


2.2.2 Numpy数组索引与取值


可以通过像list一样的分片/slicing操作取出需要的数值部分。

0?wx_fmt=png
0?wx_fmt=png


还可以这么着取:

0?wx_fmt=png


我们还可以通过条件得到bool型的Numpy数组结果,再通过这个数组取出符合条件的值,如下:

0?wx_fmt=png


Numpy数组的类型

0?wx_fmt=png


2.2.3 Numpy数组的运算


矩阵的加减开方和(元素对元素)乘除如下:

0?wx_fmt=png


矩阵的内积是通过下列方法计算的:

0?wx_fmt=png


特别特别有用的一个操作是,sum/求和(对某个维度):

0?wx_fmt=png


还有一个经常会用到操作是矩阵的转置,在Numpy数组里用.T实现:

0?wx_fmt=png


2.2.4 Broadcasting


Numpy还有一个非常牛逼的机制,你想想,如果你现在有一大一小俩矩阵,你想使用小矩阵在大矩阵上做多次操作。额,举个例子好了,假如你想将一个1*n的矩阵,加到m*n的矩阵的每一行上:

0?wx_fmt=png
0?wx_fmt=png
0?wx_fmt=png
       

更多Broadcasting的例子请看下面:

0?wx_fmt=png


2.3 SciPy


Numpy提供了一个非常方便操作和计算的高维向量对象,并提供基本的操作方法,而Scipy是在Numpy的基础上,提供很多很多的函数和方法去直接完成你需要的矩阵操作。有兴趣可以浏览Scipy方法索引查看具体的方法,函数略多,要都记下来有点困难,随用随查吧。


向量距离计算需要特别拎出来说一下的是,向量之间的距离计算,这个Scipy提供了很好的接口scipy.spatial.distance.pdist

0?wx_fmt=png


2.4 Matplotlib


这是python中的一个作图工具包。如果你熟悉matlab的语法的话,应该会用得挺顺手。可以通过matplotlib.pyplot.plot了解更多绘图相关的设置和参数。

0?wx_fmt=png


结果如下:

0?wx_fmt=png

0?wx_fmt=png

0?wx_fmt=png

0?wx_fmt=png

0?wx_fmt=png


2.5 简单图片读写


可以使用imshow来显示图片。

0?wx_fmt=png

0?wx_fmt=jpeg

原文发布时间为:2016-07-25

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号


版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
集成 SDK 及初始化应用|学习笔记
快速学习集成 SDK 及初始化应用
6 0
AI:《DEEP LEARNING’S DIMINISHING RETURNS—深度学习的收益递减》翻译与解读
AI:《DEEP LEARNING’S DIMINISHING RETURNS—深度学习的收益递减》翻译与解读
66 0
基于深度学习的小目标检测
目标检测的主要目的是在图像中快速精准地识别定位出预定义类别的目标。而随着深度学习技术的不断发展,检测算法在相应行业大、中目标已达到了不错的成效。鉴于小目标在图像中尺寸较小、特征不全、与图像中背景差异大等特点,基于深度学习的小目标检测算法性能仍需要进一步提升和优化;小目标检测在无人驾驶、医疗诊断、无人机导航等多个领域都有着广泛的需求,因此研究有着很高的应用价值。
186 0
深度学习框架Keras介绍及实战
深度学习框架Keras介绍及实战 Keras 是一个用 Python 编写的高级神经网络 API,它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。
1558 0
基于深度学习的计算机视觉应用之目标检测
欢迎大家关注我们的网站和系列教程:http://www.tensorflownews.com/,学习更多的机器学习、深度学习的知识! 目标检测作为图像处理和计算机视觉领域中的经典课题,在交通监控、图像检索、人机交互等方面有着广泛的应用。
1781 0
Android--BottomNavigationBar实现底部导航栏
版权声明:本文为博主原创文章,转载请标明出处。 https://blog.csdn.net/chaoyu168/article/details/79221230 1.
1705 0
文章
问答
来源圈子
更多
+ 订阅
文章排行榜
最热
最新
相关电子书
更多
5天入门视觉AI
立即下载
深度学习的最新进展
立即下载
《喜马拉雅智能语音与NLP应用实践》
立即下载