现在我正在使用来自github 的fb火炬库
这是我第一次使用火炬和lua,所以我遇到了一些问题。
我的目标是将特定层的特征向量(resnet的最后一个avg池)保存到一个带有输入图像类的文件中。所有输入图像都来自cifar-10 db.
我想要得到的文件格式就像下面这样
image1.txt := class index of image and feature vector of image 1 of cifar-10
image2.txt := class index of image and feature vector of image 2 of cifar-10
// and s
我的文件夹中有50.000,其名称为"1.png“到"50000.png”。我想把它们按特殊顺序保存到数组中,因为我有标签来对它们进行分类。因此,当图像的顺序被弄乱时,标签就变得无用了。(即: 1.png将保存到第一个索引,2.png将保存到第二个索引等)。为此,我尝试使用以下代码:
#Read and save all Images to images array.
images=[]
image_folder=[img for img in glob.glob("C:/Users/yazilim1/Desktop/Jupyter/cifar-10/train/*.
我正在玩cifar-10数据集(可在这里找到),现在我想绘制一批的图像之一。
当我从泡菜中得到图像时,这些图像被表示为向量:
从cifar-10文档: 前1024个条目(图像)包含红色通道值,下一个1024个绿色,最后1024个蓝色。图像按行大顺序存储,因此数组的前32个条目是图像第一行的红色通道值。
我想出了一幅图,就是:
import numpy as np
import matplotlib.pyplot as plt
# get the dataset
a = unpickle('./cifar-10/data_batch_1')
# get the first im
我有一个从scikit学习中导入随机森林分类器的函数,我用数据对它进行拟合,最后我想显示准确性、卡帕和混淆矩阵。除打印混淆矩阵外,所有工作。我没有得到任何错误,但混淆矩阵不打印。
我试着打电话给print(cm),它可以工作,但它没有打印通常的熊猫数据格式,这是我正在寻找的。
这是密码
def rf_clf(X, y, test_size = 0.3, random_state = 42):
"""This function splits the data into train and test and fits it in a random forest cl
我的分类系统将产生3个输出,告诉用户图像属于哪个类别。假设类别是A、B和C。下面是矩阵的示例:
A B C
A 10 5 2
B 0 20 2
C 0 0 20
我对公式Precision = tp/tp + fp和Recall = tp/tp+fn有点困惑,因为我不确定在这种情况下如何应用真阳性、真阴性、假阳性和假阴性。
有人能在这方面提供帮助吗?非常感谢您的帮助。谢谢。
利用CIFAR-10数据集进行深度学习的分类器有很多例子。它的工作方式是,训练成千上万的猫,狗,飞机等图像,然后分类为狗,平面或猫。但我想做相反的事。我想训练狗,猫,飞机,它应该输出图像。这是我的主意
将cat的相似/清晰图像分组为值1,不太相似/模糊图像分组为1.1,等等。同样,将狗的相似图像分组为值2,将相似图像分组为2.1,等等。对所有类型的图像都做同样的操作。
生成的数据集应该如下所示
input output
1 pixels(24*24) of a cat images(clear)
1 pixels(24*24) of a cat images(cl