标签: training-data

我处于一个不稳定的位置,即"管理"一家小公司的开发团队.我说"管理"是因为虽然我分配工作并提供有关其表现的反馈,但我在实际管理个人方面没有办法.

我的一些团队我不知道该怎么做,他们无法独立工作,需要大量的手持,并且当他们离开时通常会对项目造成严重破坏,通常会导致失败.当失败确实发生时,我只能打捞项目并将其推向终点线(有时一瘸一拐).

这些开发人员不仅缺乏编程概念的技能,而且通常能够为代码中的问题制定解决方案.像写循环这样的简单事情对他们来说很难,更不用说设计和实现问题的解决方案了.

我们尝试过结对编程,提供支付课程,购买书籍,在工作日分配培训时间,甚至花费一整天来培训团队.

另一位高级开发人员和我不知道该怎么做,但是我们的生产力日益受到限制,不得不每天与这些人打交道.管理层迫使我们给他们工作,他们的主要抱怨是事情没有尽快完成.

我们的管理团队都没有直接与除我本人和其他高级开发人员之外的任何开发人员合作.管理是非技术性的,并且相信每个开发人员都是平等创建的,并且我们显然需要更多人参与这些项目以更快地完成任务.

我已经准备了一份文件,其中包含"神话人月"和"代码完整"中的部分,以便向管理层发送,希望能够用统计数据说明真正阻碍我们的是必须拖延平庸的人们进入开发周期.

还有哪些其他资源？书籍,文章,一般建议任何事情都会有所帮助.

我试图使用train_test_split包scikit Learn,但我遇到参数问题stratify.以下是代码:

from sklearn import cross_validation, datasets 

X = iris.data[:,:2]
y = iris.target

cross_validation.train_test_split(X,y,stratify=y)

但是,我一直遇到以下问题:

raise TypeError("Invalid parameters passed: %s" % str(options))
TypeError: Invalid parameters passed: {'stratify': array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, …

我在哪里可以获得已被归类为公司域中情绪的正面/负面的文档集？我想要一大堆文件,为公司提供评论,例如分析师和媒体提供的公司评论.

我发现有产品和电影评论的语料库.是否有业务领域的语料库,包括符合业务语言的公司评论？

我是机器学习的新手,而对于我的第一个项目,我想写一个朴素的贝叶斯垃圾邮件过滤器.我想知道是否有任何公开的标记垃圾邮件/非垃圾邮件的培训集,最好是纯文本而不是关系数据库的转储(除非它们打印那些？).

我知道这种公开可用的数据库存在于其他类型的文本分类中,特别是新闻文章文本.我只是无法为电子邮件找到同样的东西.

我正在寻找一些相对简单的数据集来测试和比较人工神经网络的不同训练方法.我希望数据不需要太多的预处理就可以将其转换为输入和输出列表的输入格式(归一化为0-1).任何链接赞赏.

我目前正在尝试制作一个程序,仅根据其外观区分腐烂的橙子和可食用的橙子.为此,我计划使用卷积神经网络训练腐烂的橙子和普通的橙子.经过一番搜索,我只能找到一个约数据库.黑色背景上的150个烂橙子和150个普通橙子(http://www.cofilab.com/downloads/).显然,机器学习模型至少需要几千个橙子才能达到90%左右的精度.但是,我可以用某种方式改变这150种橙子来制作更多的橙子照片吗？通过改变,我的意思是在柑橘类水果上添加不同浓度的橙色,以形成"不同的橙色".这是训练神经网络的有效方法吗？

我的问题很简单,什么是验证数据传递的顺序模型model.fit 使用？

并且,它是否会影响模型的训练方式(通常使用验证集,例如,在模型中选择超参数,但我认为这不会发生在这里)？

我在谈论可以像这样传递的验证集:

# Create model
model = Sequential()
# Add layers
model.add(...)

# Train model (use 10% of training set as validation set)
history = model.fit(X_train, Y_train, validation_split=0.1)

# Train model (use validation data as validation set)
history = model.fit(X_train, Y_train, validation_data=(X_test, Y_test))

我调查了一下,我看到keras.models.Sequential.fit调用keras.models.training.fit,这就好比创建变量val_acc和val_loss(可从回调来访问).keras.models.training.fit还调用keras.models.training._fit_loop,它将验证数据添加到callbacks.validation_data调用中,并且还调用keras.models.training._test_loop,这将self.test_function在模型的批量上循环验证数据.此函数的结果用于填充日志的值,这些值是可从回调中访问的值.

看到这一切之后,我觉得传递给它的验证集model.fit并不用于在训练期间验证任何东西,它的唯一用途是获得关于训练模型在完全独立集合的每个时期中如何执行的反馈.因此,使用相同的验证和测试集会很好,对吧？

任何人都可以确认除了从回调中读取之外,model.fit中的验证集是否还有其他任何目标？

我有一个项目,我想检测图像中的对象; 我的目标是使用HOG功能.通过使用OpenCV SVM实现,我可以找到用于检测人的代码,并且我阅读了一些关于调整参数以便检测对象而不是人的文章.不幸的是,由于一些原因我不能这样做; 首先,我可能错误地调整了参数,其次,我不是C++中的优秀程序员,但我必须使用C++/OpenCV ... 在这里你可以找到用于检测人的HOG功能的代码使用C++/OpenCV.

假设我想检测此图像中的对象.现在,我将向您展示我在代码中尝试更改的内容,但它与我无关.

我试图改变的代码:

HOGDescriptor hog;
hog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());

我尝试getDefaultPeopleDetector()使用以下参数进行更改,但它不起作用:

(Size(64, 128), Size(16, 16), Size(8, 8), Size(8, 8), 9, 0,-1, 0, 0.2, true, cv::HOGDescriptor::DEFAULT_NLEVELS)

然后我尝试制作一个矢量,但是当我想打印结果时,它似乎是空的.

vector<float> detector;

HOGDescriptor hog(Size(64, 128), Size(16, 16), Size(8, 8), Size(8, 8), 9, 0,-1, 0, 0.2, true, cv::HOGDescriptor::DEFAULT_NLEVELS);

hog.setSVMDetector(detector);

拜托,我需要帮助解决这个问题.

train_image_gen = image_gen.flow_from_directory('/Users/harshpanwar/Desktop/Folder/train',
                                               target_size=image_shape[:2],
                                               batch_size=batch_size,
                                               class_mode='binary')

在上面的代码片段中 class_mode='binary' 表示什么。我认为这是针对图像类别的数量。我正在使用此代码在 Keras 中训练图像识别分类器以在 2 个不同类别（如狗和猫）之间进行分类。因此，如果 class_mode='binary' 用于表示两个类别，我们如何将其设为三个或更多？

我正在尝试使用图像而不是字体来训练Tesseract 4.

在文档中,他们只解释了字体的方法,而不是图像.

我知道它是如何工作的,当我使用以前版本的Tesseract但我没有得到如何使用box/tiff文件在Tesseract 4中使用LSTM进行训练.

我查看了tesstrain.sh,它用于生成LSTM训练数据,但找不到任何有用的信息.有任何想法吗？