小编txi*_*zle的帖子

我最近使用cv2为Tensorflow的tf.image模块进行了图像处理.但是,我的验证准确率下降了大约10%.

我认为这个问题与此有关

1. cv2.imread()与tf.image.decode_jpeg()
2. cv2.resize()与tf.image.resize_images()

虽然这些差异导致精度较差,但使用plt.imshow()时,图像似乎无法区分.例如,获取ImageNet验证数据集的图像#1:

首要问题:

• cv2.imread()接收一个字符串并输出一个BGR 3通道uint8矩阵
• tf.image_decode_jpeg()接受一个字符串张量并输出RGB 3通道uint8张量.

然而,在将tf张量转换为BGR格式之后,图像中的许多像素存在非常小的差异.

使用tf.image.decode_jpeg然后转换为BGR

[[ 26  41  24 ...,  57  48  46]
 [ 36  39  36 ...,  24  24  29]
 [ 41  26  34 ...,  11  17  27]
 ..., 
 [ 71  67  61 ..., 106 105 100]
 [ 66  63  59 ..., 106 105 101]
 [ 64  66  58 ..., 106 105 101]]```

使用cv.imread

[[ 26  42  24 ...,  57  48  48]
 [ 38  40  38 ...,  26  27  31] …

我目前已经使用该sklearn.linear_model模块实现了 Ridge 和 Lasso 回归。

然而，Lasso 回归在同一数据集上的表现似乎差了 3 个数量级！

我不确定出了什么问题，因为从数学上讲，这不应该发生。这是我的代码：

def ridge_regression(X_train, Y_train, X_test, Y_test, model_alpha):
    clf = linear_model.Ridge(model_alpha)
    clf.fit(X_train, Y_train)
    predictions = clf.predict(X_test)
    loss = np.sum((predictions - Y_test)**2)
    return loss

def lasso_regression(X_train, Y_train, X_test, Y_test, model_alpha):
    clf = linear_model.Lasso(model_alpha)
    clf.fit(X_train, Y_train)
    predictions = clf.predict(X_test)
    loss = np.sum((predictions - Y_test)**2)
    return loss


X_train, X_test, Y_train, Y_test = cross_validation.train_test_split(X, Y, test_size=0.1, random_state=0)
for alpha in [0, 0.01, 0.1, 0.5, 1, 2, 5, 10, 100, 1000, 10000]:
    print("Lasso loss for …

我有一些问题,Sprockets在rake资产期间找不到文件:precompile.我之前没有遇到过这个问题,但是当我添加了一个生成的迁移(本地构建)时,Heroku无法构建我的应用程序,我不知道为什么,因为它在本地构建(没有我运行额外的rake资产:预编译).

错误信息是这样的:

-----> Preparing app for Rails asset pipeline
       Running: rake assets:precompile
       rake aborted!
       Sprockets::FileNotFound: could not find file: /tmp/build_dd4a799769e6963b7b292df72db58fd8/username-appname-uniqueid/app/assets/stylesheets/application.scss

有什么帮助吗？感谢您的时间!

PS.作为旁注 - 当我运行"rake assets:precompile"然后推送到Heroku时,应用程序会构建.然而,一个css类"fa-bars"的项目搞砸了......为什么会这样？

谢谢!