小编Has*_*aza的帖子

所以,我一直在玩TensorFlow数据集API来加载图像和分段掩码(用于语义分割项目),我希望能够生成批量的图像和掩码,每个图像随机经过任何一个预处理功能的组合,如亮度变化,对比度变化,裁剪,饱和度变化等.因此,我的批次中的第一个图像可能没有预处理,第二个可能有饱和度变化,第三个可能有亮度和饱和度等.

我尝试了以下方法:

import tensorflow as tf
from tensorflow.contrib.data import Dataset, Iterator
import random


def _resize_image(image, mask):
    image = tf.image.resize_bicubic(image, [480, 640], True)
    mask = tf.image.resize_bicubic(mask, [480, 640], True)
    return image, mask

def _corrupt_contrast(image, mask):
    image = tf.image.random_contrast(image, 0, 5)
    return image, mask


def _corrupt_saturation(image, mask):
    image = tf.image.random_saturation(image, 0, 5)
    return image, mask


def _corrupt_brightness(image, mask):
    image = tf.image.random_brightness(image, 5)
    return image, mask


def _random_crop(image, mask):
    seed = random.random()
    image = tf.random_crop(image, [240, 320, 3], seed=seed)
    mask = tf.random_crop(mask, [240, …

所以我一直在玩Julia,我发现在Julia和MATLAB之间计算概率分布峰度的函数是不同的.

在朱莉娅,做:

using Distributions
dist = Beta(3, 5)
x = rand(dist, 10000)
kurtosis(x) #gives a value approximately around -0.42

在MATLAB中做:

x = betarnd(3, 5, [1, 10000]);
kurtosis(x) %gives something approximately around 2.60

这里发生了什么事？为什么这两种语言的峰度不同？