小编Tyl*_*ler的帖子

我想用Pandas的to_sql函数创建一个MySQL表,它有一个主键(在mysql表中有一个主键通常很好),如下所示:

group_export.to_sql(con = db, name = config.table_group_export, if_exists = 'replace', flavor = 'mysql', index = False)

但这会创建一个没有任何主键的表(甚至没有任何索引).

文档提到参数'index_label'与'index'参数结合使用可用于创建索引但不提及主键的任何选项.

文档

我正在设置新的Tensorflow Object Detection API,以便在大面积的卫星图像中查找小物体.它工作得很好 - 它找到我想要的所有10个对象,但我也得到50-100个误报[看起来有点像目标对象的东西,但不是].

我使用的样本配置从"宠物"的教程,以微调的faster_rcnn_resnet101_coco,它们的价格模型.我从小开始,只有100个我的对象训练样例(只有1个类).我的验证集中有50个示例.每个示例都是200x200像素的图像,中心带有标记对象(~40x40).我训练直到我的精确度和损失曲线高原.

我对使用深度学习进行物体检测相对较新.提高精度的最佳策略是什么？例如硬阴性采矿？增加我的训练数据集大小？我还没有尝试他们提供的最准确的模型,faster_rcnn_inception_resnet_v2_atrous_coco因为我想保持一定的速度,但如果需要的话也会这样做.

硬负采矿似乎是合乎逻辑的一步.如果您同意,如何为我的训练数据集设置tfrecord文件？假设我为50-100个误报中的每一个制作200x200图像:

• 我是否为每个创建'annotation'xml文件,没有'object'元素？
• ...或者我将这些硬阴性标记为第二类？
• 如果我在训练集中有100个阴性到100个阳性 - 这是一个健康的比例吗？我可以包含多少负面消息？

我在Jupyter上使用plotly offline.我正在绘制曲线:

from plotly.offline import download_plotlyjs, init_notebook_mode, plot, iplot
from plotly.graph_objs import *
import datetime as dt

list_date = [dt.datetime(2016,1,1).date(), dt.datetime(2016,1,2).date(), dt.datetime(2016,1,3).date(), dt.datetime(2016,1,4).date()]
data = []
for i in range(3) : 
    list = [i/2+1, i/2+2, i/2+3, i/2+4]
    data.append(Scatter(x=list_date, y=list, name='y'+str(i)))
figure = Figure(data=data)
iplot(figure)

而且我得到了一个非常好的图表!后者用户想要在其上添加条形图(除了已存在的2条线).

list_bar = [0.5, 1.5, 2.5, 3.5]
data = [Bar(x=list_date, y=list_bar, name='bar')]
figure.update(data=data)
iplot(figure)

但我只有条形图,而不是前两行.如何离线相当于在线功能fileopt ='append'？

py.plot(data, filename='append plot', fileopt='append') 

谢谢 !