MCPcopy Create free account

hub / github.com/chizhanyuefeng/FD-CNN / functions

Functions48 in github.com/chizhanyuefeng/FD-CNN

↓ 4 callersFunctionbiases_variable
偏置变量tensor :param shape: :return:
src/cnn.py:34
↓ 4 callersFunctionwights_variable
权重变量tensor :param shape: :return:
src/cnn.py:25
↓ 2 callersFunctionconv2d
网络卷积层 :param x: 输入x :param kernel: 卷积核 :return: 返回卷积后的结果
src/cnn.py:43
↓ 2 callersFunctionfall_net
跌到检测网络 :param x: 输入tensor,shape=[None,] :return:
src/cnn.py:71
↓ 2 callersFunctionmax_pooling_2x2
最大赤化层 :param x: 输入x :return: 返回池化后数据
src/cnn.py:52
↓ 2 callersFunctiontransform_sensor_data
将跌倒数据规范化 :param sensor_data: 长度为1200的数组 :return:
utils/paper_figure.py:27
↓ 2 callersFunctiontransform_sensor_data
将跌倒数据规范化 :param sensor_data: 长度为1200的数组 :return:
utils/transform.py:20
↓ 1 callersFunctionadl_line_chart
绘制日常行为运动数据折线图 :param csv_file: 日常行为运动数据图 :param data_num: 截取数据量 :return: 截取的数据和截取的数据量
utils/data_graph.py:56
↓ 1 callersFunctiondata2image
将规范化后的传感器数据转化为图像数据 :param transform_data: 规范后的数据 :param num: 图像编号 :return: 生成好的图像数据
utils/paper_figure.py:131
↓ 1 callersFunctiondata2image
将规范化后的传感器数据转化为图像数据 :param transform_data: 规范后的数据 :param num: 图像编号 :return: 生成好的图像数据
utils/transform.py:76
↓ 1 callersFunctionevaluate
(p,g,class_)
src/cnn.py:214
↓ 1 callersFunctionextract_data
提取数据,根据参数,截取定长数据来存储到new_data_file中. 截取的数据长度=end+1-begin :param annotated_file: 需要提取的csv数据文件 :param begin: 数据的起始段 :param end: 数据的终
utils/ADL_handle.py:29
↓ 1 callersFunctionextract_data
提取数据,根据参数,截取定长数据来存储到new_data_file中. 截取的数据长度=end+1-begin :param annotated_file: 需要提取的csv数据文件 :param begin: 数据的起始段 :param end: 数据的终
utils/ADL_handle_mf.py:30
↓ 1 callersFunctionextract_data
提取数据,根据参数,截取定长数据来存储到new_data_file中. 截取的数据长度=end+1-begin :param acc_csv_file: 需要提取的csv数据文件 :param begin: 数据的起始段 :param end: 数据的终止段
utils/fall_data_handle.py:65
↓ 1 callersFunctionfind_and_extract
循环读取文件,提取数据 :return:
utils/ADL_handle_mf.py:99
↓ 1 callersFunctionfind_txt_data_file
查找所有txt数据文件,并转化成csv文件 :param path: 文件绝对路径 :return: 无
utils/fall_data_handle.py:141
↓ 1 callersFunctionfix_data
根据提供的数据和错误类型来修正数据,修改好数据后,将数据更新并保存. :param daya: 数据 :param row: 数据所在文件中的行号(行号从0开始) :param fix_type: 错误类型 :return: 返回修整好的数据a
utils/fix_data.py:36
↓ 1 callersMethodget_test_data
(self)
src/dataset.py:156
↓ 1 callersMethodget_train_data
(self)
src/dataset.py:161
↓ 1 callersFunctionmain
()
utils/ADL_handle.py:106
↓ 1 callersFunctionmain
()
utils/ADL_handle_mf.py:161
↓ 1 callersFunctionmain
()
utils/fix_data.py:216
↓ 1 callersFunctionmain
测试代码 :return:
utils/data_graph.py:124
↓ 1 callersFunctionmain
()
src/dataset.py:171
↓ 1 callersFunctionmake_figure
将未处理数据进行可视化,生成figure和对应的image :return:
utils/paper_figure.py:150
↓ 1 callersFunctionmake_figure
将未处理数据进行可视化,生成figure和对应的image :return:
utils/transform.py:95
↓ 1 callersMethodnext_batch
获取size份数据 :param size: batchsize :return:
src/dataset.py:116
↓ 1 callersFunctionsave_extracted_file
(save_data_file,position)
utils/ADL_handle_mf.py:85
↓ 1 callersFunctiontest_model
使用测试数据集对训练好的模型进行测试 :return: 测试结果
src/cnn.py:169
↓ 1 callersFunctiontrain_model
训练模型,并将训练的模型参数进行保存 :return: 返回训练好模型参数
src/cnn.py:123
↓ 1 callersFunctiontxt2csv
将txt文件复制并转化成csv文件 :param txt_file: txt格式文件路径 :return: 返回转化后的csv文件
utils/fall_data_handle.py:9
Method__init__
(self,data_path,class_list,TEST_MODEL=False)
src/dataset.py:31
Method_normalization
(self, data)
src/dataset.py:166
FunctiondeleteEmpty
将修正后的数据中空行剔除. :param daya_file: 数据文件路径 :return: 返回剔除空行的文件
utils/fix_data.py:149
Functiondemo_run
(data)
src/cnn.py:250
Methodepochs_completed
(self)
src/dataset.py:113
Functionfall_line_chart
绘制跌倒数据折线图 :param csv_file: 跌倒数据csv文件 :return:
utils/data_graph.py:28
Methodindex_in_epoch
(self)
src/dataset.py:109
Functionlrn
local response normalization 局部响应归一化,可以提高准确率 :param x: 输入x :return:
src/cnn.py:60
Functionmain
()
utils/fall_data_handle.py:160
Functionmake_dataset
生成规范数据集 :return:
utils/paper_figure.py:173
Functionmake_dataset
生成规范数据集 :return:
utils/transform.py:118
Functionmergedata
(root_dir,save_data_file)
utils/fix_data.py:172
Functionon_button_press
鼠标点击响应事件 :param event: :return:
utils/data_graph.py:10
Methodtest_x
(self)
src/dataset.py:101
Methodtest_y
(self)
src/dataset.py:105
Methodtrain_x
(self)
src/dataset.py:93
Methodtrain_y
(self)
src/dataset.py:97