【收获合辑】k-NN与检索任务的异同+jupyter转pdf

k-NN与检索任务的异同

偶然遇到k-NN，突然感觉算法过程跟检索任务很像，以图像分类任务中的k-NN为例，有如下对应：

两者相同点是：

1. 训练阶段，图像（检索样本）和label（被检索样本）都是成对出现
2. 测试阶段，对于每个检索样本（图像），均要与所有被检索样本（训练集图像）计算距离

区别是：测试阶段，检索任务得到的N个结果各不相同，而k-NN得到的N个结果可能存在相同的，因此需要再行投票

启发：检索任务是否也可以应用这种投票思想呢？

jupyter转pdf

转换后方便打印，很实用~

import argparse
import os
import subprocess

try:
    from PyPDF2 import PdfFileMerger

    MERGE = True
except ImportError:
    print("Could not find PyPDF2. Leaving pdf files unmerged.")
    MERGE = False


def main(files, pdf_name):
    os_args = [
        "jupyter",
        "nbconvert",
        "--log-level",
        "CRITICAL",
        "--to",
        "pdf",
    ]
    for f in files:
        os_args.append(f)
        subprocess.run(os_args)
        print("Created PDF {}.".format(f))
    if MERGE:
        pdfs = [f.split(".")[0] + ".pdf" for f in files]
        merger = PdfFileMerger()
        for pdf in pdfs:
            merger.append(pdf)
        merger.write(pdf_name)
        merger.close()
        for pdf in pdfs:
            os.remove(pdf)


if __name__ == "__main__":
    parser = argparse.ArgumentParser()
    # We pass in a explicit notebook arg so that we can provide an ordered list
    # and produce an ordered PDF.
    parser.add_argument("--notebooks", type=str, nargs="+", required=True)
    parser.add_argument("--pdf_filename", type=str, required=True)
    args = parser.parse_args()
    main(args.notebooks, args.pdf_filename)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46