上一页 1 ··· 4 5 6 7 8 9 10 11 12 下一页
摘要: 1、drop()删除行列 drop()详细的语法如下: 删除行是index,删除列是columns: DataFrame.drop(labels=None, axis=0, index=None, columns=None, inplace=False) 参数: labels:要删除的行或列的标签, 阅读全文
posted @ 2024-02-02 10:56 taohuaxiaochunfeng 阅读(38) 评论(0) 推荐(0)
摘要: 彩色图像出现色差 使用cv2.imread()读取图像时,默认彩色图像的三通道顺序为B、G、R,这与我们所熟知的RGB中的R通道和B通道正好互换位置了。 而使用plt.imshow()函数却默认显示图像的通道顺序为R、G、B,导致图像出现色差发蓝。 彩色图像出现色差代码: 1 import cv2 阅读全文
posted @ 2024-02-02 09:19 taohuaxiaochunfeng 阅读(260) 评论(0) 推荐(0)
摘要: 1、数据集 从数据集的来源不同,我们对数据集的导入分为两种: 1.1、从第三方库中导入 使用PyTorch内置的数据集类(如torchvision.datasets.ImageFolder、torchvision.datasets.CIFAR10等),这些类提供了访问常见数据集的简单方法。下面是一个 阅读全文
posted @ 2024-02-01 00:02 taohuaxiaochunfeng 阅读(65) 评论(0) 推荐(0)
摘要: 在进行卷积神经网络的学习过程中,碰到了不同类型的数据集加载,下面总结一下: 1、文本文件:CSV、TSV、Json、Txt 1.1、简介 CSV文件是逗号分隔值(Comma-Separated Values,CSV),其文件以纯文本形式存储表格数据(数字和文本); TSV 是Tab-separate 阅读全文
posted @ 2024-01-31 22:36 taohuaxiaochunfeng 阅读(326) 评论(0) 推荐(0)
摘要: 1、CNN中常见的名词 padding:padding(填充)参数的作用是决定在进行卷积或池化操作时,是否对输入的图像矩阵边缘补0 stride:滑动卷积核时的步长stride(例如每次滑动一个或两个) kernal:卷积核,通常为3x3或者5x5 filter:卷积核的数量(神经元的数量)。这个地 阅读全文
posted @ 2024-01-31 17:27 taohuaxiaochunfeng 阅读(97) 评论(0) 推荐(0)
摘要: 1、csv文件简介 CSV文件是一种常见的文本文件格式,全称为Comma-Separated Values(逗号分隔值)。它被广泛用于存储表格数据,如电子表格和数据库中的数据。 CSV文件的结构非常简单,每行表示数据中的一行,每个字段之间使用特定的分隔符(通常是逗号)进行分隔。 每行的字段数量应相同 阅读全文
posted @ 2024-01-31 16:50 taohuaxiaochunfeng 阅读(588) 评论(0) 推荐(0)
摘要: 1、cudnn的简介 cuDNN(CUDA Deep Neural Network library):是NVIDIA打造的针对深度神经网络的加速库,是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型,cuDNN不是必须的,但是一般会采用这个加速库。 2、torch.backends.cu 阅读全文
posted @ 2024-01-31 11:19 taohuaxiaochunfeng 阅读(301) 评论(0) 推荐(0)
摘要: 1、定义 LeNet是深度学习领域的一个经典卷积神经网络模型,由Yann LeCun等人于1998年提出,被广泛应用于手写数字识别和其他图像识别任务。 LeNet的网络结构相对简单,包含两个卷积层和三个全连接层,是卷积神经网络的基础。 LeNet对于现代的图像识别任务来说可能过于简单,但其对于深度学 阅读全文
posted @ 2024-01-30 10:56 taohuaxiaochunfeng 阅读(90) 评论(0) 推荐(0)
摘要: 一、文件操作 #自行车 f=open("filename") f.write() f.close() 上述代码存在的问题: (1)直接open()打开需要手动关闭,并且容易忘记关闭 (2)当文件操作出现异常导致程序提早离开,而没有执行关闭文件操作 #小轿车 try: f=open("xxx") f. 阅读全文
posted @ 2024-01-30 10:07 taohuaxiaochunfeng 阅读(446) 评论(0) 推荐(0)
摘要: 1、卷积神经网络的特点 卷积神经网络相对于普通神经网络在于以下四个特点: 局部感知域:CNN的神经元只与输入数据的一小部分区域相连接,这使得CNN对数据的局部结构具有强大的敏感性,可以自动学习到图像的特征。 参数共享:在CNN中,同一个卷积核(filter)在整个输入图像上滑动,共享权重和偏置。这减 阅读全文
posted @ 2024-01-30 09:01 taohuaxiaochunfeng 阅读(152) 评论(0) 推荐(0)
上一页 1 ··· 4 5 6 7 8 9 10 11 12 下一页