06 2020 档案
摘要：图像处理中，不同形式的卷积核对应不同的作用。卷积过程就是在整个图像上对应大小的块不断滑动做乘加的一个过程。 锐化作用：带有负权重的卷积核，权重值为1，如： [ [-1 -1 -1] [-1 9 -1] [-1 -1 -1]] 模糊滤波器作用：带有正权重的卷积核，权重值为1，如： [ [0.04 0.
阅读全文
摘要：首先创建log的目录my_dir，在cmd下执行 tensorboard --logdir=my_dir,对模型进行训练，同时打开浏览器，输入 localhost:6006 ,就可以看到模型训练过程的一些实时信息。 代码如下： import keras from keras import layer
阅读全文
摘要：使用keras上的VGG16模型对ImageNet的训练结果进行特征提取，并在猫狗分类中应用，同时进行了数据增强。代码如下： from keras import models from keras import layers from keras import optimizers from ker
阅读全文
摘要：本地没有GPU环境，今天在百度AIStudio的GPU服务器上竟然跑起来了Keras版本的猫狗分类，服务器配置如图： 具体操作步骤。 1.首先打开百度AI Studio，并建立自己的工程。 2.数据准备，下载猫狗分类数据集在本地电脑，选取猫狗各2000图片压缩为zip文件，在刚建立的工程中上次zip
阅读全文
摘要：一、定义问题，收集数据集 首先要清楚面对问题的输入数据是什么？要预测什么？ 收集这些数据，有需要的话用标签来标注数据。 其次要清楚面对的是什么类型的问题？是二分类问题、多分类问题、标量回归问题、向量回归问题，还是多分类、多标签问题？或者是其他问题，比如聚类、生成或强化学习？确定问题类型有助于你选择模
阅读全文
摘要：Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。使用文档地址：https://pyecharts.org/#/zh-cn/i
阅读全文
摘要：回归问题中，为了调节网络参数（如训练轮数）的同时对网络进行评估，一般将数据集分为训练集和验证集。但有时由于数据集比较小，验证集会非常小。因此会导致验证结果会有很大波动，无法对模型进行可靠的评估，此时，最佳的做法就是使用K折交叉验证。 K折交叉验证的思路就是将数据集划分为K个分区，通常K=4或K=5，
阅读全文
摘要：最近百度的paddlepaddl推广力度不是一般的大，在学习paddle同时，也在看其他深度学习框架，懒得搭环境，就借用百度平台进行练手了。由于权限以及各种库版本问题，百度云环境只能用CPU版本的，有点小遗憾。话不多说，直接上代码，keras框架下对电影评论二分类。 #在notebook下编写，首先
阅读全文
摘要：《Python深度学习》第三章神经网络入门部分内容，有关神经网络的层和损失函数选取。一、层的选取 1.2D张量，选取全连接层，也叫密集连接层，Keras中对应Dense，例如像神经网络中加入一个512输入，32输出的Dense层 network.add(layers.Dense(32, input_
阅读全文
摘要：之前一直用python版本的OpenCV进行图像处理，今天学习使用了下C++版本。具体涉及两方面： 一、vs2019下编译opencv4.2 大致流程为： 1.CMake构建vs解决方案 2.vs2019下生成及install 详见：https://www.cnblogs.com/mangoroom
阅读全文
摘要：今天拜读了一下，收获颇多，github地址如下： https://github.com/deeplearning-ai/machine-learning-yearning-cn PDF下载地址: 链接：https://pan.baidu.com/s/1Rpz8ELYpgkzkH5kUN3RPqA 提
阅读全文
摘要：import cv2 as cv import numpy as np from matplotlib import pyplot as plt # 没有缩放参数的简单均值滤波器 mean_filter = np.ones((3,3)) # 创建高斯滤波器 x = cv.getGaussianKer
阅读全文
浙公网安备 33010602011771号