摘要：
http://www.cnblogs.com/denny402/p/5070928.html 阅读全文
posted @ 2018-11-26 17:02
Austin_anheqiao
阅读(296)
评论(0)
推荐(0)
摘要：
global语句 如果你想要为一个定义在函数外的变量赋值，那么你就得告诉Python这个变量名不是局部的，而是 全局 的。我们使用global语句完成这一功能。没有global语句，是不可能为定义在函数外的变量赋值的。 你可以使用定义在函数外的变量的值（假设在函数内没有同名的变量）。然而，我并不鼓励 阅读全文
posted @ 2018-11-21 21:58
Austin_anheqiao
阅读(377)
评论(0)
推荐(0)
摘要：
tf.nn.top_k(input, k, name=None) 这个函数的作用是返回 input 中每行最大的 k 个数，并且返回它们所在位置的索引。 input: 一个张量，数据类型必须是以下之一：float32、float64、int32、int64、uint8、int16、int8。数据维度 阅读全文
posted @ 2018-11-21 16:33
Austin_anheqiao
阅读(847)
评论(0)
推荐(0)
摘要：
设定trainable=False 可以防止该变量被数据流图的 GraphKeys.TRAINABLE_VARIABLES 收集, 这样我们就不会在训练的时候尝试更新它的值。 因为指数衰减的学习率是伴随global_step的变化而衰减的，所以当global_step不改变时，学习率也变成一个定值。 阅读全文
posted @ 2018-11-21 16:27
Austin_anheqiao
阅读(786)
评论(0)
推荐(0)
摘要：
通过Softmax回归，将logistic的预测二分类的概率的问题推广到了n分类的概率的问题。 args： logits a tensor 必须是一下类型之一：float32,float64 [batch_size, num_classes],当没有batcha,默认为[num_classes,]， 阅读全文
posted @ 2018-11-21 16:21
Austin_anheqiao
阅读(727)
评论(0)
推荐(0)
摘要：
1、module 'tensorflow.python.ops.nn' has no attribute 'rnn_cell' 将tf.nn.rnn_cell ->tf.contrib.rnn 阅读全文
posted @ 2018-11-19 17:08
Austin_anheqiao
阅读(191)
评论(0)
推荐(0)
摘要：
推文： OpenCV学习(7) 分水岭算法(1)（原理简介简单明了） OpenCV-Python教程:31.分水岭算法对图像进行分割（步骤讲解不错） 图像识别中距离变换的原理及作用详解,并附用OpenCV中的distanceTransform实现距离变换的代码!（距离变换的定义讲得不错） http: 阅读全文
posted @ 2018-11-03 20:31
Austin_anheqiao
阅读(2235)
评论(0)
推荐(0)
摘要：
介绍 形态学操作其实就是改变物体的形状，比如腐蚀就是”变瘦”，膨胀就是”变胖”，看下图就明白了 形态学操作一般作用于二值化图，来连接相邻的元素或分离成独立的元素。腐蚀和膨胀是针对图片中的白色部分！ 主要是应用在二值图像分析中，灰度图像亦可。 可以看做膨胀是将白色区域扩大，腐蚀是将黑色区域扩大 一、膨 阅读全文
posted @ 2018-11-01 17:23
Austin_anheqiao
阅读(1531)
评论(0)
推荐(0)
摘要：
找到轮廓之后，怎么测量弧长面积多边形拟合，中心距等等 原点矩就是几何图形的重心；中心矩反映几何图形上点的分布规律，相当于将坐标原点移到重心上，此时的原点矩。 二、相关函数 1、几何计算 （1）cv.contourArea(contour) 获取每个轮廓面积 （2）cv.boundingRect(co 阅读全文
posted @ 2018-11-01 14:38
Austin_anheqiao
阅读(521)
评论(0)
推荐(0)
摘要：
推文：OpenCV-Python教程（11、轮廓检测） 一、轮廓发现 是基于图像边缘提取的基础，寻找对象轮廓的方法，所以边缘提取的阈值选定会影响最终轮廓的发现。 操作步骤 1.转换图像为二值化图像：threshold方法或者canny边缘提取获取的都是二值化图像 2.通过二值化图像寻找轮廓：find 阅读全文
posted @ 2018-10-31 17:15
Austin_anheqiao
阅读(907)
评论(0)
推荐(0)
浙公网安备 33010602011771号