摘要:从学习python开始,一直是自己摸索,但是时间不等人啊,所以自己为了节省时间,决定报个班系统学习,下面整理的文章都是自己学习后,认为重要的需要弄懂的知识点,做出链接,一方面是为了自己找的话方便,一方面送给想学习python的同学,因为没有学习完,所以实时更新,敬请期待,,,, 虽然自己能力有限,但 阅读全文
posted @ 2018-05-17 09:27 战争热诚 阅读 (4598) 评论 (41) 编辑
摘要:这已经是我的第四篇博客学习卷积神经网络了。之前的文章分别是: 1,Keras深度学习之卷积神经网络(CNN),这是开始学习Keras,了解到CNN,其实不懂的还是有点多,当然第一次笔记主要是给自己心中留下一个印象,知道什么是卷积神经网络,当然主要是学习Keras,顺便走一下CNN的过程。 2,深入学 阅读全文
posted @ 2019-09-19 19:33 战争热诚 阅读 (186) 评论 (0) 编辑
摘要:1,自编码器简介 传统机器学习任务很大程度上依赖于好的特征工程,比如对数值型,日期时间型,种类型等特征的提取。特征工程往往是非常耗时耗力的,在图像,语音和视频中提取到有效的特征就更难了,工程师必须在这些领域有非常深入的理解,并且使用专业算法提取这些数据的特征。深度学习则可以解决人工难以提取有效特征的 阅读全文
posted @ 2019-09-06 19:21 战争热诚 阅读 (172) 评论 (0) 编辑
摘要:之前一篇笔记: Python机器学习笔记:不得不了解的机器学习知识点(1) 1,什么样的资料集不适合用深度学习? 数据集太小,数据样本不足时,深度学习相对其它机器学习算法,没有明显优势。 数据集没有局部相关特性,目前深度学习表现比较好的领域主要是图像/语音/自然语言处理等领域,这些领域的一个共性是局 阅读全文
posted @ 2019-08-31 11:37 战争热诚 阅读 (225) 评论 (0) 编辑
摘要:之前我们学习使用TensorFlow对图像数据进行预处理的方法。虽然使用这些图像数据预处理的方法可以减少无关因素对图像识别模型效果的影响,但这些复杂的预处理过程也会减慢整个训练过程。为了避免图像预处理成为神经网络模型训练效率的瓶颈,TensorFlow提供了一套多线程处理输入数据的框架。 下面总结了 阅读全文
posted @ 2019-08-20 11:55 战争热诚 阅读 (152) 评论 (0) 编辑
摘要:喜欢摄影的盆友都知道图像的亮度,对比度等属性对图像的影响是非常大的,相同物体在不同亮度,对比度下差别非常大。然而在很多图像识别问题中,这些因素都不应该影响最后的结果。所以本文将学习如何对图像数据进行预处理使训练得到的神经网络模型尽可能小地被无关因素所影响。但与此同时,复杂的预处理过程可能导致训练效率 阅读全文
posted @ 2019-08-17 09:40 战争热诚 阅读 (232) 评论 (1) 编辑
摘要:无论是之前学习的MNIST数据集还是Cifar数据集,相比真实环境下的图像识别问题,有两个最大的问题,一是现实生活中的图片分辨率要远高于32*32,而且图像的分辨率也不会是固定的。二是现实生活中的物体类别很多,无论是10种还是100种都远远不够,而且一张图片中不会只出现一个种类的物体。为了更加贴近真 阅读全文
posted @ 2019-08-13 10:15 战争热诚 阅读 (354) 评论 (1) 编辑
摘要:tensorflow学习笔记——使用TensorFlow操作MNIST数据(1) 一:神经网络知识点整理 1.1,多层:使用多层权重,例如多层全连接方式 以下定义了三个隐藏层的全连接方式的神经网络样例代码: 1.2,激活层:引入激活函数,让每一层去线性化 激活函数有多种,例如常用的 tf.nn.re 阅读全文
posted @ 2019-08-10 08:46 战争热诚 阅读 (183) 评论 (0) 编辑
摘要:维基百科对深度学习的精确定义为“一类通过多层非线性变换对高复杂性数据建模算法的合集”。因为深层神经网络是实现“多层非线性变换”最常用的一种方法,所以在实际中可以认为深度学习就是深度神经网络的代名词。从维基百科给出的定义可以看出,深度学习有两个非常重要的特性——多层和非线性。那么为什么要强调这两个性质 阅读全文
posted @ 2019-08-06 09:25 战争热诚 阅读 (309) 评论 (0) 编辑
摘要:为什么选择TensorFlow? 自从12年AlexNet获得ImageNet大赛的冠军后,深度学习开始流行起来,也因为硬件的快速发展GPU并行计算配合易用的API,让深度学习以及神经网络大方光彩。 深度学习的框架其实有很多,目前来说最火的还要数PyTorch,TensorFlow以及Keras。其 阅读全文
posted @ 2019-08-02 16:33 战争热诚 阅读 (364) 评论 (0) 编辑
摘要:准备1:OpenCV常用图片转换技巧 在进行计算机视觉模型训练前,我们经常会用到图像增强的技巧来获取更多的样本,但是有些深度学习框架中的方法对图像的变换方式可能并不满足我们的需求,所以掌握OpenCV中一些常用的图像处理技巧对我们还是有很多帮助的。 图像通道分离 我们知道每个图像是由RGB三个颜色通 阅读全文
posted @ 2019-07-27 19:27 战争热诚 阅读 (332) 评论 (0) 编辑