- 博客(22)
- 收藏
- 关注
RSS订阅原创 Anaconda环境在服务器间的迁移
首先，在服务器A上创建3.10，名称为mplug_owl2的python环境，然后使用conda-pack把服务器A上的环境复制至服务器B中，B中conda环境路径为/home/usr/miniconda3/envs/，具体操作过程下面进行详细概述。
2024-04-26 20:30:36
358
1
原创 T5 运动鞋识别
划分训练集和测试集，其中训练集数据为502张，测试集数据为76张。导入数据并展示示例图片，图片总数为2142。构建三层卷积、两层全连接的神经网络。导入相关的包，并使用特定的GPU。
2023-11-24 21:57:31
401
1
原创 GPU版本tensorflow安装
由于tensorflow默认安装都是CPU版本，之前一直安装gpu版本出现很多问题，这里终于找到一种安装方法，以及自己电脑对应的版本。供大家参考。其中找到的比较优质的博文参考如下（1）（2）（3）
2023-11-18 12:18:24
157
1
原创 T4猴痘病识别
在anaconda prompt中新建名称为tensorflow_cpu的环境，并安装tensorflow，matplotlib的包。同时脚本代码为ipy文件，需要安装ipykernel。[在这里插入图片描述](https://img-blog.csdnimg.cn/cfebf30b0b254833a5c12e238fa72ca4.png#pic_center。划分训练集和测试集，其中训练集数据为900张，测试集数据为225张。采用CPU训练速度已经可见有些慢。导入数据并展示示例图片，图片总数为2142。
2023-11-17 21:29:02
80
原创 T3 天气识别
在anaconda prompt中新建名称为tensorflow_cpu的环境，并安装tensorflow，matplotlib的包。同时脚本代码为ipy文件，需要安装ipykernel。本文采用Tensorflow的框架，进行天气图像的检测识别，数据由K同学提供。可以看出，当训练epoch在20次以后，训练集精度已经到达1，训练集误差已经到0。划分训练集和测试集，其中训练集数据为900张，测试集数据为225张。构建三层卷积、两层全连接的神经网络。导入数据并展示示例图片。输出使用的电脑配置。
2023-11-10 14:14:48
81
1
原创 Week7，咖啡豆识别
（1）采用自己构建的VGG16网络进行训练得到的训练结果如下。最终准确率可以达到96.7%，最好模型准确率为98.3%。（2）调用官方的VGG16并再次训练分类器，得到的准确率为99.6%。模型的参数、训练结果和每个epoch的结果如下。Done预测结果是：Dark。
2023-10-20 14:04:52
55
1
原创 Week6 好莱坞明星识别
（1）采用原始网络进行训练得到的训练结果如下。可以看到训练精度大概再百分之二十多，比较低。同时注意到在epoch40以内，训练精度、测试精度、训练误差、测试误差都没有达到稳定值， 但有收敛趋势。可以稍微增大一下学习率。（2）改进结构，使得精度达到60%以上。为了提高精度，我把分类器中的参数都进行了学习训练，并添加droupout层防止过拟合。首先看一下网络代码。set_parameter_requires_grad(self.features, feature_extract)#固定特征提取层参数。
2023-10-20 12:21:56
59
1
原创 Week5 运动鞋识别
（1）采用原始网络进行训练得到的训练结果如下训练过程如下（2）在使用原始网络后，在第40个epoch时，测试集精度为80.3%，在第四周学习任务中，发现增加卷积层深度并不太能增加精度，而增加网络宽度可以，因此，增加通道数，具体如下所示。nn.ReLU())nn.ReLU())nn.ReLU())nn.ReLU())得到的训练结果如下所示每个epoch的精度和损失具体值如下，最终可以达到88%的精度。
2023-10-06 21:13:00
67
1
原创 Week4 猴痘病识别
（1）采用原始网络进行训练得到的训练结果如下训练过程如下（2）改变网络结构如下，并增加动量和学习率变化机制return x# train得到的训练结果如下所示每个epoch的精度和损失具体值如下，最终可以达到88%的精度。。。。
2023-09-29 19:23:50
55
1
原创 Week2 彩色图像CIFAR10图像识别
1、由于CIFAR10数据比较复杂，当采用原文中的设置进行100次迭代时，发生了过拟合现象，即训练精度达到1，测试误差先减小后不断增大，效果如下2、改进措施：在优化器中添加了动量，添加了学习率逐渐下降的机制，以及在网络模型的第一个全连接层后面添加Droupout机制，在改进之后，发现训练过程稳定下来了3、对过拟合问题进行改进后，发现测试集的精度稳定在70%左右，这应该是两层神经网络达到的上限了，想要提高精度，可增加卷积神经网络的宽度和深度。
2023-09-14 13:25:05
69
1
原创 目录文件的读取
小编想从两级文件目录下读取一张图片，并把此图片复制到另一个文件夹，这里所用的编程工具为python，奉上代码，先干为敬：# 从data_dir文件下读取图片，复制到file_dirdef file_name(file_dir,data_dir): # 读取data_dir下的所有文件夹 folderlist = os.listdir(data_dir) # print(...
2020-04-20 10:50:06
218
原创 数据集标注
数据集标注如何自己建立数据集数据集标注如何自己建立数据集入坑机器学习，首先要确定整体框架，而框架的构成就是对比算法、数据集和指标。数据集是验证算法的关键，而在论文中万一没有现成的数据集标注标注数据集的软件很多，labelme是很常用的一个，可在python3上使用，...
2020-04-20 10:43:14
2800
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人