【深度学习】第一章 预备内容

一直想学习一下TensorFlow,加之神经网络理论部分还是弄得不太熟,在天池上看到有个免费教学视频感觉还可以,希望可以入门成功~
chrome上没有倍速功能,先安了个video speed controller,截图推荐Greenshot,截图及进行文字标注很方便,也可以用搜狗输入法自带的

学习视频:https://tianchi.aliyun.com/course/courseDetail?spm=5176.12282042.0.0.23fa2042F8jjZA&courseId=198


01 入门指南+学习方法建议

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

02 深度学习介绍

通过学习去找规则,而不需要人为去制定规则
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
使用机器学习判断图片是否是猴子的时候首先进行人工的特征提取(绿色的部分),再通过一个分类模型(蓝色部分)进行判断
在这里插入图片描述
使用深度判断图片是否是猴子的时候所有的函数都从数据中自动学习,不需要手动提取特征,图中堆叠了四个模型,这四个模型都自动从数据中去学习
在这里插入图片描述
在这里插入图片描述
深度学习爆发的原因:
(1)大数据降低了数据收集和存储的成本
(2)GPU的快速发展,降低了训练的时间,提高了训练的速度
在这里插入图片描述
在这里插入图片描述
当前两种主流框架
(1)符号式编程:TensorFlow
(2)命令式编程:Pytorch
在这里插入图片描述
在这里插入图片描述
应用:机器自动翻译、图片上色、人脸识别、目标检测、自动驾驶

03 代码版本控制和托管平台Github

小白哭泣!!!!真的一直不知道github怎么玩,居然还有这个专门介绍,感动!
在多人合作写代码的时候往往不知道对方修改了哪些东西,因此催生除了git
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
进行搜索
在这里插入图片描述

04&05深度学习环境配置、PYTHON环境配置

深度学习给的是linux,window费了半天劲搜教程才安上
python之前安过,pass

06编程语言Python1-简介和重要概念

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
循环-》从头到尾
遍历-》对路径做一次且仅一次的访问
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

07编程语言Python2-数值计算库Numpy

在这里插入图片描述
在这里插入图片描述
python中索引是从0开始的
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值