![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
Bokman
这个作者很懒,什么都没留下…
展开
-
python+opencv将图片合成为视频
将多张时序图片合成为一段视频import cv2import os# 读取时序图中的第一张图片img = cv2.imread('input/in000001.jpg')# 设置每秒读取多少张图片fps = 25imgInfo = img.shape# 获取图片宽高度信息size = (imgInfo[1], imgInfo[0])fourcc = cv2.VideoWriter_fourcc(*"MJPG")# 定义写入图片的策略videoWrite = cv2.Vide原创 2020-11-24 19:37:02 · 2064 阅读 · 3 评论 -
python路径访问
获取当前目录所在的文件夹路径:import oscur_file_path = os.getcwd()print(cur_file_path)输出结果:获取当前目录所在的文件夹的上层文件夹:import osdata_root = os.path.abspath(os.getcwd() + "/..")print(data_root)输出结果:获取当前目录所在的文件夹的上上层文件夹:import osdata_root = os.path.abspa原创 2020-11-24 09:52:28 · 815 阅读 · 0 评论 -
迁移学习的两种策略
In practice, very few people train an entire Convolutional Network from scratch (with random initialization), because it is relatively rare to have a dataset of sufficient size. Instead, it is common to pretrain a ConvNet on a very large dataset (e.g. Imag翻译 2020-11-23 15:56:50 · 895 阅读 · 0 评论 -
深度学习的正、反向传播与梯度下降的实例
采用3层的全连接网络,首先正向传播一次并计算误差,之后反向传播一次更新参数,最后再次正向传播并计算误差全连接网络的具体结构如下:输入参数(input_param):初始化第一层权重(w1):初始化第二层参数(w2):给定预期的输出(output):1. 第一次正向传播及计算误差进行第一次正向传播得到输出(pred):pred = input_param *w1 *w2其中隐藏层(hidden)在第一次正向传播中各个参数为:hidden =input_pa...原创 2020-11-23 10:36:00 · 775 阅读 · 0 评论