2017年08月_Colie-Li

翻译 tensorflow中slim模块api介绍

最近需要使用slim模块，先把slim的介绍放在这，后续会进行整理github：https://github.com/tensorflow/tensorflow/edit/master/tensorflow/contrib/slim/README.mdTensorFlow-SlimTF-Slim is a lightweight library for defining, trai

2017-08-29 20:13:35 66106 20

原创 tensorflow 卷积、反卷积形式的去噪自编码器

对于去噪自编码器，网上好多都是利用全连接神经网络进行构建，我自己写了一个卷积、反卷积形式的去噪自编码器，其中的参数调优如果有兴趣的话，可以自行修改查看结果。数据集我使用最简单的mnist：网络结构：mnist输入（28*28=784向量） => 28*28*1矩阵 => 卷积层1 => 14*14*64 => 卷积层2 => 7*7*64 => 卷积层3 =>

2017-08-24 15:01:47 9556 15

原创将mnist原始图像转换为tfrecords格式

官方其实是给了mnist数据读取接口的，但还是自己实现一下，这样内部的处理机制就都明白了mnist数据集中包含测试集和训练集（训练+验证），每个集合中包含若干图片和一个标签文件：转tfrecords代码#! -*- coding: utf-8 -*-import tensorflow as tffrom PIL import Imageconfig =

2017-08-22 18:14:31 2622

原创将tensorflow网络模型（图+权值）保存为.pb文件，并从.pb文件中还原网络模型

工程结构如下：将网络模型（图+权值）保存为.pb文件 write.py# -*- coding: utf-8 -*-from __future__ import absolute_import, unicode_literalsfrom tensorflow.examples.tutorials.mnist import input_dataimport tensorfl

2017-08-22 13:43:49 13644 3

原创 tensorflow中tfrecords格式的读写

关于Tensorflow数据的读取，有三种方法：供给数据(Feeding)：在TensorFlow程序运行的每一步，让Python代码来供给数据(一次一喂)。从文件读取数据：在TensorFlow图的起始，让一个输入管线从文件中读取数据（从文件流中自动读取）。预加载数据：在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)。

2017-08-21 21:07:41 1920

原创 tensorflow中指定GPU及GPU显存设置

查看机器上GPU情况命令： nvidia-smi功能：显示机器上gpu的情况命令： nvidia-smi -l功能：定时更新显示机器上gpu的情况其中左上侧有0、1、2、3的编号，表示GPU的编号，在后面指定GPU时需要使用这个编号。在终端执行程序时指定GPU CUDA_VISIBLE_DEVICES=1 python your_

2017-08-14 17:44:26 104140 5

原创 FCN8s 代码解析

FCN.py# -×- coding: utf-8 -*-from __future__ import print_functionimport tensorflow as tfimport numpy as npimport TensorflowUtils as utilsimport read_MITSceneParsingData as scene_parsing

2017-08-13 16:19:55 10030 14

转载深度学习反向传播

文章出处： http://blog.csdn.net/han_xiaoyang/article/details/503218731. 引言问题描述与动机：大家都知道的，其实我们就是在给定的图像像素向量x和对应的函数f(x)，然后我们希望能够计算f在x上的梯度(∇f(x))我们之所以想解决这个问题，是因为在神经网络中，f对应损失函数L，而输

2017-08-13 02:07:49 2074

翻译用于语义分割的全卷积网络（fully convolutional networks for semantic segmentation）

摘要卷积网络在特征分层领域是非常强大的视觉模型。我们证明了经过端到端、像素到像素训练的卷积网络超过语义分割中最先进的技术。我们的核心观点是建立“全卷积”网络，输入任意尺寸，经过有效的推理和学习产生相应尺寸的输出。我们定义并指定全卷积网络的空间，解释它们在空间范围内dense prediction任务(预测每个像素所属的类别)和获取与先验模型联系的应用。我们改编当前的分类网络(AlexNet

2017-08-12 22:19:30 7549 2

翻译自然图像抠图的一种闭式解（a closed-form solution to natual image matting）

摘要交互式数字抠图，基于有限的用户输入从图像中提取前景物体，是图像和视频处理中非常重要的任务。从计算机视觉角度，这个任务非常具有挑战性，因为它是一个病态问题，每个像素上都必须估计前景和背景的颜色，还有单通道颜色的前景不透明度（alpha磨砂）。当前的方法将估计严格限制在图像的一小部分，基于已知像素附近估计前景和背景颜色，或者用alpha估计反转前景和背景颜色迭代执行非线性估计。本文提供了自

2017-08-12 22:16:26 4715 1

转载【TensorFlow】tf.nn.conv2d是怎样实现卷积的？

文章出处：http://blog.csdn.net/mao_xiao_feng/article/details/53444333tf.nn.conv2d是TensorFlow里面实现卷积的函数，参考文档对它的介绍并不是很详细，实际上这是搭建卷积神经网络比较核心的一个方法，非常重要tf.nn.conv2d(input, filter, strides, paddi

2017-08-06 18:17:29 785

转载 Tensorflow的反卷积（上采样）

文章出处：http://blog.csdn.net/mao_xiao_feng/article/details/71713358反卷积操作是卷积的反向如果你随时都记住上面强调的重点，那你基本就理解一大半了，接下来通过一些函数的介绍为大家强化这个观念conv2d_transpose(value, filter, output_shape, strides, paddi

2017-08-06 18:11:04 17126 2

转载利用卷积自编码器对图片进行降噪

文章出处： https://zhuanlan.zhihu.com/p/27902193前言这周工作太忙，本来想更把Attention tranlsation写出来，但一直抽不出时间，等后面有时间再来写。我们这周来看一个简单的自编码器实战代码，关于自编码器的理论介绍我就不详细介绍了，网上一搜一大把。最简单的自编码器就是通过一个encoder和decoder来对输入进行复现，例如我们将

2017-08-06 17:24:22 9621

妙猪的专栏