hit1524468的专栏

1. 模型假设模型假设一组数据满足在一条直线，然而，在采集过程中，存在噪声等因素导致数据在一条直线附近波动，则可以按照最小方差原则进行直线参数(k, b)寻优: y = k * x + b 2. TensorFlow线性拟合代码import tensorflow as tfimport numpy as npx_data = np.float32(np.random.rand(2,100))...

      图2.3.1 高效实现总概括

1. 参考文献3D Fully Convolutional Network for Vehicle Detection in Point Cloud2. 模型实现'''Baidu Inc. Ref: 3D Fully Convolutional Network for Vehicle Detection in Point CloudAuthor: HSW Date: 2018-05-...

1. 简介实现LLNet模型的数据读取接口2. 代码实现# Ref: LLNet: Deep Autoencoders for Low-light Image Enhancement## Author: HSW# Date: 2018-05-11 #import tensorflow as tfimport numpy as npfrom PIL import Image i...

1. 模型简介自编码器是无监督学习的重要的学习方法，因为，该模型实现神经网络学习恒等映射函数h，即 x = h(x）2. 模型实现# Auto-Encoder ## Author: HSW# Date: 2018-05-06#import tensorflow as tfimport numpy as npdef axvier_init(fan_in, fan_out,...

1. 模型简介为了提高自编码器的泛化性能和鲁棒性，在输入的数据中，我们加入高斯白噪声，通过深度网络进行学习，以获取“无噪声”情况下的输出数据——有一点向去除噪声，实际上，最开始通过堆叠的自动编码器实现噪声去除。 2. 模型实现(注意：模型和AE的区别就是，输入网络的数据是加噪声的数据，代价函数却采用的是无噪声数据进行计算)# whilt gaussian noise Auto-Encoder #...

1. 模型简介(1) 模型要能够学习恒等变换(2) 隐藏层的神经元的活动性满足稀疏性(模型大脑) (3) 隐藏层的权重矩阵同样满足稀疏性(一种正则化方法，实际上，在稀疏编码取得好的效果有启发作用)2. 模型实现# Sparse Auto-Encoder ## Author: HSW# Date: 2018-05-07#import tensorflow as tfimport num...

# Ref: LLNet: Deep Autoencoders for Low-light Image Enhancement# # CVPR 2014# # Author: HSW# Date: 2018-05-11import tensorflow as tfimport numpy as np class LLNet_Model(object): def __i...

在采用深度卷积网进行MNIST数据集进行分类，准确率达到99.2%左右import tensorflow as tfimport mathimport input_datadef weight_variable(shape): initial = tf.truncated_normal(shape,stddev=0.1); return tf.Variable(initial...

利用tensorflow实现多层感知机，如下： 1. 主程序： # 实现多层感知机import input_dataimport tensorflow as tfmnist = input_data.read_data_sets("MNIST_data/", one_hot = True);in_units = 784;h1_units = 300;W1 = tf.Varia...

# AlexNet #from datetime import datetimeimport mathimport timeimport tensorflow as tfdef print_activations(t): print(t.op.name, ' ', t.get_shape().as_list());def inference(images):...

# Tensor Flow实现自编码器import numpy as npimport sklearn.preprocessing as prepimport tensorflow as tfimport input_datadef standard_scale(X_train, X_test): preprocessor = prep.StandardScaler().fit...

# VGG Net #import tensorflow as tffrom datetime import datetimeimport mathimport timedef conv_op(input_op, name, kh, kw, n_out, dh, dw,p): n_in = input_op.get_shape()[-1].value; with ...

1. 概述该论文的主要工作是，在只利用激光雷达的点云数据作为输入，在点云数据中进行类型为”车辆”的目标进行检测(在复现该算法过程中，存在一个比较显然的现象就是：目标所在的的位置，实际上垂直角一般都很小，在进行映射映射前后容易产生误差，这种误差对于远的目标的定位会有非常明显的影响；或者是是我理解有问题吗？ -2018-04-25)。2. 方法2.1 数据预处理将激光雷达扫描获取的3维点进行映射，其中...

# Ref: LLNet: Deep Autoencoders for Low-light Image Enhancement## Author: HSW# Date: 2018-05-11 #from prepare_data import * from LLNet import * # 训练样本/测试样本的个数TRAIN_NUM_SAMPLES = 14584...