![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 67
houzhe_adore
这个作者很懒,什么都没留下…
展开
-
CNN-卷积计算
本文介绍卷积3种计算方式卷积:我们先认为图片是由不同的波形组成。在时域空间下,图片就是我们看到的图片,由很多不同频率波形混杂在一起。频域空间下,图片波型变的离散化,可以清楚看到每一个波形的å频率(这块解释非常的粗糙,如果看不明白,搜一下时域图和频域图)。在时域空间下,我们很难把一张图片上噪音完全过滤掉,一种做法,我认为是遍历整张图片,然后修改噪音部分,类似PS过程。另一种办法是将图片转换到频域空间下原创 2018-01-01 15:06:52 · 3098 阅读 · 3 评论 -
Tensorflow(2)-exponential_decay
学习率衰减,对于训练非常重要。在 TF中可以用exponential_decay() 官方API文档tf.train.exponential_decay() Parameters: 1) learning_rate 2) global_step 3) decay_steps 4) decay_rate 5) staircase=False 6) name=Nonedecayed_lea原创 2018-01-02 20:48:12 · 633 阅读 · 0 评论 -
Tensorflow(1)-softmax
1 tf.nn.softmax_cross_entropy_with_logits(labels=label, logits=logits)logits = [[0.1,0.2,0.3], [1, 2, 3]] label = [[0,0,1],[0,0,1]]2 tf.nn.sparse_softmax_cross_entropy_with_logits(labels=label1, logit原创 2017-12-29 16:32:15 · 272 阅读 · 0 评论 -
Tensorflow(3)-image
本文简要介绍一下tensorflow对image的预处理.->官方API场景:对于训练集,采用SGD训练。每一轮迭代前,对这批图像预处理(随机增强),然后洗牌,开始训练。这个操作,图像预处理可以并行的放在cpu上计算,因此对模型不会带来太多的额外开销。1)tf.random_crop() parameters: image: 3-D [height, width, channels] size原创 2018-01-03 10:26:47 · 373 阅读 · 0 评论 -
Alexnet训练Cifar10
Alexnet作为经典网络,值得深度学习。通过实验,(1)尽可能的加深对paper一些创新点理解。AlexNet谜一般的input是224*224,实际上应该是227*227。在实验中,我采用的是cifar10,输入是32*32。所以将网络参数同比简化。(2)尽可能理解不同训练方法带来的区别。数据集:http://www.cs.toronto.edu/~kriz/cifar-10-python原创 2018-01-16 16:58:00 · 19841 阅读 · 12 评论 -
Tensorflow(4)-control_flow_ops
该函数用来控制程序执行流,相当于if-else了import tensorflow as tffrom tensorflow.python.ops import control_flow_opsa = tf.constant(1)b = tf.constant(3)condition = tf.convert_to_tensor(False, dtype='bool')rtval = contr原创 2018-01-19 16:37:45 · 3551 阅读 · 2 评论 -
CNN在图像分类上发展
CNN在图像分类上发展自2012年AlexNet在Imagenet一鸣惊人之后,国内外顶尖团队都开始着手研究CNN在CV上的应用。12-15年基本上每一年都可以诞生一副经典之作,16-17年表现平淡,感觉各大团队已经在图像分类上已然通关。研究重心更加偏向目标识别,语义分割领域,以及如何压缩网络。Imagenet:120万张训练图片,5万验证集,15万测试集,涵盖1000类图片。网络...原创 2018-02-13 11:55:19 · 2227 阅读 · 0 评论