![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
tensorflow
Isaac320
徒步登顶过海拔5025m雪山的男人!
工作在苏州,有图像算法方面的问题,请私信我,共同学习进步!
个人网站:http://www.isaac320.com/
展开
-
(Tensorflow学习)药品的缺陷分类应用 tensorflow实现
在17版本的halcon中有深度学习的例子,关于分类的。如下面三类,脏污,裂纹,和好的。这边可以用tensorflow重现下,因为在笔记本上跑的,显卡不行,把原来300*300 resize到150*150网络搭建个简单的,两层卷积就行,用keras实现。读取图像用keras里的那个flow_from_directory,非常方便,最后保存h5模型,方便使用训练源码f...原创 2020-01-06 16:16:32 · 539 阅读 · 0 评论 -
(tensorflow学习) DCGAN 动漫头像生成
训练过程数据收集训练DCGAN生成动漫头像,首先需要大量的训练数据可以用python写个爬虫去https://konachan.net/爬动漫图片,然后用https://github.com/nagadomi/lbpcascade_animeface这个程序截取动漫人物头像然后手动清洗数据,把不符合的删掉,我总共获得了14000+的头像,这里分辨率已经都压缩成128*128...原创 2020-01-04 17:59:09 · 3078 阅读 · 4 评论 -
(tensorflow学习) Deep Dream原理及实现
Deep Dream生成的图像算法原理 卷积神经网络,我们输入一张图像后经过各种卷积池化等操作,最后分类出图片属于哪个类别。 可见卷积网络能提取图像中的相应特征。如图各个卷积层,如Conv1提取edge和blob,Conv3提取纹理,后面的提取Object Parts了 当然,这是已经训练好的网络,参数已经固定了才能做到以上分类。给一张...原创 2019-12-31 14:48:15 · 1739 阅读 · 0 评论 -
(Tensorflow学习)MNIST手写体识别 Keras实现
用原生的tensorflow搭建网络有点繁琐,这边用keras就方便了很多实现一个全连接网络 隐藏层节点500个from keras.models import Sequentialfrom keras.layers import Dense,Activationfrom keras.losses import categorical_crossentropyfrom keras....原创 2019-12-30 11:16:33 · 435 阅读 · 0 评论 -
(Tensorflow学习)MNIST手写体识别 卷积神经网络LeNet-5模型实现
何为深度学习?一类通过多层非线性变换对高复杂性数据建模算法的合集上一篇文章,我用单隐藏层的全连接神经网络,实现对MNIST手写体的识别,测试集上只能达到98%正确率。如果用卷积神经网络,可以达到更好的效果。卷积神经网络主要是在全连接网络前加上了卷积层、池化层,个数不定使用全连接神经网络最大的问题是全连接层的参数太多,而用上卷积网络可以大大的减小参数量,并且卷积层可以更好的...原创 2019-12-27 11:55:35 · 520 阅读 · 1 评论 -
(Tensorflow学习) MNIST手写体识别
首先下载MNIST数据集http://yann.lecun.com/exdb/mnist/4个东西训练部分,搭了一个简单的全连接网络,一层隐藏层,输入节点784 隐藏节点500 输出节点10 激活函数relu 损失函数是交叉熵import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_d...原创 2019-12-26 17:28:47 · 226 阅读 · 0 评论 -
(Tensorflow学习) Win10+mx250 tensorflow gpu版安装
我在笔记本上一开始跑cpu版本的tensorflow,感觉太慢了,跑个posenet卡成狗,就换成gpu版的。记录下安装步骤我的笔记本win10系统64位,mx250显卡。IDE是用的是pycharmhttps://www.jetbrains.com/pycharm/ 自己下python3.6.8 cuda 9.1 cudnn7.1 tensorflow版本是1.8.0...原创 2019-12-19 10:41:09 · 7894 阅读 · 14 评论