tensorflow
文章平均质量分 90
lbaihao
zephyr,data structure, algorithm, protocol,darknet,architecture
展开
-
全连接层的作用是什么?
以下是我看过最好的全连接层的解释!原文链接:卷积神经网络(CNN)入门讲解关注专栏以上图为例,我们仔细看上图全连接层的结构,全连接层中的每一层是由许多神经元组成的(1 × 4096)的平铺结构,上图不明显,我们看下图:注:上图和我们要做的下面运算无联系并且不考虑激活函数和bias当我第一次看到这个全连接层,我的第一个问题是:它是怎么样把3x3x5的输出,转换成1x4096的形式?很简单,可以理解为在中间做了一个卷积。从上图我们可以看出,我们用一个 3×3×5 的 filter 去卷积原创 2021-04-17 16:56:55 · 2980 阅读 · 0 评论 -
python 爬虫
https://blog.csdn.net/qq_39591494/article/details/85538162https://www.cnblogs.com/puresoul/p/7520246.html原创 2020-01-19 09:26:22 · 135 阅读 · 0 评论 -
Resnet 网络详解与keras实现
#!/usr/bin/python3from keras.models import Modelprint("Hello, World!")import numpy as npnp.random.seed(1337) # for reproducibilityfrom keras.models import Sequentialfrom keras.layers import ...原创 2019-04-14 19:23:55 · 1584 阅读 · 0 评论 -
深入理解卷积层,全连接层的作用意义
https://blog.csdn.net/m0_37407756/article/details/80904580转载 2019-03-12 16:03:36 · 1194 阅读 · 0 评论 -
Tensorflow卷积实现原理+手写python代码实现卷积
从一个通道的图片进行卷积生成新的单通道图的过程很容易理解,对于多个通道卷积后生成多个通道的图理解起来有点抽象。本文以通俗易懂的方式讲述卷积,并辅以图片解释,能快速理解卷积的实现原理。最后手写python代码实现卷积过程,让Tensorflow卷积在我们面前不再是黑箱子!注意:本文只针对batch_size=1,padding='SAME',stride=[1,1,1,1]进行实验和...转载 2018-08-12 21:54:08 · 1019 阅读 · 0 评论 -
keras-yolo3 笔记(一)
项目地址:https://github.com/qqwweee/keras-yolo3论文:YOLOv3: An Incremental Improvementkeras-yolo3IntroductionA Keras implementation of YOLOv3 (Tensorflow backend) inspired by allanzelener/YAD2K.Quick StartD...原创 2018-07-13 14:49:31 · 4254 阅读 · 0 评论 -
Tensorflow实现卷积神经网络,用于人脸关键点识别
卷积神经网络用于人脸关键点识别节选自:http://blog.csdn.net/thriving_fcl/article/details/50909109Tensorflow的tutorial里面有介绍用CNN(卷积神经网络)来识别手写数字,直接把那里的代码copy下来跑一遍也是可以的。但是那比较没有意思,kaggle上有一个人脸关键点识别的比赛,有数据集也比较有意思,就拿这个来练手了。转载 2017-10-19 16:42:08 · 1818 阅读 · 0 评论 -
Tensorflow 人脸识别
训练一个神经网络 能让她认得我 阅读原文这段时间正在学习tensorflow的卷积神经网络部分,为了对卷积神经网络能够有一个更深的了解,自己动手实现一个例程是比较好的方式,所以就选了一个这样比较有点意思的项目。项目的github地址:github 喜欢的话就给个Star吧。想要她认得我,就需要给她一些我的照片,让她记住我的人脸特征,为了让她区分我和其他人,还需要给她一些其他人的转载 2017-10-19 16:11:57 · 6327 阅读 · 5 评论 -
tensorflow基本用法(一)
使用 TensorFlow, 你必须明白 TensorFlow:使用图 (graph) 来表示计算任务.在被称之为 会话 (Session) 的上下文 (context) 中执行图.使用 tensor 表示数据.通过 变量 (Variable) 维护状态.使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据.综述Tens原创 2017-10-08 14:16:45 · 360 阅读 · 0 评论 -
tensor flow学习网站
https://www.zhihu.com/question/49909565原创 2017-10-08 10:16:03 · 639 阅读 · 0 评论