- 博客(68)
- 收藏
- 关注
RSS订阅
原创 利用SEQ2SEQ模型实现车牌识别
下面完整代码带github仓库：文章目录一、利用车牌模版和字体模型生成车牌二、读取车牌数据三、搭建SEQ2SEQ网络模型四、开始训练网络模型一、利用车牌模版和字体模型生成车牌效果如下：代码如下：import numpy as npimport cv2, os, argparsefrom glob import globfrom tqdm import tqdmfrom plate_number import random_select, generate_plate_number_
2020-12-06 14:10:46
1059
原创 Python-Opencv 基本操作（四）
下面完整代码在github仓库：传送门文章目录一、图像轮廓近似估计二、边界检测三、Canny算子（找轮廓）四、计算图像面积、周长、重心五、计算轮廓面积、凸包面积六、凸包和凸性检测七、图像轮廓查找与绘制八、Hough空间（形状检测）九、分水岭算法十、模版匹配十一、利用对象掩码mask十二、利用形态学操作寻找车牌十三、图像形状匹配一、图像轮廓近似估计import cv2import numpy as np# 轮廓近似：approxPolyDP() 它主要功能是把一个连续光滑曲线折线化，对图像
2020-11-22 09:52:17
1270
原创 Python-Opencv 基本操作（三）
下面完整代码在github仓库：传送门文章目录一、仿射变换二、直方图反向投影三、DFT离散傅里叶变换四、绘制直方图五、图像翻转、缩放六、均值滤波、中值滤波、高斯滤波、双边滤波七、锐化操作（凸显轮廓）八、Sobel算子（找轮廓）九、Scharr算子（找轮廓）十、双线性插值、最邻近插值、样条插值、Lanczos插值十一、图像形态学操作（膨胀、腐蚀、开、闭等）十二、高斯金字塔、拉普拉斯金字塔十三、利用图像金字塔合成苹果和橘子十四、图像透视变换一、仿射变换 &
2020-11-22 09:27:53
1751
2
原创 深度学习的拟合问题总结
文章目录前言一、过拟合1.1 过拟合产生的原因1.2 过拟合的解决办法二、欠拟合1.1 欠拟合产生的原因及解决办法前言 在机器学习或深度学习中,经常会出现欠拟合和过拟合这两个问题。一开始模型往往是欠拟合的，需要神经网络优化权重参数，达到拟合的结果。但是参数优化到一定程度就需要解决过拟合的问题了。 拟合一般分为欠拟合、过拟合、刚好拟合这
2020-11-19 09:30:52
2671
原创 出现梯度弥散、梯度爆炸的原因及解决办法
文章目录一、梯度弥散1.1 什么是梯度弥散？1.2 梯度弥散造成的问题1.3 梯度弥散造成的原因1.4 梯度弥散的解决办法二、梯度爆炸1.1 什么是梯度爆炸？1.2 梯度爆炸造成的问题1.3 梯度爆炸造成的原因1.4 梯度爆炸的解决方式一、梯度弥散1.1 什么是梯度弥散？梯度弥散就是梯度消失，导数为01.2 梯度弥散造成的问题靠近输出层的隐藏层梯度大，参数更新快，所以很快就会收敛;靠近输入层的隐藏层梯度小，参数更新慢，几乎就和初始状态一样，随机分布。由于神经网络前几层的权重更新过慢，或者
2020-11-18 18:06:59
5487
2
原创 深度学习：卷积神经网络（详解版）
文章目录一、全局连接VS局部连接1.1 局部神经元连接的优势1.2 全连接网络的权重参数量1.3 神经网络的局部特征提取（卷积）二：感受野2.1 生物上的定义2.2 深度学习的定义2.3 感受野的作用2.4 感受野的计算公式2.5 感受野对网络的影响三：卷积神经网络的构成元素3.1 卷积核3.2 步长3.3 填充3.4 输出图像（特征图）四：卷积的计算一、全局连接VS局部连接 生物的神经网络是通过刺激而发生的连接，这说
2020-11-17 16:06:38
11317
2
原创 常见的卷积神经网络模型
文章目录一、LeNet二、AlexNet2.1 AlexNet的优点三：VGGNet3.1 VGG的特点3.2 VGG与AlexNet的比较四：GoogLeNet(Google inception Net)总结一、LeNet LeNet诞生于1994年，由深度学习三巨头之一的Yan LeCun提出，他也被称为卷积神经网络之父。 LeNe
2020-11-15 16:56:55
7200
原创 PyQt5学习笔记 —— 01初体验
文章目录01 - 初体验02 - 基本程序结构03 - 查看继承结构图04 - 面向对象qto模板05 - 普通qtt模板01 - 初体验from PyQt5.Qt import *import sysapp = QApplication(sys.argv)window = QWidget()window.setWindowTitle("我是人才")window.resize(500, 500)window.move(400, 200)label = QLabel(window)l
2022-05-31 15:07:27
842
2
原创 MySQL 学习笔记＜一＞
文章目录一：数据库概述及数据准备1.1 数据库、数据库管理系统、SQL1.1.1 数据库1.1.2 数据库管理系统1.1.3 SQL1.2 安装MySQL数据库管理系统1.3 查看MySQL服务1.4 MySQL服务启停1.5 登录MySQL1.6 MySQL简单命令1.7 表的理解1.8 SQL语句的分类1.9 如何导入表1.10 如何查看表一：数据库概述及数据准备1.1 数据库、数据库管理系统、SQL1.1.1 数据库 数据库，顾名思义就是存储数据的仓库，实际上就是一堆文件。这些文件中存储了
2021-12-05 14:39:59
843
原创 html5 + css3 学习笔记 ＜一＞
一：HTML基础1.1 网页的组成和本质● 网页由哪些部分组成？ 文字、图片、音频、视频、超链接。● 程序员写的代码是通过什么软件转换成网页的？ 浏览器1.2 初识浏览器● 五大浏览器有哪些？IE浏览器火狐浏览器（Firefox）谷歌浏览器（chrome）Safari浏览器欧朋浏览器(Opera)● 相同的网页在不同浏览器中现实效果会完全一致吗？ 不一致。因为不同浏览器渲染引擎不同，解析的效果会存在差异。● 前端工程师日常推荐使用哪一个浏览器 谷歌浏览器1.3
2021-12-05 10:53:05
789
原创 模型研发流程 ——总结
文章目录前言一、数据处理二、模型研发三、测试评估3.1 模型测试3.2 模型评估性能指标评估指标混淆矩阵（Confusion Matrix）准确率（Accuracy）精确率（Precision）召回率（Recall）误报率（FPR）ROC曲线AUCP-R曲线mAPAPFPS如何选择评估指标3.3 评估报告四、模型部署前言整个模型研发流程包括数据处理、模型研发、测试研发、测试评估、模型部署四大步骤。一、数据处理（1）数据采集
2020-12-06 17:47:24
2977
原创 全面认识人工智能 ——学习笔记
文章目录一、什么是人工智能？二、人工智能的发展方向三、人工智能的结构体系四、机器学习和人类学习的联系五、深度学习和传统（统计）学习的区别六、人工智能的三次浪潮七、人工智能的分类八、云、大数据、人工智能的关系。一、什么是人工智能？通过学习掌握了某种技能的机器，我们认为它具备了人工智能!二、人工智能的发展方向随着数据红利消耗殆尽,以深度学习为代表的感知智能遇到天花板。认知智能将是未来一段时期内AI发展的焦点 ,是进一步释放AI产能的关键。三、人工智能的结构体系四、机器学习和人类学习的联系
2020-12-06 16:52:16
316
原创 语音识别 ——总结知识点（2）
文章目录一、语音数据的采样二、语音识别的问题三、语音识别的应用四、语音识别的其它操作五、国内深度学习语音识别模型发展状况一、语音数据的采样 语音数据的本质就是声波，而声波是一个连续的数据，又计算机存储的是离散的数据，所以想要计算机来存储声波数据，就需要对原始声波数据进行采样。 编码: 从声波信号采样获得音频图谱。
2020-12-06 16:17:58
2312
原创 语音识别 ——总结知识点（1）
文章目录一、语音识别的相关解释二、语音识别涉及到的学科三、语音识别的发展四、语音识别的分类4.1 根据不同对象分类4.2 根据不同发音人分类4.3 根据语音设备和通道分类4.4 根据应用场景分类五、语音识别的模型5.1 传统机器学习模型特征提取方法六、深度学习模型模型类别七、开源语音识别库八、语音数据库九、语音数据的预处理一、语音识别的相关解释 语音识别，通常称为自动语音识别，英文是Automatic Sp
2020-12-06 16:04:05
8107
1
原创 注意力机制 ——学习笔记
文章目录一、生物神经网络的注意力1.1 生物注意力的种类视觉注意力听觉注意力语言注意力1.2 生物注意力的优势1.3 注意力与记忆力的关系1.4 人工神经网络的注意力二、为什么要使用注意力？2.1 从算力的角度分析2.2 从算法角度分析三、注意力的种类3.1 普通注意力3.2 自注意力3.3 单头（自）注意力3.4 多头（自）注意力四、注意力的位置4.1 注意力和模型分离4.2 注意力和模型一体五、注意力的模型自然语义方向视觉方向六、注意力的应用七：SEQ2SEQ注意力机制一、生物神经网络的注意力1
2020-12-06 15:08:35
1759
原创 SEQ2SEQ —— 学习笔记
文章目录一、认识编解码网络二、什么是编解码网络？三、编解码的作用四、编解码网络的种类一个邮件对话的场景深入理解Encoder五、基于N vs M的RNN网络5.1 什么是SEQ 2 SEQ（N vs M）?5.2 SEQ 2 SEQ的结构及编解码过程5.3 SEQ2SEQ生成对联的过程5.4 应用场景六、实战：SEQ2SEQ识别验证码一、认识编解码网络编解码模型分为编码器和解码器两部分，编码器通常输入的是一个信息量比较大的数据。二、什么是编解码网络？编解码结构的网络模型又叫encoder-dec
2020-12-06 09:13:45
880
原创 LSTM网络 -- 学习笔记
文章目录一、RNN产生的问题二、RNN和LSTM的结构比较三、RNN和LSTM的区别四、LSTM的图例五、LSTM的细胞状态六、LSTM的“门”结构七、LSTM的三个控制门八、LSTM网络的变种8.1 peephole connection8.2 coupled8.3 GRU8.4 SRU九、双向RNN、LSTM一、RNN产生的问题 由于RNN模型需要实现长期记忆的话需要将当前的隐藏状态的计算与前n次的计算挂钩，即：
2020-12-05 17:52:29
1062
原创 RNN(循环神经网络) —— 学习笔记
文章目录一、RNN（循环神经网络）1.1 了解人的记忆原理1.2 RNN原理及运行过程1.3 RNN的多种结构N-to-NN-to-OneOne-to-N1.4 RNN网络的训练1.5 RNN和CNN的比较相同点不同点小结一、RNN（循环神经网络）1.1 了解人的记忆原理 人脑在受到语言刺激的时候，对后续的字、词、句具有预测功能。从生物神经网络的角度来理解，大脑中的语言模型在某一场景下对当前所输入的信息是有先后顺序区
2020-12-05 17:18:33
975
原创 图像分割Unet —— 学习笔记
文章目录一、什么是图像分割？二、图像分割的分类2.1 普通分割2.2 语义分割2.3 语义分割三、图像分割的结构四、图像下采样的方法五、图像上采样的方法六、图像分割的模型6.1 全卷积网络（FCN）6.2 UNetU-Net 和FCN的比较U-Net应用在医学领域关于U-Net模型深度的问题UNet模型的尝试改进一U-Net模型改进二6.3 U-Net ++UNet ++ 的深监督UNet ++ 的剪枝应用6.4 U2U^2U2NetRSU模块U2U^2U2Net 网络结构损失函数6.5 DeepLab6.
2020-12-05 15:32:52
10093
3
原创 信息论 学习笔记
文章目录一、信息论二、信息量三、信息熵四：条件熵五：相对熵（KL散度）六、交叉熵七、互信息八、联合熵九、互信息、联合熵、条件熵的关系一、信息论 克劳德·香农（Claude Shannon），美国数学家、电子工程师和密码学家，被誉为信息论的创始人。 信息论是在信息可以量度的基础上，研究有效和可靠的传递信息的科学，它涉及信息量度、信息特性、
2020-12-01 16:37:12
1068
1
原创 深度学习之概率论总结
文章目录一、事件二、事件的运算三、排列四、组合五、概率5.1 古典概率5.2 条件概率5.3 联合概率5.4 边缘概率5.5 全概率六、概率分布6.1 伯努利分布6.2 泊松分布6.3 二项分布七、高斯分布7.1 3σ原则7.2 标准正太分布7.3 混合高斯分布7.4 中心极限定理7.5 高斯分布密度曲线7.6 指数分布密度曲线八、事件独立性九、时间的互斥性十、贝叶斯定理十一、朴素贝叶斯十二、深度学习的贝叶斯模型十三、协方差十四、参数估计一、事件● 随机事件 &n
2020-11-24 12:36:30
1728
原创 Pytorch实现小黄人侦测（实战）
下面完整代码在github仓库：传送门文章目录一、批量合成小黄人和背景图片二、定义需要训练的数据集三、搭建网络模型四、开始训练数据五、测试小黄人图片六、辅助工具6.1 爬取背景图片一、批量合成小黄人和背景图片import osimport numpy as npfrom PIL import Imagedef gen_datasets(bg_path, minions_path, img_path, label_path): count = 0 with open(labe
2020-11-24 12:35:54
586
原创 Pytorch实现自编码网络
下面完整代码在github仓库：传送门文章目录一、编码网络二、解码网络三、联合解码和编码网络四、开始训练数据五、测试并保存效果图一、编码网络import torchimport torch.nn as nnclass Encoder_Net(nn.Module): def __init__(self): super(Encoder_Net, self).__init__() self.layer1 = nn.Sequential(
2020-11-24 12:35:27
697
原创 Pytorch实现Arc Loss （实战）
下面完整代码在github仓库：传送门文章目录一、计算余弦相似度二、定义arc softmax损失函数三、搭建网络模型四、开始训练数据一、计算余弦相似度import torchimport math# 两个向量的普通余弦相似度a = torch.tensor([1, 2, 3], dtype=torch.float32)b = torch.tensor([1, 2, 3], dtype=torch.float32)cos_alpha = a@b / (torch.sqrt(torch.
2020-11-24 12:34:51
1595
1
原创 Pytorch实现CenterLoss（实战）
下面完整代码在github仓库：传送门文章目录一、定义Center loss函数二、搭建网络模型三、开始训练数据一、定义Center loss函数import torchimport torch.nn as nndef center_loss(feature, label, lambdas): center = nn.Parameter(torch.randn(int(max(label).item() + 1), feature.shape[1]), requires_grad=T
2020-11-24 12:34:13
4048
5
原创 pytorch实现相关网络模型（实战）
下面完整代码在github仓库：传送门文章目录一、加载预训练模型DenseNet、并微调二、网络模型EfficientNet三、像素混洗四、残差块五、加载预训练模型VGG19，并训练一、加载预训练模型DenseNet、并微调import numpy as npimport torchimport torch.nn as nnfrom torchvision import transforms,datasets,modelsimport torch.utils.data as dataim
2020-11-24 12:33:37
989
原创 Pytorch实现波形信号拟合
下面完整代码在github仓库：传送门文章目录一、生成随机数据并保存成文件二、搭建网络并且开始训练一、生成随机数据并保存成文件import torch# 在100到200范围内生成5个数据train_data = torch.randint(100, 200, (5, ), dtype=torch.float32)for i in range(5): # 在生成的五个数据中让它们有一定范围性的波动（-2，2） gen_data = train_data + torch.r
2020-11-24 12:32:46
1222
原创 Pytorch训练cifar10数据集
下面完整代码在github仓库：传送门文章目录一、利用卷积神经网络训练cifar10数据集二、查看1D卷积、2D卷积、3D卷积一、利用卷积神经网络训练cifar10数据集from torch.utils.data import DataLoaderfrom full_conv import Netimport matplotlib.pyplot as pltimport torchfrom torch import nnfrom torchvision import transforms
2020-11-23 09:04:01
832
原创 Pytorch实现猫狗识别
下面完整代码在github仓库：传送门文章目录前言一、定义自己的数据集二、开始训练猫狗数据三、辅助工具3.1 随机采样猫狗数据3.2 将猫狗数据集分成训练集、验证集前言猫狗识别的数据在百度网盘： 链接：https://pan.baidu.com/s/1_jgubf2Ay47ONnhcJcQ-ng 提取码：2re9一、定义自己的数据
2020-11-23 09:03:13
2035
1
原创 Numpy实现one-hot独热编码
下面完整代码在github仓库：传送门文章目录一、实现one-hot编码并测试二、在多个维度里填充数据一、实现one-hot编码并测试import numpy as npimport torchdef one_hot(w, h, arr): z = np.zeros([w, h]) # 四行七列 # print(z) for i in range(w): # 4 j = int(arr[i]) # 拿到数组里面的数字 # pr
2020-11-23 09:02:23
1792
原创 Pytorch实现自定义数据集手写数字识别
下面完整代码在github仓库：传送门文章目录一、将数据打包成数据集二、训练数据一、将数据打包成数据集from torch.utils.data import Dataset, DataLoaderfrom torchvision import transformsfrom PIL import Imageimport osimport torchclass MyDataset(Dataset): def __init__(self, main_dir, is_train=T
2020-11-23 09:01:12
1702
原创 Pytorch实现手写数字识别
下面完整代码在github仓库：传送门文章目录一、全连接神经网络实现手写数字识别二、卷积神经网络实现手写数字识别一、全连接神经网络实现手写数字识别import torchimport torch.nn as nnfrom torchvision import datasets, transformsfrom torchvision.utils import make_gridfrom torch.utils import dataimport matplotlib.pyplot as p
2020-11-23 09:00:17
948
原创 深度学习涉及到的线性代数（实战二）
下面完整代码在github仓库：传送门文章目录一、查看形状类型二、轴交换三、维度变换四、行列式五、转置六、画激活函数七、利用随机数表示BP算法八、创建线性分类器九、线性回归十、ndarray转tensor十一、Pytorch实现线性分类器十二、Pytorch实现线性回归一、查看形状类型import numpy as npimport torch# 形状类型查看a = np.array([[1, 2], [3, 4]])print(a.shape, np.shape(a), a.dtype
2020-11-23 08:59:32
195
原创 深度学习涉及到的线性代数（实战一）
下面完整代码在github仓库：传送门文章目录一、矩阵的加减法二、数乘（叉乘）三、矩阵相乘四、计算向量的余弦相似度五、计算内积、外积六、向量的点乘七、奇异值分解八、对角阵九、最小二乘法十、特征值十一、特征方程十二、矩阵求逆十三、行列式一、矩阵的加减法import torch# 矩阵的加减法a = torch.arange(6).reshape(2, 3)b = torch.arange(2).reshape(2, 1)c = torch.arange(3).reshape(1, 3)d
2020-11-23 08:58:39
407
原创 深度学习涉及到的线性代数知识点总结（二）
文章目录一、余弦相似度和欧式距离的关系二、相关性三、基四、线性变换五、仿射变换六、矩阵特征方程七、相似矩阵八、奇异值分解九、谱范数一、余弦相似度和欧式距离的关系如果对向量模长进行归一化，欧式距离和余弦相似度有如下计算关系：● 适用场景 余弦相似度计算的向量的夹角，它并不关心向量的绝对大小。 欧式距离体现的是数值上的绝对差异。●
2020-11-23 08:57:45
1687
原创 深度学习涉及到的线性代数知识点总结（一）
文章目录一、什么是线性？二、线性方程组三、线性可分与线性不可分四、数据的维度● 标量● 向量（矢量）● 矩阵● 张量五、范数六、行列式七、常见矩阵的类型八、矩阵的计算8.1 矩阵的加减法8.2 数乘（叉乘）8.3 点乘8.4 矩阵相乘九、矩阵求逆十、内积与投影十一、余弦相似度十二、欧式距离一、什么是线性？ 在平面直角坐标系中，一个二元一次方程所绘制的几何图形是一条直线，线性代数里的“线性”即来源于此。其实对于三元一次方
2020-11-23 08:56:54
820
原创 深度学习的激活函数总结
文章目录一、什么是激活函数？二、激活函数的种类2.1 Sigmoid2.2 tanh(z)2.3 ReLU2.4 Leaky ReLu2.5 ELU三、激活函数、输出函数的比较3.1 sigmoid和tanh激活函数的区别3.2 sigmoid作为网络中间激活层和输出层的区别3.3 sigmoid输出函数和softmax输出函数的区别一、什么是激活函数？ 激活函数是来向神经网络中引入非线性因素的，通过激活函数，神经网络
2020-11-23 08:55:55
1185
原创 深度学习涉及到的高等数学（实战）
下面完整代码在github仓库：传送门文章目录一、根号、平方、对数、三角函数等二、弧度转角度三、定义符号变量四、求解方程五、求定积分六、反向传播一、根号、平方、对数、三角函数等import mathimport numpy as npprint(math.sqrt(9))print(np.sqrt(9))print(math.pow(2, 3))print(math.e)print(math.exp(2))print(math.e ** 2)print(math.log(2
2020-11-22 13:48:35
818
1
原创 深度学习涉及到的高等数学知识点总结
文章目录一、映射二、函数三、基本初等函数四、极限五、导数5.1 定义5.2 基本公式5.3 几何意义5.4 复合函数求导5.5 与单调性的关系5.6 导数阶数5.7 偏导数5.8 高阶导数意义5.9 可微、可导、连续的关系5.10 二阶导数六、微积分七、泰勒级数一、映射 设A和B是两个非空集合,如果按照某种对应关系f，对于集合A中的任何一个元素a,在集合B中都存在唯一 的一个元素b与之对应，那么，这样的对应(包括集合A
2020-11-22 11:48:22
1736
原创 PIL之基本操作
下面完整代码在github仓库：传送门文章目录一、读取图片二、查看图片宽、高大小三、图像转numpy数组四、numpy数组转图像五、统计图片的像素直方图六、查看指定坐标位置的像素点RGB值七、查看图像的模式类型八、图片旋转九、图片裁剪十、图片缩放十一、图像转通道十二、将一张图片粘贴到另一张图片上十三、保存图片十四、生成一张空白图片十五、图像滤波十六、在图片上画点、线、矩形框等十七、小项目：生成随机二维码一、读取图片from PIL import Imageimport numpy as np
2020-11-22 11:01:00
948
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人