机器学习
luckyboy101
这个作者很懒,什么都没留下…
展开
-
keras CNN对MNIST手写体识别代码
from keras.models import Sequentialfrom keras.layers import Dense, Activation, MaxPooling2D, Flatten, Conv2Dfrom keras.utils import np_utilsfrom keras.datasets import mnistfrom keras.optimizers ...原创 2018-10-23 14:13:12 · 400 阅读 · 1 评论 -
keras CNN对CIFAR10图像分类
from keras.datasets import cifar10from keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers import Conv2D, Dense, AveragePooling2D, Flatten, BatchNormalizationfrom kera...原创 2018-10-23 19:56:40 · 546 阅读 · 0 评论 -
Tensorflow学习笔记:数据集加工和转化为TensorFlow专用格式——Finetuning,猫狗大战,VGGNet的重新针对训练
Kaggle 猫狗大战猫狗大战的数据集来源于Kaggle上的一个竞赛:Dogs vs. Cats 猫狗大战的数据集下载地址http://www.kaggle.com/c/dogs-vs-cats,其中数据集有12500只猫和12500只狗 ,官方数据集下载需要帐号,大家也可以百度以下,百度网盘上数据有 整个项目的文件结构如下:下载下来来的图片尺寸都不一样,我这里先统一把图像尺寸...原创 2018-10-26 14:08:30 · 2736 阅读 · 5 评论 -
Tensorflow学习笔记:VGG16模型——Finetuning,猫狗大战,VGGNet的重新针对训练
前面我们介绍了猫狗大战的数据集的整理已经转换成Tensorflow专用格式https://blog.csdn.net/nvidiacuda/article/details/83413837这一篇介绍一下VGG16模型的修改Step 1: 对模型的修改首先是对模型的修改(VGG16_model.py文件),在这里原先的输出结果是对1000个不同的类别进行判定,而在此是对2个图像,也就是猫...原创 2018-10-26 14:27:31 · 2507 阅读 · 3 评论 -
Tensorflow学习笔记:VGG16训练——Finetuning,猫狗大战,VGGNet的重新针对训练
前面我们介绍了猫狗大战的数据集的整理已经转换成Tensorflow专用格式https://blog.csdn.net/nvidiacuda/article/details/83413837以及介绍了vgg16模型https://blog.csdn.net/nvidiacuda/article/details/83414293这篇介绍如何用数据对vgg16进行训练Finetuning最重...原创 2018-10-26 14:37:52 · 3120 阅读 · 2 评论 -
Keras 利用vgg16进行猫狗识别
前面我们介绍了基于Tensorflow使用vgg16 fine-tuning实现了猫狗大战https://blog.csdn.net/nvidiacuda/article/details/83413837这里采用keras实现vgg16 fine-tuning实现了猫狗大战1、数据的提取import osimport numpy as npimport randomfrom...原创 2018-11-01 09:16:42 · 1911 阅读 · 2 评论 -
一文概览用于图像分割的CNN
在计算机视觉领域,图像分割指的是为图像中的每个像素分配一个标签的任务,它也可以被看作是dense prediction task,对图像中每个像素进行分类。和使用矩形候选框的目标检测不同,图像分割需要精确到像素级位置,因此它在医学分析、卫星图像物体检测、虹膜识别和自动驾驶汽车等任务中起着非常重要的作用。随着深度学习的不断发展,近年来图像分割技术也在速度和准确率上迎来了一次次突破。现在,我们能在...转载 2018-11-10 15:09:08 · 1002 阅读 · 0 评论 -
全卷积神经网络FCN-TensorFlow代码精析
FCN-TensorFlow完整代码Github:https://github.com/EternityZY/FCN-TensorFlow.git这里解析所有代码 并加入详细注释注意事项:请按照代码中要求,将VGG-19模型和训练集下载好,运行下载很慢。MODEL_URL = 'http://www.vlfeat.org/matconvnet/models/beta16/imag...转载 2018-11-05 10:19:17 · 1635 阅读 · 2 评论 -
基于pytorh的MNIST手写体识别代码
定义卷积神经网络CNN.pyimport torch.nn as nnimport torch.nn.functional as Fclass CNN(nn.Module): def __init__(self): super(CNN,self).__init__() self.conv1 = nn.Conv2d(1, 16, kernel_s...原创 2018-12-20 15:36:33 · 501 阅读 · 0 评论 -
A Neural Network For Automatic Image Colorization
论文地址:http://iizuka.cs.tsukuba.ac.jp/projects/colorization/en/pytorch源代码:https://github.com/shufanwu/colorNet-pytorch神经网络模型 模型代码:colornet.pyimport torch.nn as nnimport torch.nn.functional...原创 2018-12-23 13:42:35 · 565 阅读 · 0 评论 -
深度学习(TensorFlow)环境搭建:(一)硬件选购和主机组装
一、硬件采购 近年来,人工智能AI越来越多被人们所了解,尤其是AlphaGo的人机围棋大战之后,机器学习的热潮也随之高涨。最近,公司采购了几批设备,通过深度学习(TensorFlow)来研究金融行业相关问题,学习机器学习我们需要满足一定的硬件要求,本文主要是介绍硬件选购的相关事宜。 现在主力的深度学习都是通过多显卡计算来提升系统的计算能力,所以硬件的采购核心是显卡(GPU),...转载 2018-10-23 09:15:19 · 7075 阅读 · 0 评论 -
TensorFlow CNN对CIFAR10图像分类2
cifar10数据集的下载地址为:http://www.cs.toronto.edu/~kriz/cifar.html下载python version import osos.environ['TF_CPP_MIN_LOG_LEVEL']='2'import tensorflow as tfimport numpy as npdef unpickle(file): ...原创 2018-10-23 09:05:26 · 570 阅读 · 0 评论 -
深度神经网络(DNN)损失函数和激活函数的选择
转载自:http://www.cnblogs.com/pinard/p/6437495.html在深度神经网络(DNN)反向传播算法(BP)中,我们对DNN的前向反向传播算法的使用做了总结。里面使用的损失函数是均方差,而激活函数是Sigmoid。实际上DNN可以使用的损失函数和激活函数不少。这些损失函数和激活函数如何选择呢?下面我们就对DNN损失函数和激活函数的选择做一个总结。1. 均方差转载 2017-07-15 19:36:55 · 1639 阅读 · 0 评论 -
卷积神经网络(CNN)模型结构
转载自: http://www.cnblogs.com/pinard/p/6483207.html在前面我们讲述了DNN的模型与前向反向传播算法。而在DNN大类中,卷积神经网络(Convolutional Neural Networks,以下简称CNN)是最为成功的DNN特例之一。CNN广泛的应用于图像识别,当然现在也应用于NLP等其他领域,本文我们就对CNN的模型结构做一个总结。转载 2017-07-16 13:47:37 · 1871 阅读 · 0 评论 -
卷积神经网络(CNN)前向传播算法
转载自:http://www.cnblogs.com/pinard/p/6489633.html在卷积神经网络(CNN)模型结构中,我们对CNN的模型结构做了总结,这里我们就在CNN的模型基础上,看看CNN的前向传播算法是什么样子的。重点会和传统的DNN比较讨论。1. 回顾CNN的结构 在上一篇里,我们已经讲到了CNN的结构,包括输出层,若干的卷积层+ReLU激活函数转载 2017-07-16 14:14:38 · 1297 阅读 · 0 评论 -
卷积神经网络(CNN)反向传播算法
转载自:http://www.cnblogs.com/pinard/p/6494810.html 在卷积神经网络(CNN)前向传播算法中,我们对CNN的前向传播算法做了总结,基于CNN前向传播算法的基础,我们下面就对CNN的反向传播算法做一个总结。在阅读本文前,建议先研究DNN的反向传播算法:深度神经网络(DNN)反向传播算法(BP)1. 回顾DNN的反向传播算法 我转载 2017-07-16 14:16:06 · 5296 阅读 · 0 评论 -
深度神经网络(DNN)反向传播算法(BP)
在深度神经网络(DNN)模型与前向传播算法中,我们对DNN的模型和前向传播算法做了总结,这里我们更进一步,对DNN的反向传播算法(Back Propagation,BP)做一个总结。1. DNN反向传播算法要解决的问题 在了解DNN的反向传播算法前,我们先要知道DNN反向传播算法要解决的问题,也就是说,什么时候我们需要这个反向传播算法? 回到我们监督学习的转载 2017-07-15 16:04:51 · 1915 阅读 · 0 评论 -
深度神经网络(DNN)模型与前向传播算法
深度神经网络(Deep Neural Networks, 以下简称DNN)是深度学习的基础,而要理解DNN,首先我们要理解DNN模型,下面我们就对DNN的模型与前向传播算法做一个总结。1. 从感知机到神经网络 在感知机原理小结中,我们介绍过感知机的模型,它是一个有若干输入和一个输出的模型,如下图: 输出和输入之间学习到一个线性关系,得到中间输出结果:z=∑i=1mw转载 2017-07-14 22:18:02 · 712 阅读 · 0 评论 -
win 安装Tensorflow
1) Anaconda安装4.2版本 2)配置conda的配置文件,增加清华镜像,文件名为:.condarc,搜索到修改为: ssl_verify: truechannels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ -defaults -anaconda-fusionshow_channel_urls: t...原创 2018-03-08 10:20:16 · 357 阅读 · 0 评论 -
见过最好的神经网络CNN解释
这篇文章原地址为An Intuitive Explanation of Convolutional Neural Networks,卷积神经网络的讲解非常通俗易懂。什么是卷积神经网络?为什么它们很重要?卷积神经网络(ConvNets 或者 CNNs)属于神经网络的范畴,已经在诸如图像识别和分类的领域证明了其高效的能力。卷积神经网络可以成功识别人脸、物体和交通信号,从而为机器人和自动驾驶汽车提供视力...转载 2018-02-24 14:36:00 · 1825 阅读 · 0 评论 -
Tensoflow学习记录13--用深度学习来做图像分割Fully Convolutional Networks for Semantic Segmentation (FCNs)
1 文章及其地址 Fully Convolutional Networks for Semantic Segmentation (FCNs) http://arxiv.org/pdf/1605.06211v1.pdf2 总述感觉就是在vgg网络的基础上,将最后三层全连接改为cnn,即全都为卷积层了,fully convolutional networks,然后再反卷积,使输出与原始图像一致,这样就...转载 2018-03-30 08:57:17 · 410 阅读 · 0 评论 -
TensorFlow实战——CNN(VGGNet19)——图像风格转化
http://blog.csdn.net/u011239443/article/details/73721903这次我们要做一件比较有趣的事——讲图像风格转化。如何将一张杭州西湖图片:将其风格转化为和梵高的《星夜》一样具有鲜明艺术的风格呢?先给出完整的代码:https://github.com/xiaoyesoso/TensorFlowinAction/blob/master/InActionB2...转载 2018-03-30 18:38:15 · 970 阅读 · 1 评论 -
基于CNN的MNIST手写体识别代码
import osos.environ['TF_CPP_MIN_LOG_LEVEL']='2'import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datadef weight_variable(shape): initial = tf.truncated_normal(shap...原创 2018-10-19 09:17:41 · 453 阅读 · 0 评论 -
基于CNN的MNIST手写体识别代码2
import osos.environ['TF_CPP_MIN_LOG_LEVEL']='2'import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_dataxs = tf.placeholder(tf.float32, [None, 784])ys = tf.placeholder(t...原创 2018-10-19 14:20:32 · 335 阅读 · 0 评论 -
TensorFlow CNN对CIFAR10图像分类1
cifar10数据集的下载地址为:http://www.cs.toronto.edu/~kriz/cifar.html下载python version # coding: utf-8import osos.environ['TF_CPP_MIN_LOG_LEVEL']='2'import tensorflow as tfimport numpy as npimport ...原创 2018-10-23 09:02:36 · 709 阅读 · 1 评论 -
梯度下降(Gradient Descent)小结
转载自:http://www.cnblogs.com/pinard/p/5970503.html在求解机器学习算法的模型参数,即无约束优化问题时,梯度下降(Gradient Descent)是最常采用的方法之一,另一种常用的方法是最小二乘法。这里就对梯度下降法做一个完整的总结。1. 梯度 在微积分里面,对多元函数的参数求∂偏导数,把求得的各个参数的偏导数以向量的形式写出来,就是梯转载 2017-07-15 19:13:08 · 377 阅读 · 0 评论