深度学习
Persist_bcl
无奈总是一种清醒的痛
展开
-
pytorch 构建神经网络对CIFAR10 数据集进行分类
1. 先建立网络模型(卷积层加全连接层)import torch.nn as nnimport torch.nn.functional as Fclass Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(3, 6, 5) self.pool = nn.MaxPool2d(2, 2) self.conv2原创 2021-03-11 19:43:38 · 692 阅读 · 0 评论 -
利用 VGG(实战) 实现花的分类
1.处理数据def creat_tf(imgpath): classes = os.listdir(imgpath) writer = tf.compat.v1.python_io.TFRecordWriter("train.tfrecords") for index, name in enumerate(classes): class_path = imgpath + name if os.path.isdir(class_path):原创 2021-03-02 11:39:34 · 814 阅读 · 4 评论 -
卷积神经网络 实现验证码识别 ---- 识别率 99%
1. 创建自己的数据集,利用数字1-10 和 26个小写字母生成我们的训练数据集。from captcha.image import ImageCaptchaimport randomCHAR_SET = ['1', '2', '3', '4', '5','6', '7', '8', '9', '0','a','b','c','d','e','f','g','h','i','j','k','l','m','n']CHAR_LEN = len(CHAR_SET)CAPTCHA_LEN = 4原创 2020-11-12 09:01:31 · 1337 阅读 · 18 评论 -
GAN(博弈)- 生成手写数据集
2.1 GAN的基本结构GAN的主要结构包括一个生成器G(Generator)和一个判别器D(Discriminator)。我们现在拥有大量的手写数字的数据集,我们希望通过GAN生成一些能够以假乱真的手写字图片。主要由如下两个部分组成:定义一个模型来作为生成器(图三中蓝色部分Generator),能够输入一个向量,输出手写数字大小的像素图像。 定义一个分类器来作为判别器(图三中红色部分Discriminator)用来判别图片是真的还是假的(或者说是来自数据集中的还是生成器中生成的),...原创 2020-11-10 11:38:58 · 1508 阅读 · 1 评论