深度学习
佐倉
皆さん、こんにちは。私は桜と申しますが、故郷は河南です。ソフトウェアが大好きだなあ。時間があれば一緒に勉強しましょう!よろしく、お願い致します!
展开
-
torch 网络模型转换onnx格式,并可视化
1. 网络模型结构2. 转为onnx格式3. 通过netron查看网络结构3.1 netron安装3.2 netron可视化原创 2022-06-08 14:10:49 · 1282 阅读 · 1 评论 -
tensorflow2.0 and pytorch 评价指标
1. pytorchimport torchimport torch.nn as nnimport torch.optim as optimimport torch.nn.functional as Fimport torchvisionfrom torch.autograd import Variableimport torchvision.datasets as datasetsimport torchvision.models as modelsimport torchvision.原创 2022-03-24 15:22:08 · 2191 阅读 · 0 评论 -
Pytorch手写数字识别
1. 数据集每个目录下对应数字1000张左右2. 训练#coding=utf-8import torchvisionfrom torchvision import datasets, transforms import torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optimfrom torch.autograd import Variableimport matplotl原创 2021-12-09 17:01:22 · 1450 阅读 · 4 评论 -
使用卷积神经网络实现简易的语音分类的对话系统
一、思路1.收集简单的语音词汇,数量越多越好,当做数据集。2. 为每个词汇建立词汇内容的标签,建立一个字典,键值为文本词语,键为数字标签,训练时只能使用数字表示。3.建立卷积神经网络或其他网络4.提取音频特征,对应上标签进行训练,输出训练模型5.利用输出的模型对音频文件进行预测6.根据预测的结果,对应相应的回答的音频文件,做出应答。1.数据集收集说明:数据集过小,只是进行网络测试,实际数据较多;而且这里的音频数据都是通过软件合成的数据,比较理想,适合新人学习使用。2. 建立一个映射原创 2021-12-08 15:48:19 · 1319 阅读 · 0 评论 -
jetbot 小车配置
小车组装参考,https://www.bilibili.com/video/BV1Qb4y1C7cj?from=search&seid=3700412571447605611&spm_id_from=333.337.0.0Ubuntu系统安装系统下载地址,https://developer.nvidia.com/embedded/downloads系统安装参考,https://blog.csdn.net/qq_36780295/article/details/108449150原创 2021-11-04 15:39:45 · 668 阅读 · 0 评论 -
face_recognition实现人脸相似度比较
face_recognitionface_recognition 是github上一个非常有名气的人脸识别开源工具包,我们可以通过以下指令安装到python环境内$ pip install face_recognition加载人脸图片image = face_recognition.load_image_file(src)获取图片人脸定位[(top,right,bottom,left )]face_locations = face_recognition.face_locations(i.原创 2021-10-29 15:33:13 · 9332 阅读 · 1 评论 -
训练模型并重建人脸
https://blog.csdn.net/weixin_41943311/article/details/102370766转载 2021-10-26 10:27:19 · 180 阅读 · 0 评论 -
ResNet50网络
自从ResNet在2015年被提出,在ImageNet比赛classification任务上获得第一名,因为它“简单与实用”并存,之后很多方法都建立在ResNet50或者ResNet101的基础上完成的,检测,分割,识别等领域都纷纷使用ResNet,Alpha zero也使用了ResNet,所以可见ResNet确实很好用。Resnets50 网络结构示意图ResNet50和ResNet101对比...原创 2021-10-26 09:00:24 · 817 阅读 · 0 评论 -
孪生神经网络原理介绍
孪生神经网络定义孪生神经网络(Siamese network)就是“连体的神经网络”,神经网络的“连体”是通过共享权值来实现的。当我们想要提取同一属性的特征的时候,如果使用两个神经网络分别对图片进行特征提取,提取到的特征很有可能不在一个分布域中,此时我们可以考虑使用一个神经网络进行特征提取再进行比较。因此,孪生神经网络可以提取出两个输入图片同一分布域的特征,此时便可以判断两个输入图片的相似性。狭义的孪生神经网络由两个结构相同,且权重共享的神经网络拼接而成 。广义的孪生神经网络,或“伪孪生神原创 2021-07-05 09:32:28 · 3732 阅读 · 0 评论 -
caffe 使用命令将图片转换为lmdb
工程目录test 测试图片及其对应的xmltrain 训练图片及其对应的xmldata_txt.py 分别将训练测试图片及其xml写入txt运行data_txt.pyconvert_imageset配置参考https://blog.csdn.net/qq_38641985/article/details/116400423https://blog.csdn.net/qq_38641985/article/details/115286730执行命令convert_imageset.原创 2021-06-24 10:44:04 · 104 阅读 · 0 评论 -
caffe利用官方手写数字数据训练
案例数据准备下载链接:https://pan.baidu.com/s/10CmpZUdEVmma4A0mziu9dw提取码:dmjr复制这段内容后打开百度网盘手机App,操作更方便哦解压后放到data/mnist进入C:\Windows\System32\WindowsPowerShell\v1.0管理员运行PowerShellPS F:\caffe-windows> examples\mnist\create_mnist.ps1生成两个目录之后将mnist拷贝到自己的工程目录备用原创 2021-06-22 17:47:54 · 99 阅读 · 0 评论 -
caffe 训练手写数字并预测识别
建立工程目录data_digit 数据集model 模型保存位置digit_uma.py 生成准备文件predict_use.py 预测图片文件train_digit.py 训练生成网络文件数据集说明:0-9每个种类一千张,共10000张,需要求留言digit_uma.py# coding: utf-8import osimport cv2import numpy as npimport randomdef write_img_list(data, filename, nu原创 2021-06-22 17:19:48 · 162 阅读 · 0 评论 -
caffe 进行手写数字训练
案例数据准备下载链接:https://pan.baidu.com/s/10CmpZUdEVmma4A0mziu9dw提取码:dmjr复制这段内容后打开百度网盘手机App,操作更方便哦解压后放到data/mnist进入C:\Windows\System32\WindowsPowerShell\v1.0管理员运行PowerShellPS F:\caffe-windows> examples\mnist\create_mnist.ps1生成两个目录之后将mnist拷贝到自己的工程目录备原创 2021-06-21 14:23:20 · 141 阅读 · 0 评论 -
caffe 利用cifar10进行训练
下载cifar10数据集http://www.cs.toronto.edu/~kriz/cifar.html生成lmdb文件import osimport shutilEXAMPLE="./cifar10"DATA="./cifar10"DBTYPE="lmdb"print "Creating "+DBTYPE+"..."path1=EXAMPLE+"\\cifar10_train_"+DBTYPEpath2=EXAMPLE+"\\cifar10_test_"+DBTYPEi原创 2021-06-18 10:25:04 · 108 阅读 · 0 评论 -
caffe lmdb数据集写入与读取
单标签写入读取#coding='utf-8'import lmdbimport caffefrom matplotlib import pyplot as pltimport numpy as npdef write_lmdb(filename,X,y): N = len(y) map_size = X.nbytes * 10 env = lmdb.open(filename,map_size=map_size) with env.begin(write = True) as tx原创 2021-06-17 15:47:26 · 154 阅读 · 0 评论 -
caffe 利用VoC2012制作图片数据集
代码#coding='utf-8'import scipy.miscimport caffeimport numpy as npimport os.path as ospfrom xml.dom import minidomfrom PIL import Image, ImageDrawimport matplotlib.pyplot as pltimport h5pyclasses = ('__background__', # always index 0 'aeropl原创 2021-06-17 11:27:23 · 104 阅读 · 0 评论 -
cafffe 利用h5py生成多标签h5文件并训练
h5py生成多标签h5文件import h5pyimport numpy as npdef main(): f = h5py.File('train00.h5', 'w') f.create_dataset('data', (1200, 128), dtype='f8') f.create_dataset('label', (1200, 4), dtype='i') for i in range(1200): a = np.empty(128) if i % 4 == 0原创 2021-06-16 16:07:12 · 179 阅读 · 0 评论 -
cafffe 利用h5py生成单标签h5文件并训练
h5py生成h5文件import h5pyimport numpy as npdef net(dbfile,batch_size,mean_value=0): pass def main(): N= 10000 t = np.linspace(0,2*np.pi,N) x1 = np.array([t,30*np.cos(t)+0.3*np.random.rand(N)]) x2 = np.array([t,29*np.cos(t)+0.3*np.random.rand(N)]) y原创 2021-06-16 16:04:55 · 121 阅读 · 0 评论 -
目标检测_利用tensorflow2官方案例-自定义训练目标进行人眼识别
我的数据集:说明:我的数据集一共1035张,并非通过手动标记得到,因此不包含xml文件包含:图片文件,train.csv,test.csv。(图片位置,标记位置,目标名称等)说明:数据集本人通过制作而成,只供学习使用,不得私自滥用。链接:https://pan.baidu.com/s/18FdxUHiLnD1B52Jpt4QC6g提取码:zw6b效果展示:单眼模型效果双眼模型效果工程目录:...原创 2021-05-31 11:58:47 · 1785 阅读 · 12 评论 -
darknet训练自定义模型
下载标注工具,标记darknet下载https://github.com/AlexeyAB/darknetvs2017生成darknet.exehttps://blog.csdn.net/qq_38641985/article/details/117227981配置环境变量生成txt位置文件# coding: utf-8import globimport xml.etree.ElementTree as ET # 标记类名class_names = ['tortoise',原创 2021-05-26 17:33:14 · 291 阅读 · 0 评论 -
VS2017配置darknet环境配置【目标检测】
项目下载https://github.com/AlexeyAB/darknet进入工程目录,darknet\build\darknet找到darknet.sln,vs2017打开此处改为修改属性页cuda位置opencv配置包含目录用属性下的VC++目录,右边会有包含目录和库目录,点击包含目录,添加以下三条路径,其实这些都是刚才OpenCV相关解压文件所在的目录opencv\build\includeopencv\build\include\opencv2\coreop原创 2021-05-24 18:19:24 · 644 阅读 · 2 评论 -
利用yolov4进行手写数字识别
识别效果训练20000次数据集下载,https://download.csdn.net/download/qq_38641985/18963935图片标记参考https://github.com/theAIGuysCode/tensorflow-yolov4-tflite修改配置#! /usr/bin/env python# coding=utf-8from easydict import EasyDict as edict__C原创 2021-05-22 11:19:12 · 3884 阅读 · 7 评论 -
yolov4初探学习_预测
地址https://github.com/theAIGuysCode/tensorflow-yolov4-tflite配置环境name: yolov4-gpudependencies:python==3.7pipmatplotlibopencvcudnncudatoolkit==10.1.243pip:tensorflow-gpu==2.3.0rc0opencv-python==4.1.1.26lxmltqdmabsl-pyeasydictpillow我的t原创 2021-05-17 15:25:57 · 217 阅读 · 0 评论 -
手写数据集自动生成
手写数字生成import randomimport osfrom PIL import Image, ImageDraw, ImageFontrandom.seed(3)path_img = "data/"def generate_single(): im_50_blank = Image.new('RGB', (50, 50), (255, 255, 255)) draw = ImageDraw.Draw(im_50_blank) num = str(random.r原创 2021-05-15 22:59:22 · 180 阅读 · 0 评论 -
利用官方案例进行训练自己的目标检测模型
准备工作请参考上篇https://github.com/tensorflow/models标注工具https://github.com/tzutalin/labelImg安装对应模块,调试环境即可利用标注工具制作自己的数据集,并生成xml文件生成csv# -*- coding:utf-8 -*-import osimport globimport pandas as pdimport xml.etree.ElementTree as ETimport randomdef x原创 2021-05-14 09:14:01 · 296 阅读 · 1 评论 -
官方案例进行目标检测_SSD
第一部下载对应源码: https://github.com/tensorflow/models建立工程目录复制models-master\research\object_detection到工程之中下载模型下载对应模型:https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf1_detection_zoo.md这里用的是第一个建立相应目录models放入解压后的模型目录t原创 2021-05-12 11:31:13 · 262 阅读 · 0 评论 -
tensorflow2.0-维度变换
reshape(合并维度)a = tf.random.normal((4,28,28,3))a_1 = tf.reshape(a,[4,784,3]).shape #1a_1 = tf.reshape(a,[4,-1,3]).shape #和1等价a_2 = tf.reshape(a,[4,784*3]).shape #2a_2 = tf.reshape(a,[4,-1]).shape #和2等价aprint (a_1)print (a_2)"""28*28转为原创 2021-02-08 17:32:41 · 214 阅读 · 1 评论 -
tensorflow2.0-Tensor创建
constantdata = tf.constant([2])data1 = tf.constant(1)data2 = tf.constant([1,2])data3 = tf.constant([True,False])data4 = tf.constant(["T","H","F"])print (data)print (data1)print (data2)print (data3)print (data4)"""result: tf.Tensor([2], shape=(原创 2021-02-01 19:05:34 · 160 阅读 · 0 评论 -
tensorflow 2.0-基本操作
常数# -*- coding: utf-8 -*-import tensorflow as tfc1=tf.constant(2)print (c1)c2=tf.constant(2.5)print (c2)c3=tf.constant("a")print (c3)c4=tf.constant((1,-1),tf.complex64)print (c4) 常数运算c11=tf.constant(2)c12=tf.constant(4)print ((c11+c12).nump原创 2020-10-22 11:41:24 · 155 阅读 · 0 评论 -
tensoflow2.0-数据类型
基本类型# -*- coding: utf-8 -*-import tensorflow as tfimport numpy as np"""constant(value, dtype=None, shape=None, name='Const')Creates a constant tensor from a tensor-like object."""#整型数据l11 = tf.constant(1,4)print (l11)l12 = tf.constant([1,2,..原创 2021-01-27 18:02:42 · 163 阅读 · 1 评论