![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 52
Lzjusc2017
这个作者很懒,什么都没留下…
展开
-
ComfyUI-APISR 动漫的超分模型
APISR:专门用于动漫的超分模型,包含 2x 和 4x 双模型,速度飞快,效果很好。APISR 模型加载 | 🔎APISR ModelLoader和,需手动下载放入中放大(批) | 🔎APISR同时支持 图像 和 视频批处理,帧数多的视频需要高显存放大(逐张)| 🔎APISR Lterative同时支持 图像 和 视频逐张处理,低显存推荐使用。原创 2024-06-13 22:41:12 · 421 阅读 · 0 评论 -
使用keras模型可视化 plot_model
使用keras模型可视化 plot_modelKeras中提供了一个神经网络可视化的函数plot_model,并可以将可视化结果以图片的形式保存在本地:keras中文文档from keras.utils import plot_modelplot_model(model, to_file='model.png')# 接收4个可选择的参数# show_shapes (默认为 Fals...原创 2019-12-14 15:41:35 · 2156 阅读 · 0 评论 -
关于MNIST手写数字识别的几种实现方式
文章概要由于我最近刚刚学习深度学习,就打算从深度学习中的“Hello world”(MNIST)开始,本文将包含以下几个内容SVM实现手写数字识别感知机实现手写数字识别AlexNet实现手写数字识别关于数据集MNIST数据集的下载链接从官网的介绍中,我们发现CLASSIFIERTEST ERROR RATE (%)SVM, Gaussian Kerne...原创 2019-11-16 18:38:23 · 4867 阅读 · 2 评论 -
深度学习笔记(三)
线性回归的简洁实现在上一章的基础上,将介绍如何使用MXNet提供的Gluon接口方便实现线性回归生成数据集num_inputs = 2num_examples = 1000true_w = [2,-3.4]true_b = 4.2features = nd.random.normal(scale=1,shape=(num_examples,num_inputs))labels =...原创 2019-07-13 10:41:06 · 482 阅读 · 1 评论 -
深度学习笔记(五)
目录本文将介绍如下内容多层感知机多层感知机的从零开始实现多层感知机的简洁实现多层感知机隐藏层多层感知机在单层神经网络的基础上引入了一到多个隐藏层。输入和输出个数分别为4和3,隐藏层包含5个隐藏单元。由于输入层不涉及计算,因此该多层感知机的层数为2。样本批量大小为n,输入个数为d(4)。假设多层感知机只有一个隐藏层,其中隐藏单元个数为h(5)。记隐藏层的输出(隐藏...原创 2019-09-06 17:09:14 · 337 阅读 · 0 评论 -
深度学习笔记(一)
在MXNet中,NDArray是一个类,也是存储和交换数据的主要工具。NDArray和Numpy的多维数组非常类似,NDArray提供GPU计算和自动求梯度等更多功能。数据操作首先,从MXNet中导入ndarray模块。使用shape属性获取NDArray实例的形状,也可以通过size属性得到NDArray实例中的元素的总数。下面使用reshape函数把行向量x的形状改为(3,4),并记...原创 2019-07-04 19:30:36 · 1540 阅读 · 0 评论 -
深度学习笔记(二)
前言从线性回归和softmax回归这两种单层神经网络入手,简要介绍机器学习中的基本概念,然后,由单层神经网络延伸到多层神经网络,并通过多层感知机引入深度学习模型。线性回归基本要素1.模型2.模型训练3.训练数据4.损失函数5.优化算法6.模型预测线性回归的表示神经网络图该神经网络的层数是1。输出层的神经元和输入层中各个输入完全连接。矢量计算矢量计算比标量计算要快许多,...原创 2019-07-05 13:50:45 · 2111 阅读 · 0 评论 -
深度学习笔记(四)
目录本文将介绍以下内容softmax回归从零开始实现softmax回归的简洁实现小结softmax回归从零开始实现读取数据集batch_size = 256#Gluon的DataLoader中允许使用多进程加速数据读取(linux系统)#在上一章的基础上,我们需要小批量的读取数据样本的函数train_iter,test_iter = d2l.load_data_fa...原创 2019-09-06 11:36:37 · 888 阅读 · 0 评论 -
深度学习笔记-计算机视觉
目标检测和边框值import d2lzh as d2lfrom mxnet import imaged2l.set_figsize()img = image.imread('img/catdog.jpg').asnumpy()# 边界框(bounding_box)dog_bbox,cat_bbox = [60,45,378,516],[400,112,655,493]# bbox...原创 2019-09-14 20:55:19 · 619 阅读 · 0 评论 -
深度学习笔记(二)-计算机视觉SSD
参考资料SSD(单次多盒检测)用于实时物体检测 http://wemedia.ifeng.com/70546840/wemedia.shtml#%%#In[1]from mxnet import image,contrib,gluon,nd#import numpy as npimport d2lzh as d2l#np.set_printoptions(2)import os...原创 2019-09-16 19:49:48 · 709 阅读 · 0 评论 -
深度学习笔记(六)卷积神经网络
参考资料【1】 深度学习cnn卷积神经网络原理(图文详解)https://www.sumaarts.com/share/620.html【2】大话卷积神经网络(CNN) https://my.oschina.net/u/876354/blog/1620906【3】大话CNN经典模型:LeNet https://my.oschina.net/u/876354/blog/1632862【4...原创 2019-09-13 21:32:27 · 987 阅读 · 0 评论