Python深度学习
文章平均质量分 83
ZCAIHUI_
卷又卷不过,躺又躺不平
展开
-
半监督学习之数据增强
一般选择的未标记图片及其伪标签不直接送入网络进行retraining ,在此之前,我们需要对未标记图片及其伪标签做相应的增强操作,以便网络能学习额外的特征并且缓解对噪音的过拟合。常见的增强操作:直接裁剪或者填充为指定大小上下翻转、左右翻转、旋转指定角度transforms.Normalize()PIL的ImageFilter模块介绍最邻近(nearest)与双线性(bilinear)cutout是2017年提出的一种数据增强方法,想法比较简单,即在训练时随机裁剪掉图像的一部分,也可以看作是一种类似drop原创 2022-06-20 18:51:51 · 528 阅读 · 0 评论 -
带GUI界面的手写数字识别
带GUI界面的手写数字识别1.效果图2.数据集3.关于模型4.关于GUI设计1)排版2)直接运行这个文件(调用1)5.缺点6.遗留问题1.效果图有点low,轻喷点击选择图片会优先从当前目录查找2.数据集这部分我是对MNIST数据集进行处理保存对应代码:import tensorflow as tfimport matplotlib.pyplot as pltimport cv2from PIL import Imageimport numpy as npfrom scipy i原创 2022-01-03 22:46:59 · 3363 阅读 · 1 评论 -
风格迁移(初版)
风格迁移算法简介卷积神经网络提取特征完整代码效果展示DL/ML/NLP交流学习群论文链接算法简介本质:定义一个损失函数,然后将这个损失最小化。这里loss可以分为两部分:内容损失和风格损失。内容损失:可以被卷积神经网络更靠顶部的层的表示所捕捉到,因此将图像送入预训练的网络模型(本文使用VGG19在ImageNet上的训练参数),从顶部的一层的输出可以表示该图片内容,损失即可用生成的图片和原图片输出之间的差异来表示。风格损失:风格需要用图片在多个空间尺度上提取的外观来表示,即在预训练的网络模型的不原创 2021-12-11 20:35:43 · 2858 阅读 · 0 评论 -
Tensorflow实现kaggle猫狗识别(循序渐进进行网络设计)
这篇是tensorflow版本,pytorch版本会在下一篇博客给出友情提示:尽量上GPU,博主CPU上跑一个VGG16花了一下午。。。Tensorflow实现kaggle猫狗识别数据集获取数据准备网络设计1.简单的CNN1)网络结构3)完整代码:4)结果展示2.数据增强后的CNN1)数据增强(data augmentation)2)小tip3)完整代码4)结果展示3.使用预训练的卷积神经网1)基于VGG16搭建CNN2)一些注意点3)完整代码4)结构展示数据集获取网盘下载链接:https://原创 2021-12-04 20:48:41 · 3893 阅读 · 4 评论 -
手把手教你,MNIST手写数字识别
数据集介绍MNIST数据集是机器学习领域中非常经典的一个数据集,由60000个训练样本和10000个测试样本组成,每个样本都是一张28 * 28像素的灰度手写数字图片,且内置于keras。本文采用Tensorflow下Keras(Keras中文文档)神经网络API进行网络搭建。开始之前,先回忆下机器学习的通用工作流程( ✅表示本文用到,❌表示本文没有用到 )定义问题,收集数据集(✅)选择衡量成功的指标(✅)确定评估的方法(✅)准备数据(✅)开发比基准更好的模型(❌)扩大模型规模(❌)模型原创 2021-11-30 11:40:58 · 11559 阅读 · 2 评论