深度学习思维导图

最新推荐文章于 2022-09-22 15:04:13 发布

置顶李是李雅普诺夫的李

最新推荐文章于 2022-09-22 15:04:13 发布

阅读量456

点赞数 1

分类专栏：深度学习文章标签：神经网络 tensorflow 深度学习机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_41742361/article/details/105105268

版权

深度学习专栏收录该内容

4 篇文章 1 订阅

订阅专栏

深度学习技术极大的影响了我们的生活：无人驾驶在可预见的未来走向我们的生活，人脸识使我们的出行更便利、支付更便捷，人像美颜更是让广大人民群众喜闻乐见、欲罢不能，

除此之外还有拍立淘、语音识别、文本翻译、识别诈骗、垃圾短信分类、辅助医疗等等.....可以说，深度学习等AI技术在潜移默化中影响着我们的生活。

深度学习涉及到的知识体系太广，细节过多，进阶之路更是少不了摧残，上到数学原理、下到模型框架，让人又爱又恨！爱这DeepLearning好像上天入地无所不能，恨这脑袋瓜实在是供氧不足，学习之路抓不清脉络。

费了几天时间，反复调整整理出深度学习的思维导图，帮你梳理深度学习的基础脉络，避免像我以前那样，只知局部不知整体，帮你更清晰、更系统的了解深度学习世界！

扫码关注公众号：一刻AI

微信公众号后台回复：思维导图

即可获得高清PDF学习思维导图，助你一臂之力！

李是李雅普诺夫的李

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
深度学习思维导图

深度学习技术极大的影响了我们的生活：无人驾驶在可预见的未来走向我们的生活，人脸识使我们的出行更便利、支付更便捷，人像美颜更是让广大人民群众喜闻乐见、欲罢不能，除此之外还有拍立淘、语音识别、文本翻译、识别诈骗、垃圾短信分类、辅助医疗等等.....可以说，深度学习等AI技术在潜移默化中影响着我们的生活。深度学习涉及到的知识体系太广，细节过多，进阶之路更是少不了摧残，上到数学原理、下到模型框架，...
复制链接

扫一扫

专栏目录

李是李雅普诺夫的李 CSDN认证博客专家 CSDN认证企业博客

码龄6年

73: 原创

7万+: 周排名

198万+: 总排名

11万+: 访问

: 等级

1548: 积分

120: 粉丝

117: 获赞

39: 评论

1112: 收藏

私信

关注

热门文章

分类专栏

最新评论

六种常见的数据扩增方式（附代码）
瓶困小张: 请问数据增强后的数据集划分还能随机划分吗，因为同一张图片数据增强之后的五张图片是几乎一样的，还是图片只要改了位置检测都有效。
C++实现yolov5的OpenVINO部署（项目地址见文章末尾）
卍青涩的梦卍: 这个能直接用吗？
C++实现yolov5的OpenVINO部署（项目地址见文章末尾）
2301_79448073: 博主，你看这个和上次那个那个效果好一点，已私
C++实现yolov5的OpenVINO部署（项目地址见文章末尾）
2301_79448073: #include <iostream> #include <fstream> #include <vector> #include <inference_engine.hpp> #include <ie_common.h> #include <runtime/properties.hpp> using namespace std; using namespace InferenceEngine; //定义一些常量和全局变量： const string MODEL_PATH = "model"; const string WAV_FILE_PATH = "audio.wav"; const string OUTPUT_FILE_PATH = "output.txt"; // 音频文件头信息 struct WavHeader { char chunkID[4]; int chunkSize; char format[4]; char subchunk1ID[4]; int subchunk1Size; short audioFormat; short numChannels; int sampleRate; int byteRate; short blockAlign; short bitsPerSample; char subchunk2ID[4]; int subchunk2Size; }; InferenceEngine::CNNNetwork network; InferenceEngine::ExecutableNetwork executableNetwork; InferenceEngine::InferRequest inferRequest; //实现音频文件解析函数： bool parseWavFile(const string& filePath, vector<float>& audioData, WavHeader& header) { ifstream file(filePath, ios::binary); if (!file) { cerr << "Failed to open WAV file: " << filePath << endl; return false; } file.read(reinterpret_cast<char*>(&header), sizeof(WavHeader)); if (string(header.chunkID, 4) != "RIFF" || string(header.format, 4) != "WAVE" || string(header.subchunk1ID, 4) != "fmt " || string(header.subchunk2ID, 4) != "data") { cerr << "Invalid WAV file format: " << filePath << endl; return false; } const size_t dataSize = header.subchunk2Size / sizeof(float); audioData.resize(dataSize); file.read(reinterpret_cast<char*>(audioData.data()), header.subchunk2Size); return true; } //实现推理引擎初始化函数： bool initInferenceEngine() { try { InferenceEngine::Core core; //加载网络模型 network = core.ReadNetwork(MODEL_PATH); // 加载推理引擎 ExecutableNetwork executableNetwork = core.LoadNetwork(network, "CPU");// 创建推理请求 InferRequest inferRequest = executableNetwork.CreateInferRequest(); } catch (exception& ex) { cerr << "Failed to initialize inference engine: " << ex.what() << endl; return false; } return true; } //实现音频推理函数： void performInference(const vector<float>& audioData) { const size_t inputSize = audioData.size() * sizeof(float); auto inputBlob = inferRequest.GetBlob(network.getInputsInfo().begin()->first); auto outputBlob = inferRequest.GetBlob(network.getOutputsInfo().begin()->first); // 设置输入数据 auto inputBuffer = inputBlob->buffer().as<float*>(); memcpy(inputBuffer, audioData.data(), inputSize); // 进行推理 inferRequest.Infer(); // 获取输出数据 auto outputBuffer = outputBlob->buffer().as<float*>(); const size_t outputSize = outputBlob->size() / sizeof(float); vector<float> outputData(outputBuffer, outputBuffer + outputSize); // 处理输出数据，这里以保存到文件并打印为例 ofstream outputFile(OUTPUT_FILE_PATH); if (outputFile) { for (const auto& value : outputData) { outputFile << value << endl; cout << value << endl; } outputFile.close(); } else { cerr << "Failed to open output file: " << OUTPUT_FILE_PATH << endl; } } //主函数中调用上述函数： int main() { WavHeader header; vector<float> audioData; if (!parseWavFile(WAV_FILE_PATH, audioData, header)) { return 1; } if (!initInferenceEngine()) { return 1; } performInference(audioData); return 0; }
单目深度估计数据集：NYU Depth Dataset V2
牛魔王的角没了: 你好，提取到的rawDepths四周有一圈黑边，请问这样还是和RGB图是对齐的吗？不想要黑边除了裁剪外还有别的处理方法吗?

您愿意向朋友推荐“博客详情页”吗？

强烈不推荐
不推荐
一般般
推荐
强烈推荐

提交

最新文章

目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。