人工智能
文章平均质量分 88
每周更新3篇文章
郑同学zxc
这个作者很懒,什么都没留下…
展开
-
tensorflow学习1.3-创建会话,启动会话
在 TensorFlow 1.x 中,会话是通过tf.Session类定义的。# 创建一个计算图# 定义一个计算图节点c = a + b# 创建一个会话# 在会话中运行计算图print(result) # 输出:11.0# 关闭会话Session会话是 TensorFlow 1.x 中用于执行计算图的环境,通过会话可以管理资源、执行计算图并获取结果。在 TensorFlow 2.x 中,引入了更易用的 Eager Execution 模式,使得大部分操作可以立即执行,而不需要显式管理会话。原创 2024-06-26 00:16:52 · 988 阅读 · 0 评论 -
TensorFlow的学习1.2-基本概念
TensorFlow 是一个开源的机器学习框架,它提供了一套全面的工具和库来帮助开发者构建和部署机器学习模型。在 TensorFlow 2.x 中,会话已被弃用,计算直接在 Eager Execution 模式下进行。TensorFlow 提供了强大的功能和灵活性,可以用于各种机器学习和深度学习任务。操作是对张量进行计算的节点,可以是基本的数学运算,也可以是复杂的神经网络层。TensorFlow 提供了自动微分功能,方便计算梯度,用于优化模型参数。变量用于存储可变的张量,通常用于模型的参数。原创 2024-06-25 00:56:26 · 301 阅读 · 0 评论 -
TensorFlow的学习1.1-安装与配置
TensorFlow是一个由谷歌开发和维护的开源深度学习框架,它基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现。TensorFlow的前身是谷歌的神经网络算法库DistBelief,相比于前作,TensorFlow在性能上有显著改进,构架灵活性和可移植性也得到增强[1]。TensorFlow拥有多层级结构,可部署于各类服务器、PC终端和网页,并支持GPU和TPU高性能数值计算。原创 2024-06-21 23:18:50 · 943 阅读 · 0 评论 -
深度学习基础知识2-线性神经网络
在神经网络中,线性神经网络(Linear Neural Network)通常指的是只包含线性变换(线性映射)的神经网络层,也被称为全连接层(Fully Connected Layer)或密集层(Dense Layer)。一个典型的线性神经网络层可以表示为:(y) 是输出向量。(W) 是权重矩阵。(x) 是输入向量。(b) 是偏置向量。这是一个线性变换,(W \cdot x) 表示输入 (x) 与权重矩阵 (W) 的矩阵乘法,然后加上偏置 (b)。这个线性变换是神经网络中最简单的一种。原创 2023-12-06 16:03:04 · 1159 阅读 · 0 评论 -
人工智能与计算机视觉:python的快速入门
人工智能与计算机视觉:python的快速入门Python语言基础科学计算库numpy数据分析库pandas图表绘制库matplotlibPython语言基础科学计算库numpy数据分析库pandas图表绘制库matplotlib原创 2023-11-23 00:34:03 · 50 阅读 · 0 评论 -
OpenCV学习2
卷积是数学和信号处理领域中的一个重要概念,它在计算机视觉、深度学习和图像处理等领域中也扮演着关键的角色。卷积可以用来处理信号、图像、音频和其他类型的数据,以提取特征、滤波、降噪等操作。以下是卷积的简介:卷积操作:卷积是一种数学运算,通常表示为符号 “*”。在离散卷积中,它通常应用于两个离散信号(通常是函数)的卷积,以生成第三个信号。卷积的结果是通过将两个信号重叠并按照一定的规则相乘和相加来计算的。卷积核(卷积滤波器):卷积核是一个小的矩阵或滤波器,用于在卷积操作中滑动在输入信号上。原创 2023-10-28 01:07:42 · 37 阅读 · 0 评论 -
深度学习基础知识1-单层感知器
需要注意的是,感知器只能解决线性可分问题,而对于非线性问题,多层感知器(多层神经网络)更为合适。. 1969年,人工智能的先驱Minsky出版了一本名为《感知器》的书,书中指出简单的神经网络只能运用于线性问题的求解,能够求解非线性问题的网络应具有隐层,而从理论上还不能证明将感知器扩展到多层网络是有意义的。(3,3),(4,3) 这两个数据的标签为1,(1,1),(2,1)这两个数据的标签-1。所以只需要两个输入节点,加上一个偏置的输入 ,一共三个输入,偏置的输入为1,1*W0来寻找最佳的偏置。原创 2023-11-21 10:19:38 · 213 阅读 · 0 评论 -
TensorRT之基本概念
由于近期的工作需要用到TensorRT和,自己也是第一次接触,因此在这里记录下相关的学习和使用笔记,内容主要来自于官方相关文档,如TensorRT Developer Guide等。本文主要记录TensorRT相关的基础知识,主要包括以下几个方面:什么是TensorRTTensorRT的工作原理TensorRT学习资源总结。转载 2023-06-25 10:20:07 · 278 阅读 · 0 评论 -
深度学习与支持向量机的分类原理异同
深度学习中的某一个类别比如猫,包含了训练数据中所有猫的特征,站立,躺卧,行走,蜷缩等,但它为什么能判断某一个特定图像中的猫呢,这和激活函数有关。本质上,深度学习是将要分类的对象经过多次线性变换,映射到高维和低维空间后再进行非线性变换,把空间扭成麻花后,正好可以用一个线性超平面把不能在标准正交坐标系中线性分类的数据,进行了线性分类。支持向量机是使分类超平面离两个最近的不同类的点的距离相等,来确定超平面的,而深度学习是计算需要分类的数据与分类类别的相似度来实现分类的。深度学习可以多分类,支持向量机只能二分类。转载 2023-05-23 00:34:44 · 141 阅读 · 0 评论 -
opencv3
图像二值化是图像处理中的一种常见操作,将图像转换为黑白二值图像的过程。这种处理通常使用的是图像的灰度级别信息,将其转换为二值(只有两个值,一般是黑色和白色)的像素值。在图像处理中,Thresholding中文翻译过来叫二值化或者阈值化。二值化就是把图片传换成只有white和black这两种颜色。通过Thresholding,可以让图片中感兴趣的颜色变成主角–white,其余的颜色全部隐藏–black。另外,二值化后的图片也便于计算机进行分析,因为边缘轮廓十分清晰,所以计算机可以轻松找到边界线。原创 2023-11-07 00:12:05 · 94 阅读 · 0 评论 -
opencv
我们生活中的图像都是有RGB三原色构成的∶R是Red红色,G是Green绿色,B是Blue蓝色。在计算机中RGB这三个颜色的取值通常也是在0-255之间。彩色图片有三个通道,所以是属于三通道图片。在python中安装pip install 包的名字,pip报错需要再环境变量中添加python的pip所在路径,pythpon也是一样。计算机中像素的值通常用8位的无符号整型表示0-255。假设将图片颜色分位256级,即黑白图片,单通道图片。原因:plt显示图片是RGB格式。opencv读图是BGR。原创 2023-10-15 00:41:52 · 55 阅读 · 0 评论 -
深度学习概述
深度学习(Deep Learning, DL),由Hinton等人于2006年提出,是机器学习(MachineLearning, ML)的一个新领域目标: 深度学习被引入机器学习使其更接近于最初的目标----人工智能(AI,Artificial Intelligence)。实现:深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字、图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法原创 2023-05-19 14:19:46 · 5777 阅读 · 0 评论 -
人工智能与计算机视觉:课程导论
如何利用图片进行城市研究,包括街景图片、互联网图片和百度图片等,以及利用这些图片进行城市旅游路线推荐、城市绅士化研究、城市经济研究等方面的应用。利用图片数据在城市规划设计和研究中的应用,包括城市意向空间品质评估、城市活力评估等方面,同时介绍了多种数据来源和相关工具。AI工程师计算机视觉的微专业课程导论,包括CV方向的技术体系、应用场景及发展历史,并列举了身边的人工智能例子和具体应用。医疗影像领域的深度学习和计算机视觉应用,以及图片城市主义的概念和图片处理技术的发展对城市研究的影响。原创 2023-09-21 00:58:49 · 222 阅读 · 0 评论