tensorflow
saw009
fpga C#图像处理 tensorflow MATLAB深度学习 python-OpenCV
展开
-
在使用tf.nn.weighted_cross_entropy_with_logits_v2(labels, logits, pos_weight)时,如何传递参数logits?
在使用tf.nn.weighted_cross_entropy_with_logits_v2(labels, logits, pos_weight)时,如何传递参数logits?如果网络的输出是preds,那么不能直接将preds传递给logits,而应该使logits=K.log(preds/(1-preds)),其中K来自于import tensorflow.keras.backend as K其原因在于该函数的公式表达式为:labels * -log(sigmoid(logits)) * po原创 2020-11-24 13:39:58 · 422 阅读 · 0 评论 -
keras语义分割--从保存的模型中分割测试图像
训练模型参照keras官方例程得到训练模型,将其保存在路径:save_model\oxford_segmentation.h5,即将代码callbacks = [ keras.callbacks.ModelCheckpoint("oxford_segmentation.h5", save_best_only=True)]改为callbacks = [ keras.callbacks.ModelCheckpoint("save_model\oxford_segmentation.h5", save_be原创 2020-09-07 18:41:34 · 1365 阅读 · 0 评论 -
keras语义分割--准备分割数据集--方式2
使用keras的ImageDataGenerator准备分割数据集1.不要验证集img_size = (160, 160)batch_size = 4seed = 1# 图像数据生成器,可在该函数内实现数据集增强datagen = keras.preprocessing.image.ImageDataGenerator( featurewise_center=True, featurewise_std_normalization=True)#原创 2020-09-05 15:21:12 · 1762 阅读 · 3 评论 -
keras语义分割--准备分割数据集--方式1
准备原图像及其标签的路径import os# 定义原图像所在的目录dir,及路径pathimgs_dir = r"The Oxford-IIIT Pet Dataset\images"imgs_path = []for fname in os.listdir(imgs_dir): if fname.endswith('.jpg'): imgs_path.append(os.path.join(imgs_dir, fname))# 定义原图像标签所在的目录dir,及原创 2020-09-04 10:44:32 · 528 阅读 · 1 评论 -
TensorFlow可视化cifar-10卷积后的特征
本文大概步骤:准备数据→搭建网络→训练测试(并添加tensorboard的IMAGES)目录准备数据下载数据集反序列化数据调整数据定义训练、测试的样本和标签网络搭建及训练测试网络结构:输入层:32*32*3 → 32个5*5的三通道卷积核 → 卷积层1:32*32*32 → 3*3步幅为2的池化 → 池化层1:16*16*32 → 64个5*5的64通道卷积核...原创 2018-12-09 11:29:27 · 1375 阅读 · 0 评论