![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
shejiangao
这个作者很懒,什么都没留下…
展开
-
华为IVS1800 第三方目标检测算法
华为IVS1800第三方算法原创 2022-07-07 14:02:57 · 794 阅读 · 0 评论 -
LSTM 生成文章
随着深度学习的迅猛发展,人工智能的强大能力已经超出了模仿人类的简单动作,例如识别物体,如今已经能发展到自动驾驶,而且车开的比人都好的地步。目前深度学习进化出的一大功能是能够进行艺术创作,前几年google开发的DeepDream算法能够自己绘制出犹如毕加索抽象画般的艺术作品,而现在使用LSTM网络甚至可以开发出自动作曲程序,据说现在很多曲调都是由深度学习网络创作的。很多艺术创作其实是通过序列号...转载 2019-10-08 13:44:46 · 419 阅读 · 0 评论 -
理解LSTM(通俗易懂版)
https://www.jianshu.com/p/95d5c461924c原创 2019-10-08 11:01:28 · 322 阅读 · 0 评论 -
SVM 多分类分类边界可视化
import numpy as npimport matplotlib.pyplot as pltfrom sklearn import svmfrom sklearn.datasets import make_blobsX, y = make_blobs(n_samples=180, centers=5, random_state=6)#centers就是数据分布点,我们现在解决的是...原创 2019-07-08 12:14:25 · 5022 阅读 · 0 评论 -
sklearn中SVM的实现
这篇主要是针对SVM在实际应用中的实践。这个过程重点在于参数的选择,模型的选择。蛮有意思的。参考的内容是sklearn官网的Example\Support Vector Machinenote:本文的顺序是按照模型的复杂程度,样本分类的复杂程度,维度的逐级增加进行。Platform & Environment: python 3.6 (anaconda\spider)im...转载 2019-07-08 11:18:20 · 887 阅读 · 0 评论 -
7步掌握基于Keras的深度学习!
摘要:你对学习使用Keras感兴趣吗?你是否已经对神经网络的工作方式有一定的了解?看看这个精简的七步计划,从新手开始尽快地掌握Keras基础知识。对于所有想要开始深度学习的人来说,有很多神经网络框架、库和api等都是非常重要的。可是…为什么要用Keras呢?Keras是一种高级的神经网络API,它运行在许多底层库之上,这些库被用作后端,包括TensorFlow、Theano、CNTK和...转载 2019-04-09 16:34:10 · 351 阅读 · 0 评论 -
Python keras构建CNN
data.py:#coding:utf-8"""Author:weponSource:https://github.com/wepe """ import osfrom PIL import Imageimport numpy as np #读取文件夹mnist下的42000张图片,图片为灰度图,所以为1通道,图像大小28*28#如果是将彩色图作为输入,则将1替换为3,并且data[i,:,:,...转载 2018-04-20 18:10:23 · 2176 阅读 · 0 评论 -
Python图片转换成矩阵,矩阵数据转换成图片
转载 2017年05月08日 20:16:315115[html] view plain copy# coding=gbk from PIL import Image import numpy as np # import scipy def loadImage(): # 读取图片 im = Image.open("lena.jpg") # 显示图片 ...转载 2018-04-09 16:51:45 · 9066 阅读 · 1 评论 -
K-Means聚类算法的原理及实现【转】
K-Means聚类算法的原理及实现【转】【转】http://www.aboutyun.com/thread-18178-1-1.html问题导读:1、如何理解K-Means算法?2、如何寻找K值及初始质心?3、如何应用K-Means算法处理数据?K-Means是聚类算法中的一种,其中K表示类别数,Means表示均值。顾名思义K-Means是一种通过均值对数据点进行聚类的算法。K-Means算法通过...转载 2018-03-12 09:29:02 · 238 阅读 · 0 评论