- 博客(22)
- 收藏
- 关注
RSS订阅原创 论文配色方案（自用）
论文配色方案方案1（复古）：系列色——十六进制颜色码：0780cf - 765005 - fa6d1d - 0e2c82 - b6b51f - da1f18 - 701866 - f47a75 - 009db2 - 024b51 -&nbs...
2020-06-22 23:03:21
58322
8
原创 tensorflow中求交叉熵的一些理解
很多代码里面求交叉熵的时候就直接一行代码展示，其中的细节没有详细展示出来。tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits_v2(logits=y_, labels=y))其实这句代码应该是拆分成几个部分的：对y_求softmax，这里命名为y1。y×ln(y1)y{\times ln(y1)}y×ln(y1) （哈达玛积）降维。从(batch_size, n_class) −−>-->−−> (batch_size,
2020-06-03 18:56:46
241
原创 关于plt.legend()中bbox_to_anchor的理解
在用plt.legend()添加图例的时候，bbox_to_anchor()这个参数有时候是有两个元素，有时候是可以有四个元素，那么到底有什么区别？1. 两个元素对于两个元素的bbox_to_anchor()，也就是(x,y)，这个参数是代表了lengend_box的起点，并且是有后面的loc决定 的。首先明确，lengend_box是一个四边形，在这里为了方便理解将它的四条边成为：左边，右边，顶边，底边例如，设置(0.5,0.5), loc='center'，那么代表lengend_box的中
2020-06-02 14:12:52
22067
3
原创 github怎么修改commit信息
如果是提交之后发现commit信息输错了，那么可以这样修改：1. git commit --amend2. 在进入的界面最上面直接修改信息3. esc退出修改4. 输入 :wq# 注意那个冒号也是要输进去的5. git rebase --continue (这个可要可不要)6. git push -f...
2020-05-23 11:08:57
2847
原创 github上传
"""第一次上传"""1. git init2. git add '名字' # 这个名字一定是要包括后缀的，比如上传图片，必须是image.jpg，而不能只写image # 或者 git add . # 后面的那个.符号不能漏。这是将所有文件一起添加3. git commit -m '名字' # 这个名字要和上面add的名字一样。 # 或者 git commit -m '随便写点什么' # 这个是对应上面的add .4. ssh-keygen -t rsa
2020-05-22 20:22:28
116
原创 分类任务8（番外）——参数的设置
这部分就把我用的参数放上来吧"""# 参数统一设置在这里"""drop_rate = 0.5num_class = 5resize_width = resize_height = 224batch_size = 80learning_rate = 0.01decay_step = 10decay_rate = 0.8iteration = 100
2020-05-21 10:18:42
162
原创 分类任务7（完结）——载入模型并使用测试集进行测试
在这里值得一提的是，因为前面制作数据的时候使用了tf.one_hot，这个格式将数字标签变成one_hot索引，因此在最后获取真实标签的时候，应该用argmax函数。我在实验的时候发现如果直接对test_label使用tf.argmax，耗费的时间太大。后面导出找博客论坛，看到有人建议用np.argmax，我就把test_label先tolist保存，然后再在列表里用for循环承接np.argmax，速度一下子就提了上去。ps: seaborn画混淆矩阵真的太方便了!!!代码直接贴上来了：from u
2020-05-21 10:15:57
1916
2
原创 分类任务6——将前面的综合成训练，验证模块
直接上代码了：from using_dataset_to_read_the_tfrecord4 import *from AlexNet_5 import *import matplotlib.pyplot as pltfrom set_config0 import *import numpy as npfrom tqdm import tqdmdef main(): train_file_name = 'E:/111project/tfrecord/test.tfrecords
2020-05-16 11:34:34
231
1
原创 分类任务5——AlexNet模型
在定义网络层的时候，如果要通过tf.get_variable()来用进行参数的xavier初始化tf.contrib.layers.xavier_initializer()，那么在前面应该使用tf.variable_scope而不是tf.name_scope()。这是因为name_scope和get_variable之间会存在参数复用的问题，会报错。完整代码如下："""# AlexNet模型"""import tensorflow as tf'''获取tensor信息'''def
2020-05-16 11:31:44
396
原创 tf.data.Dataset.map()函数的理解
在用dataset读取tfrecord的时候，看到别人的代码里面基本都有tf.data.Dataset.map()这个部分，而且前面定义了解析tfrecord的函数decord_example(example)之后，在后面的的map里面直接就dataset.map(decord_example)这样使用，并没有给example赋值。具体代码在这里：def decode_example(example, resize_height, resize_width, label_nums): dics=
2020-05-13 19:06:41
10674
2
原创 分类任务4——用dataset读取tfrecord
用plt来显示读取是否成功。它又来了import tensorflow as tfimport matplotlib.pyplot as plt# 定义可以一次获得多张图像的函数def show_image(image_dir): plt.imshow(image_dir) plt.axis('on') plt.show()# 单个record的解析函数def decode_example(example): dics={ 'image_
2020-05-11 11:17:02
323
原创 分类任务3——把弄好的数据制作成tfrecord
既然都用了tensorflow，那干脆数据文件也弄成这个格式算了。（我绝对不会说是因为直接读取图像太慢了）没错又是这个import tensorflow as tfimport osfrom PIL import Imageimport randomdef _int64_feature(label): return tf.train.Feature(int64_list=tf.train.Int64List(value=[label]))def _bytes_feature(
2020-05-11 11:14:04
161
原创 分类任务2——把文件夹里的图像信息以及图像标签写进txt
这个博主真的是福音print()真的是个好东西，有看不懂的地方就print一下，看输出的结果是什么。我把我看不懂的地方都加上了注释，自我感觉注释应该够了。import osimport os.pathfrom tqdm import tqdm# 这个tqdm要不要其实都可以了，因为只是将信息写入txt,也就百来K，很快。def get_files_list(dir): """ 实现遍历dir目录下,所有文件(包含子文件夹的文件) :param dir:指定文件夹目录
2020-05-11 11:09:09
590
原创 分类任务1——将原始图像集分成训练，验证以及测试三个部分
在做分类任务的时候，常常要准备数据集。在准备好之后又要将它分成训练验证和测试三个部分。但是如果手动分的话，反复的复制粘贴属实有点烦人。参考借鉴了 链接看过来 并作出了适合我自己的修改，把它在这里贴出来，希望可以帮助其他小白成长。注释什么的可以看我上面给出的链接代码里我加了tqdm来看进度，这个玩意属实是个好东西。代码里我加了tqdm来看进度，这个玩意属实是个好东西。代码里我加了tqdm来看进度，这个玩意属实是个好东西。import osimport randomfrom shutil import
2020-05-11 11:01:47
1195
原创 AleNet和VGG的参数问题
这两个网络本质上可看做为同一个网络网络参数的计算过程可以总结为只计算卷积核的参数‾\underline{\textbf{只计算卷积核的参数}}只计算卷积核的参数：(w×h×c×n)+n(w\times h\times c\times n)+n(w×h×c×n)+n或者(w×h×c‾+1)×n(\underline{w\times h\times c} +1)\times n(w×h×c...
2020-04-14 17:04:35
274
原创 tf中选择不同的padding会使图像尺寸带来不同的变化
在TensorFlow中，padding有两种形式：same和valid。这两个形式的差别在于：same是指如果碰到尺寸不足，即当卷积核stride了几次之后，发现此时的卷积核所处的位置已经有部分超过了原来的图像，则会把超过的部分补完。对应公式为: k=w/s。k要向上取整。比较形象的是，长为5（视作5列）的大物体，拿一个长为2的小物体，每一次以2的距离跳跃，那么第一次是在1,2列，第...
2020-04-14 11:04:02
369
1
原创 研究生科研论文必用软件——我的一套组合
office系列—— word, excel, ppt画图系列—— visio, sigmaplot, xmind（画思维导图）文献阅读系列—— adobe reader, adobe acrobat DC pro文献管理—— endnote进阶latex写作—— texlive + texstudio程序+编译器—— python + pycharm, ...
2019-06-29 11:46:23
2325
原创 win10+python+tensorflow的深度学习实验环境配置指南（非anaconda)
(python+tensorflow-gpu-3.5.4)话不多说我直接上流程1.下载python下载地址在这个网址里面选择你要下的版本，下载之后安装，记得添加 环境变量现在已经出到3.7.3了,我用的还是3.5.4，2.下载tensorflow下载地址在右边的版本号里面选一个，然后点进去，点击日期，然后再在打开的网页左边选择download files,然后再在右边的列表里面根...
2019-03-26 22:46:05
1117
原创 关于tensorboard的一些初步使用心得，里面展示的问题希望能对观看的朋友一点帮助
tensorboard这个东西是在是一个小妖精一般来说，当你安装了tensorflow之后它会自带tensorboard，你只需要按照教程，在cmd下输入命令即可（因为我是用pycharm,所以我一般在pycharm里面的 terminal 直接打开。但是有一个坑我爬了很久才爬出来，就是当你不知道你有没有不知道你有没有这个东西的时候：千万不要在cmd下直接pip install tenso...
2019-03-26 21:20:37
398
原创 关于反向传播中矩阵求导的一些想法（2017CS231n斯坦福公开课-第四讲第九课时-46:26关于W的梯度矩阵）
这个梯度矩阵是经过了转置之后的，采用了分母布局形式，而在前面的列向量对列向量的求导中，梯度矩阵则采用了分子布局，写成了雅可比形式这是因为不是所有的数学教科书和论文都会在整个部分都保持一致性的。也就是有时候在相同的论文的不同部分会使用不同的约定。例如，有些地方选择了分母布局来表示梯度(将它们以列向量表示),而对于向量关于向量的导数却使用分子布局...
2019-03-10 16:44:47
346
原创 关于HOG特征的一些理解
我们最后得到的HOG向量是一个1n的特征向量，其中n是HOG的特征维数。这个向量的每个元素的值代表着每一个block在x个bin上的梯度值之和。例如700700的灰度图，9个bins，每一个block有1010个cell，每一个cell有2020个pixels，每一个滑动步长stride默认为一个cell的长和宽那么这个图片的特征维数就是{ [(700-200)/20]+1 } * { [(7...
2019-01-08 22:23:22
954
3
原创 python关于命令行参数的一些理解
sys.argv这个参数代表从外部传入的系统参数，其中sys.argv[0]代表本身文件名以及路径，sys.argv[1]、sys.argv[2]等代表从命令行（win+r cmd)中输入的参数。在pycharm中直接可以设置，不用在进入命令行输入参数。直接在红圈部分修改即可，中间用空格隔开。那么sys.argv[1]就是444，sys.argv[2]就是555，依次类推就行了。（这个可折腾我...
2019-01-08 22:07:34
169
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人