stay_zezo的博客

使用sklearn的KNN实现类，neighbors.KNeighborsClassifier，模型精度达到96.7%数据集可以在线下载，也可以手动下载：mnist数据集地址：https://www.lanzouw.com/ib1UGg2acqbimport torch, torchvisionfrom sklearn import neighbors#加载mnist数据集train_dataset = torchvision.datasets.MNIST(root='./data

实现四层神经网络，如下图：反向传播原理：https://blog.csdn.net/ft_sunshine/article/details/90221691import numpy as npimport torchvisiondef tanh(x): s1 = np.exp(x) - np.exp(-x) s2 = np.exp(x) + np.exp(-x) s = s1 / s2 return s# 标签one-hot处理def ..

处理图像的方式有三种方式，分别使用PIL, matplotlib， CV2库1、matplotlib读取和保存图片：读取通道顺序：RGB数据类型：ndarray数据类型：对于png格式的图片，读取后的数据类型是float32， 0~1之间的小数，对于其他格式的图片，读取后的数据类型是uint8, 0~255import matplotlib.pyplot as plt#读取图片,读取通道的顺序是RGBplt_img = plt.imread('./data/1.jpg') ..

数据集下载地址：https://wws.lanzous.com/b01i4vc4b密码:6y8b注意：文件大小494M，有点大，百度云太慢不考虑，蓝奏云只能上传小于100M的，所以，将训练集拆分压缩了，使用时请将Training(0~30)和Training(31~61)合并到一个文件夹中这个数据集有62个类别，可以做分类任务，数据量不是很多，所以我使用旋转、翻转对数据集进行增强。得到18300个图片。数据集注解：类别：62类，训练集和测试集都有标签训练集：4575张图片，下面的代码我

下面是我自己写的代码，每个图片直接紧挨这另个一个图片，图片直接没有任何填充，所以你的图片应该是同等规格的，大小和尺寸必须一致#制作雪碧图, size表示制作雪碧图的尺寸def make_grid(data, size=(6,6)): rows, columns = size[0], size[1] data = np.array(data) data_row, data_columns = [], [] for row in range(rows).

图片的概念经常搞不清楚，导致对图片处理很糟糕。感觉还是总结下比较好，省的每次都要找一堆博客看。下面的内容是博主个人理解，不能保证全部正确，如有错误，敬请指出。1、图片：通常指的是数字图片，数据结构通常是数组2、像素：最小的图像单元，一张图像由好多的像素点组成。就是一个方形的小区域，下图是博主用numpy随机生出的20*10单通道图片，数一数，刚好每行10个小方格，共20行。即图片的高度和宽度分别为20,103、图片尺寸：高度*宽度，即上图的20*104、图像分辨率：指图像中存储的

1、准备条件：Anaconda3 ubuntu18（其他版本应该也行，我电脑是ubuntu18） 已经安装了显卡驱动，如果没有，就用下面的代码安装#安装显卡驱动ubuntu-drivers devices #查看有哪些可用的显卡驱动#方式一（推荐）sudo ubuntu-drivers autoinstall #安装所有推荐驱动 #方式二：指定安装版本sudo apt install nvidia-440 #这里安装440,自己看有哪些可用的驱动安装完显卡驱动后记得重启

数据处理工具首选pandas，如果你对pandas不了解，请参考我的上一篇博客的pandas操作总结。pandas操作1、获取数据本文用的数据集是100种植物种类数据集，用于分类任务100种树叶数据集2、加载数据集本文用到了其中的data_Tex_64.txt，使用pandas加载数据import numpy as npimport pandas as pdfrom sklearn import preprocessing#加载数据和标签df = pd.read.

第一步：安装Anaconda,第二步：使用anaconda建立一个虚拟的python环境注意需要根据tensorflow的要求选择python的版本，这里我们装的是1.8.0的tensorflow，所以我选择的python3.6(python3.6支持的tensorflow版本比较多，也推荐选python3.6)下图是我建立的python环境,名字是deeplearn...

从菜鸟教程复制过来的，1.创建未初始化的narray数组格式如下：numpy.empty(shape=, dtype=, order=)示例：mport numpy as np x = np.empty([3,2], dtype = int) print (x)结果如下：[[ 6917529027641081856 5764616291768666155]...

有时会碰到一行输入多个数据，这是可以先用str类型存一组数据，然后再迭代的将每个数据追加到新的列表中。方法一：先输入str字符串，再根据空格得到数字字符列表n.split（）.然后将列表元素转为数字存到新的列表list中上面的问题是要输入10个数据,其实也能输入任意个。n = input()list = []for i in n.split(): list...