![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
视觉工程师
翟常贺
这个作者很懒,什么都没留下…
展开
-
python IDE
Jupyter notebook常用操作选择原因:在云端服务器配置远程环境可以导出各种文件快捷键 选择原因: 在云端服务器配置远程环境 可以导出各种文件 快捷键 查看快捷键:h 编辑模式切换到命令模式:esc 命令模式切换到编辑模式:enter 在命令模式下删除命令行:x 在命令模式下回复命令行:z 在命令模式下剪切单元格:x 在命令模式下粘贴:shift + v 在命令模式下在下方创建代码块:...原创 2019-08-04 23:37:46 · 209 阅读 · 0 评论 -
Tensorflow、Keras、Pytorch三大框架样例资源
深度学习常用框架样例资源一.TensorFlow二、Keras三、Pytorch 本文转自计算机博士黄海广的知乎专栏,这篇文章对初学者特别友好,项目代码由浅入深,可以快速掌握这三种框架搭建并训练网络的方法。 一.TensorFlow 资源链接:点我 资源介绍: 本资源旨在通过示例轻松深入了解TensorFlow。 为了便于阅读,它包括notebook和带注释的源代码。 它适合想要找到关于Tens...翻译 2019-08-05 16:05:01 · 395 阅读 · 0 评论 -
Tensorflow实战(二):训练Mnist数据集
本文首先查看了数据集的相关信息,然后用逻辑回归模型、CNN模型、RNN模型对Mnist数据集进行训练,本文相对枯燥,只介绍了tensorflow训练数据集的流程、代码和结果,并没有过多的介绍原理,但代码中的注释很详细,应该很容易阅读。 一.Mnist数据集 导入包 import numpy as np import tensorflow as tf import matplotlib.pypl...原创 2019-08-09 17:49:10 · 732 阅读 · 0 评论 -
labelme制作语义分割数据集的完美解决(win10)
一.安装并运行labelme 下载并安装anaconda 安装labelme 安装好anaconda后在程序里选择prompt,相当于windows下的cmd,只不过运行目录直接在anaconda下。 在Anaconda Prompt中输入以下代码即可成功安装labelme。 #本文并没有安装labelme环境 1 conda create --name=labelme python=...原创 2019-08-07 19:09:30 · 2151 阅读 · 2 评论 -
Tensorflow实战(三):验证码识别
做的项目多了才渐渐的发现对于一类问题的解决方案过程都是相似的,所以在本文仅仅记录了验证码识别的流程,对于原理性的问题并没有过多介绍,但是代码中配有详尽的注释。再有,这样分块记录的一个好处是在做其他项目时如果遇到相似的问题,可以直接调用该函数块。 一.制作验证码数据集 导入包 import numpy as np import tensorflow as tf from captcha.im...原创 2019-08-10 01:32:19 · 517 阅读 · 0 评论 -
Tensorflow实战(四):网络可视化
网络的可视化可以帮助我们更加了解网络的结构,可以根据可视化发现网络结构的不足,可以进行针对性的改造。该项目利用Tensorflow框架实现对VGG19的可视化。 VGG19网络百度网盘 提取码:nt51 原理:首先得到VGG19的网络框架,然后提取网络中的每一层的weights, 一层一层的输出特征 导入包 import scipy.io import numpy as np import ...原创 2019-08-11 00:42:30 · 398 阅读 · 0 评论 -
数据集扩增小技巧(keras实现数据增强)
百度直接进入keras官网 找到Image Preprocessing类 根据需求填写对应的参数可快速增加自己的数据集原创 2019-08-24 20:33:01 · 1701 阅读 · 0 评论 -
增大图片(在图像分割、GAN、超分辨中经常用到)
主要有以下几种方法: 上采样 反卷积 转置卷积 微步卷积 空洞卷积 子像素卷积(Sub-pixel Convolution) 空洞卷积就是一般意义的卷积,包括了上采样和下采样;上采样又叫做反卷积;反卷积包括转置卷积和微步卷积。 微步卷积 首先将3*3的按照上图进行补充,然后利用卷积得到最后扩大的图片 转置卷积 转置卷积和微步卷积的区别在于补充的方式不同。 子像素卷积...原创 2019-08-24 20:54:12 · 1311 阅读 · 0 评论 -
深度神经网络训练之调参
在训练一个网络时,一般将数据集分成三份:训练集、验证集、测试集,用训练集训练网络,虽然损失函数一直在降低,但是一个波动值,所以保存模型的时候损失函数不一定是最小值,需要保存多个模型,验证集的作用就是在这几个模型中挑选出一个精度最高的。测试集用来测试模型的优劣。 一般依据训练损失和测试精度对模型进行调参。 train_loss 不断下降,test_acc趋于不变 这种情况说明模型出现了过拟合或者是...原创 2019-08-15 21:25:05 · 1420 阅读 · 0 评论