MachineLP的专栏

成功收获成果，失败收获智慧，投入收获快乐！

RSS订阅
排序：
默认
按更新时间
按访问量

原 博客目录

本文为博主原创文章，未经博主允许不得转载。 欢迎加微信：lp9628(注明CSDN)。  因为相信所以遇见，有时候你我相遇不一定是巧合。 MachineLP的学习星球欢迎关注： 公众号MachineLN，邀请您扫码关注：   MachineLP的Github（欢迎follow）：...

2017-11-02 10:48:28

阅读数：10775

评论数：7

原 tf45：tensorflow计算图是如何做的？

  还是一如既往的直接看代码吧，

2018-09-16 21:32:31

阅读数：163

评论数：0

原 tf44：tensorflow CRF的使用

CRF的应用还是挺多的，像前期deeplab的语义分割、bilstm+crf做词性标注。 CRF简单的例子： # coding=utf-8 import numpy as np import tensorflow as tf # 参数设置 num_examples = 10 num_wo...

2018-07-31 11:04:33

阅读数：320

评论数：0

原 tf43：tensorflow Serving gRPC 部署实例

（1）克隆到本地： git clone https://github.com/tensorflow/serving.git（2）cd到serving目录下面（3）pip install tensorflow-serving-api（4）运行： python tensorflow_serving/e...

2018-07-12 08:48:15

阅读数：455

评论数：2

原 tf42：tensorflow多GPU训练

直接看TF代码吧，代码比较简单：from __future__ import division, print_function, absolute_import import numpy as np import tensorflow as tf import time # Import MN...

2018-07-09 18:18:05

阅读数：319

评论数：0

原 tf41：使用TF models训练自己的目标检测器

（1）目标检测样本集的标定：https://github.com/MachineLP/labelImg（2）生成训练集和测试集的txt文件：https://github.com/MachineLP/tf-faster-rcnn/blob/master/tools/g_img_path.py（3）按...

2018-07-01 16:55:35

阅读数：396

评论数：0

原 tf40：图像检索(triplet_loss)之Conditional Similarity Networks

论文地址：Conditional Similarity Networks原理比较简单，目的就是按照不同的condition，在embedding上得到一个可变的mask。下面是原理图，具体细节可以看论文，我的TF实现：https://github.com/MachineLP/conditional...

2018-06-26 11:24:34

阅读数：402

评论数：0

原 Flask01：SQLAlchemy

界面显示：app.pyfrom flask import Flask, request, flash, url_for, redirect, render_template from flask_sqlalchemy import SQLAlchemy app = Flask(__name__)...

2018-06-17 20:26:05

阅读数：170

评论数：0

原 基于SIFT特征的图像检索 vs CNN

在深度学习这么火热的今天，为什么还会尝试SIFT特征进行图像检索？其实问题是这样的，学习的过程有时候是依据前人的经验，这样可以使我们少走弯路，但是我们我持有怀疑的态度，很多事情只有自己去尝试了，才能说服自己不是吗？下面简单的对比一下sift和cnn的检索结果：（基于此改进的版本好多）检索库：sif...

2018-06-12 08:43:10

阅读数：916

评论数：1

原 tf39：tensorflow之seq2seq

MachineLP的Github（欢迎follow）：https://github.com/MachineLPseq2seq还是很赞的，既能做翻译、又能做image captioning，还能做多标签。原理介绍已经有很多了，那我们在看一下TF的seq2seq代码吧：# coding=utf-8 i...

2018-06-08 16:29:10

阅读数：302

评论数：0

原 torch09：variational_autoencoder(VAE)--MNIST和自己数据集

  MachineLP的Github（欢迎follow）：https://github.com/MachineLP MachineLP的博客目录：小鹏的博客目录 本小节使用torch搭建VAE模型，训练和测试： （1）定义模型超参数：输入大小、隐含单元、迭代次数、批量大小、学习率。 （2...

2018-06-07 22:06:17

阅读数：238

评论数：0

原 torch08：RNN--word_language_model

MachineLP的Github（欢迎follow）：https://github.com/MachineLP本小节使用torch搭建RNN模型，训练和测试：（1）定义模型超参数：rnn的输入，rnn隐含单元，rnn层数，迭代次数、批量大小、学习率。（2）定义训练数据，加餐部分是使用自己的数据集：...

2018-06-03 19:53:43

阅读数：246

评论数：0

原 torch07：RNN--MNIST识别和自己数据集

MachineLP的Github（欢迎follow）：https://github.com/MachineLP本小节使用torch搭建CNN模型，训练和测试：（1）定义模型超参数：rnn的输入，rnn隐含单元，rnn层数，迭代次数、批量大小、学习率。（2）定义训练数据，加餐部分是使用自己的数据集：...

2018-06-02 12:57:44

阅读数：278

评论数：0

原 torch06：ResNet--Cifar识别和自己数据集

MachineLP的Github（欢迎follow）：https://github.com/MachineLP本小节使用torch搭建CNN模型，训练和测试：（1）定义模型超参数：迭代次数、批量大小、学习率。（2）定义训练数据，加餐部分是使用自己的数据集：（可参考：https://blog.csd...

2018-06-02 11:46:08

阅读数：384

评论数：0

原 torch05：CNN--MNIST识别和自己数据集

MachineLP的Github（欢迎follow）：https://github.com/MachineLP本小节使用torch搭建CNN模型，训练和测试：（1）定义模型超参数：输出、迭代次数、批量大小、学习率。（2）定义训练数据，加餐部分是使用自己的数据集：（可参考：https://blog....

2018-06-02 11:22:35

阅读数：322

评论数：0

原 torch04：全连接神经网络--MNIST识别和自己数据集

MachineLP的Github（欢迎follow）：https://github.com/MachineLP本小节使用torch搭建线性回归模型，训练和测试：（1）定义模型超参数：输入大小、隐含层、输出、迭代次数、批量大小、学习率。（2）定义训练数据，加餐部分是使用自己的数据集：（可参考：htt...

2018-06-01 21:52:48

阅读数：338

评论数：0

原 torch03：linear_regression

MachineLP的Github（欢迎follow）：https://github.com/MachineLP本小节使用torch搭建线性回归模型，训练和测试：（1）定义模型超参数：输入大小、输出、迭代次数、学习率。（2）定义训练数据：或者使用自己的数据集：（可参考：https://blog.cs...

2018-06-01 21:16:55

阅读数：170

评论数：0

原 torch02：logistic regression--MNIST识别

MachineLP的Github（欢迎follow）：https://github.com/MachineLP本小节使用torch搭建逻辑回归模型，训练和测试：（1）定义模型超参数：输入大小、类别数量、迭代次数、批量大小、学习率。（2）获取训练数据：使用已有的，或者使用自己的数据集：（可参考：ht...

2018-05-31 21:08:43

阅读数：212

评论数：0

原 torch01：torch基础

本小节介绍torch的基础好操作和流程：（1）计算表达式的梯度值。（2）数组与tensor。（3）构建输入管道。（4）加载预训练的模型。（5）保存和加载权重。---------------------------------我是可爱的分割线-----------------------------...

2018-05-30 23:03:56

阅读数：412

评论数：0

原 tf38：tensorflow使用pipeline通过队列方式读取数据训练

TF在训练的时候有好多方式，可以用转为TF的tfRecords；也可以通过数组读进内存的方式（数据量小或者内存总够大）；或者数据量大时在每个batch的时候处理数据，这样会加大交互的时间，减少cpu的利用率；那么今天介绍一种借助TF的API使用pipeline通过队列方式读取数据的方式：先认识两个...

2018-05-25 15:05:15

阅读数：359

评论数：0

提示
确定要删除当前文章？
取消 删除
关闭
关闭