![](https://img-blog.csdnimg.cn/20190918140145169.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习
文章平均质量分 59
深度学习
@尚码哥@
这个作者很懒,什么都没留下…
展开
-
tensorflow_quantum 量子位的探讨!量子门的一些基本使用!基于TensorFlow_quantum的mnist分类!
文章目录一、tensorflow_quantum 量子位的探讨二、一些基础门的使用一、X门(经典逻辑里面的非门)二、H门(把量子位变成混合态)三、基于TensorFlow_quantum mnist 分类一、tensorflow_quantum 量子位的探讨由于需要学习基于TensorFlow_quantum库,把量子卷积层和经典的深度学习相结合,这里介绍一下,cirq和量子门的一些基础知识,和容易想不通的几点小知识。自己也是初学者,相当于自己做笔记。我们容易知道量子计算里面的基本状态是: (0,1原创 2021-01-14 14:34:20 · 1733 阅读 · 9 评论 -
AttributeError: module ‘keras.backend‘ has no attribute ‘control_flow_ops‘
报错:Using TensorFlow backend.WARNING:tensorflow:From /tensorflow-1.15.2/python3.7/tensorflow_core/python/ops/resource_variable_ops.py:1630: calling BaseResourceVariable.__init__ (from tensorflow.python.ops.resource_variable_ops) with constraint is depreca原创 2021-07-14 16:39:20 · 763 阅读 · 0 评论 -
零基础入门CV - 街景字符编码识别 用yolov3和yolov3_tiny教程(同一博客组所写)-单一模型,正确率可以达到91%
一、从官方依次下载文件并解压:对于新手稍微提一下,这个数据集是通过下载下来的链接下载的。直接输入网址,打开既开始下载!.json文件不是下载,是复制。点开链接,创建一个.json文件,复制到里面即可。(我也不知道为啥,反正我下载的时候就这样)我们会发现训练集为30000张图片,验证集为10000张图片。注意:(.json文件不是下载,是复制。点开链接,创建一个.json文件,复制到里面即可)数据集下载好,首先要把.json文件转换为我们所需要的的txt文件。为了防止图片不连续,这里先生成图片原创 2021-07-01 22:37:57 · 344 阅读 · 0 评论 -
tf.losses.get_regularization_loss() 和 tf.get_collection(tf.GraphKeys.REGULARIZATION_LOSSES)的区别
一、 引言对于模型的训练过程中,为了防止过拟合,往往会加入一些措施,比如说dropout,l1正则化,l2正则化等。这里简单替一下,怎么加入正则化。二、加入正则化2.1 方式一(定义参数时候,加入正则化,这个是对于tf.nn): dwise_weight = tf.get_variable(name='depthwise_weights', dtype=tf.float32, trainable=True,原创 2021-04-19 12:54:32 · 3456 阅读 · 4 评论 -
YOLO数据预处理或则训练时出现ValueError: invalid literal for int() with base 10: ‘‘64.1245678,解决方式
报错:ValueError: invalid literal for int() with base 10: ''64.1245678解决方式:在做目标检测的时候,方框xmin,ymin,xmax,ymax含有小数的时候,在train时候,位置:bboxes = np.array([list(map(int, box.split(','))) for box in line[1:]])容易报错:ValueError: invalid literal for int() with base 10: '原创 2021-04-10 17:00:51 · 1105 阅读 · 4 评论 -
怎么把Voc2007,VOC2012数据集其中一个或者几个类别提出来作为小型数据集,来测试搭建的模型!!!以及yolov3损失函数:giou改为平方差损失。
前言:在目标检测中,有些时候,我们需要一些小型的数据集来看看自己的模型怎么样。自己制作数据集,太费事,耗时间。那么我们可以把VOC2007 或者VOC2012数据集中的一个类别拿出来实验。这里教你怎么把你需要的类别拿出来!一 把你需要的类别.xml文件和图片找出来运行下方代码就可以了:你只需要修改对应的路径,和下方的classes1,classes2,选择你需要的类别,如果只需要一个类别的话,就把下方的****:for k in range(0, len(ind_start))????**里面对应的c原创 2021-03-23 18:37:21 · 1377 阅读 · 6 评论 -
tensorflow实现计算模型大小和FLOPS!以及与.ckpt和weight文件大小转换说明!Model‘ object has no attribute ‘get_operations‘!
一、计算参数量和FOPS代码本人觉得下面这个代码出错率少,因为沾到.pb文件,有些时候你总是要出点错,比如说:AssertionError: output is not in graph而且你去把节点打印出来后,把输出节点换上,还是错,不可思议。算了,你直接把你的模型输入,下面的框框! # 模型开始处×××××××××××××××××××××××××××× # ***** (1) Create Graph ***** input_data = tf.Variable(ini原创 2021-03-15 23:08:09 · 3407 阅读 · 5 评论 -
TensorFlow_yolov3测试map函数的流程,以及几个yolov3大神版本的优缺点!教你选择哪个TensorFlow_yolov3代码!以及使用TensorFlow1.x实现yolov3全集
一、前言当你模型训练好了以后,可以看看你自己的模型效果怎么样,就需要测试其map。yunyang1994的yolov3版本已经把代码写好,直接使用,很方便。二、使用步骤一、实现修改config.py函数__C.TEST.ANNOT_PATH = "./data/dataset/voc_test.txt"__C.TEST.BATCH_SIZE = 2__C.TEST.INPUT_SIZE = 416__C.TEST.DATA原创 2021-03-09 23:25:48 · 486 阅读 · 5 评论 -
过拟合、欠拟合的通俗理解!过拟合和欠拟合的解决办法,以及dropout和正则化的讲解,代码实现(对于mnist数据集)!
这里写目录标题一 、过拟合、欠拟合的通俗理解二、欠拟合和过拟合的解决办法一、欠拟合二、过拟合一 、在网络深度中加入dropout()层次二、正则化一、L2正则化:二、图像增强三、模型参数的选择一、首先开发一个过拟合模型二、抑制过拟合三 、参数选择四、代码证明(dropout)一 、过拟合、欠拟合的通俗理解一味追求提高对训练数据的预测能力,所选模型的复杂度则 往往会比真模型更高。这种现象称为过拟合(over-fitting)。过拟合 是指学习时选择的模型所包含的参数过多,以致于出现这一模型对已 知数据预测原创 2021-01-27 13:02:35 · 7526 阅读 · 1 评论 -
使用netron画深度学习框架图或则其他应用时报错:OSError: [WinError 10013] 以一种访问权限不允许的方式做了一个访问套接字的尝试 我们这样手把手教你解决!!
使用netron进行画我们的网络框架图的时候,当我们输入:import netronnetron.start(R"D:\tensorflow-yolov3\keras-yolo3-master\keras-yolo3-master\model_data\yolo.h5",log=False,browse=True, port=8888, host='localhost')容易出现下面的报错:OSError Traceback (m原创 2021-01-22 00:10:12 · 695 阅读 · 1 评论 -
YOLOv3:将yolov3的.weights文件转换为keras、tensorflow等模型所需的.h5文件的图文教程,以及常见错误解决思路
YOLOv3:将yolov3的.weights文件转换为keras、tensorflow等模型所需的.h5文件的图文教程,以及常见错误解决思路一、首先下载YOLOv3代码和yolov3.weights,二、打开Anaconda Prompt (ANACONDA),跳到你放文件夹的地方三、进入你的文件夹四、开始转换六、没有安装Anaconda,使用的pycharm怎么转换7、容易犯的错误一、首先下载YOLOv3代码和yolov3.weights,代码网址:https://github.com/qqwwee原创 2020-11-24 22:54:52 · 3039 阅读 · 11 评论 -
tensorflow 自己制作Mnist数据集,用训练好的模型来测试准确度。手把手教你实现!教你怎么调用自己已经训练好的模型!清晰易懂!加深你对卷积CNN的理解
很多同学都实现了,TensorFlow对于mnist自带的数据集,来训练模型和测试。这里对于tensorflow 自己制作Minist数据集,用训练好的模型来测试准确率。加深你对卷积神经网络的理解。首先我们需要利用已知的mnist数据集来训练模型,代码和结果如下:import tensorflow as tffrom tensorflow.keras import layers ,modelsfrom tensorflow.examples.tutorials.mnist import input原创 2020-11-23 23:29:27 · 3631 阅读 · 2 评论 -
深度学习入门!四种方式实现minist分类!全部详细代码实现!Cnn(卷积神经网络,两种方式),感知机(Bp神经网络),逻辑回归!代码详细注释!!minist数据集该怎么使用?
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、cnn实现minist代码二、多层感知器三.逻辑回归实现minist代码总结前言minist数字识别,是深度学习入门数据集。这里使用了三种方式来实现对minist数字分类。分别是逻辑回归,两层感知机,以及我们熟悉的cnn(卷积神经网络)。这里是基于tensorflow来实现的代码。很好入门。一、cnn实现minist代码import timeimport tensorflow as tfimport numpy原创 2020-11-18 18:13:35 · 6216 阅读 · 8 评论