在路上Hlh-CSDN博客

原创 pytorch猫狗分类测试包括批量及单张图片测试

import torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optimimport osfrom torchvision import datasets,transformsfrom torch.utils.data import DataLoaderimport cv2import numpy as nproot = "D:\找工作\暑期学习\cats_and_dogs_fi

2020-07-23 01:31:26 2209

原创 pytorch实现猫狗分类训练及模型保存

import torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optimimport osfrom torchvision import datasets,transformsfrom torch.utils.data import DataLoader# from AlexNet import AlexNet_modelimport cv2root = "D:\找工作\暑期学习

2020-07-23 01:29:27 1049

原创 tensorflow实现猫狗分类及单张图片测试

import tensorflow as tfimport os# from tensorflow.keras.layers importfrom tensorflow.keras.preprocessing.image import ImageDataGeneratorfrom tensorflow.keras.models import Sequentialfrom tensorflow.keras.layers import Dense,Conv2D,Flatten,Dropout,MaxP

2020-07-23 01:23:04 428 1

原创 tensorflow和pytorch中卷积和池化的参数差别及特征图大小计算公式

Tensorflow：tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=True, data_format=“NHWC”, dilations=[1,1,1,1], name=None))input: 输入的要做卷积的数据体，要求是一个Tensorfilter:卷积核，要求也是一个Tensor, shape= [filter_height, filter_width, in_channels, out_channels,其中

2020-07-17 01:17:50 863

转载激活函数汇总

下面是 26 个激活函数的图示及其一阶导数，图的右侧是一些与神经网络相关的属性。1. Step激活函数 Step 更倾向于理论而不是实际，它模仿了生物神经元要么全有要么全无的属性。它无法应用于神经网络，因为其导数是 0（除了零点导数无定义以外），这意味着基于梯度的优化方法并不可行。2. Identity通过激活函数 Identity，节点的输入等于输出。它完美适合于潜在行为是线性（与线性回归相似）的任务。当存在非线性，单独使用该激活函数是不够的，但它依然可以在最终输出节点上作为激活函

2020-07-14 00:14:10 663

转载 LSTM原理详解及keras代码实现

LSTM原理及实现RNN LSTM实现RNN基本原理前言当我们处理与事件发生的时间轴有关系的问题时，比如自然语言处理，文本处理，文字的上下文是有一定的关联性的；时间序列数据，如连续几天的天气状况，当日的天气情况与过去的几天有某些联系；又比如语音识别，机器翻译等。在考虑这些和时间轴相关的问题时，传统的神经网络就无能为力了，因此就有了RNN（recurrent neural network，循环神经网络），了解RNN先了解DNN基本原理。同样这里介绍RNN基本原理，也是为了铺垫我们的重点LSTM网络

2020-07-03 11:33:51 5470 1

原创数据结构相关代码（对列、栈、链表、树、排序算法等）

数据结构说明及代码合集算法：输入输出有穷性确定性可行性顺序表：表头信息（容量，个数）数据区一体式分离式1 栈：栈（有时称为“后进先出栈”）是一个元素的有序集合，其中添加移除新元素总发生在同一端。class Stack:def init(self):self.items = [] def isEmpty(self): return self.items == [] def push(self, item): self.items.append(item)

2020-07-02 21:14:48 216

原创目标检测中常见的一些评价指标总结（不懂打我）

目标检测中常见的一些评价指标总结：1 TP TN FP FNTP(True Positive)：目标为正样本，检测为正样本，检测正确TN(True negatives): 目标为负样本，检测为负样本，检测正确FP(False positives): 目标为负样本，检测为正样本，检测错误FN(False negatives): 目标为正样本，检测为负样本，检测错误2 Precison（准确率） Recall（召回率） F1 scoreP(Precison) = TP/(TP+FP) 在检测出

2020-07-02 21:00:53 736

weixin_42046792的博客