- 博客(9)
- 收藏
- 关注
RSS订阅原创 产品经理 - 路漫漫其修远兮 （2）
上回书说到-按照《人人都是产品经理》一书的大体思路写了一个简单的例子，那么这篇以《用户体验要素》这本书的思路写一下重新写一下例子。《用户体验要素》主要从五个层面讲述如何做一个好产品。与《人人都是产品经理》比起来，书中的例子比较老而且少。整本书虽然篇幅不大，但有地方读起来比较抽象。五个层面分别是-战略层、范围层、结构层、框架层和表现层。战略层是最底层，表现层为最上层，每一层的建立都是依赖于上一层的搭建。下面就从战略层讲起吧，依旧是上篇文章中的例子-版权保护。...
2022-07-28 14:40:24
124
1
原创 AlexNet网络
一、经典的AlexNet结构模型 可以看到，模型一共有8层学习网络（不包括输入层），其中有五层卷积+三层全连接层。1.卷积层1+池化层1输入的图像大小为224*224*3，三通道输入。1卷积核的尺寸是11*11*3（三通道）,有96个卷积核,步长为4,卷积层后跟ReLU激活函数，最后在进行LRN处理。根据公式（224-11）/4+1=55，因此其输出的每个feature map 为...
2018-10-31 11:11:54
354
转载 lenet5 模型介绍
lenet5 模型一共有7层（不包括输入层），结构如下图表示第一层为卷积层：卷积层的输入是32*32*1，步长：1，卷积核：5*5，深度：6，用一圈0来补位，根据公式卷积后输出层矩阵宽度的计算： Outlength= (inlength-fileterlength+2*padding)/stridelength+1Outlength:输出层矩阵的宽度 Inlength:输...
2018-10-31 10:01:23
2465
转载 tensorflow随机截取图片
import matplotlib.pyplot as pltimport tensorflow as tfimage_bytes = tf.gfile.FastGFile("11.jpg", 'rb').read() # 字节with tf.Session() as session: img = tf.image.decode_jpeg(image_bytes)#解码 ...
2018-10-23 16:04:02
1104
转载 tensorflow下图片的标注
import tensorflow as tfimport matplotlib.pyplot as pltimage_bytes = tf.gfile.FastGFile("dog.jpg", 'rb').read() # 字节with tf.Session() as session: img = tf.image.decode_jpeg(image_bytes) ...
2018-10-23 14:30:44
802
转载 图像尺寸的改变
tf.image.resize_image_with_crop_or_pad：剪裁或填充处理，会根据原图像的尺寸和指定的目标图像的尺寸选择剪裁还是填充，如果原图像尺寸大于目标图像尺寸，则在中心位置剪裁，反之则用黑色像素填充。 tf.image.central_crop：比例调整，central_fraction决定了要指定的比例，取值范围为(0，1]，该函数会以中心点作为基准，选择整幅图中的指定...
2018-10-23 09:43:25
510
转载 tensorflow中图片的变换
#!/usr/bin/python3#-*-coding:UTF-8-*-import tensorflow as tfimport matplotlib.pyplot as pltimage_bytes = tf.gfile.FastGFile("1.jpg", 'rb').read() # 字节with tf.Session() as session: img = t...
2018-10-22 22:40:59
778
转载 1.tensorflow中图片的输出
一张RGB三通道的彩色图像可以看成一个三维矩阵，矩阵中的不位置上的数字代表图像的像素值。然后图像在存储时并不是直接记录这些矩阵中的数字，而是经过了压缩编码。所以将一张图像还原成一个三维矩阵的过程就是解码的过程，反之就是编码了。import tensorflow as tfimport matplotlib.pyplot as pltimage_bytes = tf.gfile....
2018-10-22 22:02:55
1890
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人