![](https://img-blog.csdnimg.cn/2019091813595558.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
CV
文章平均质量分 52
计算机视觉方向学习相关记录
什么都干的派森
满招损 谦受益
展开
-
pytorch手写数字识别(CNN)
数据集是 MNIST手写数字 数据集,自取网络结构为两层卷积两层线性层# 定义数据读取类 ------------------------------------------ class MNISTDataset(Dataset) : def __init__(self , data_type) : self . data_type = data_type if self . data_type not in [ 'train' , 'test' ] : raise Exception('数据集类型有误。原创 2023-04-20 16:57:34 · 945 阅读 · 25 评论 -
机器学习相关知识点整理【更新中】
如果要在CSDN博客中输入数学公式又不知道那些奇奇怪怪的符号应该怎么写,那么可以参考KaTeX库的文档ps:KaTeX库是一个快速的,为网站呈现 Tex 科学公式 的简单易用的 javascript 库下面整理了一些机器学习相关的常用公式写法,以供参考。原创 2022-09-17 15:07:53 · 1658 阅读 · 84 评论 -
深度学习知识点简单概述【更新中】
人工神经网络(英语:Artificial Neural Network,ANN),简称神经网络(Neural Network,NN)或类神经网络,是一种模仿生物神经网络(动物的中枢神经系统,特别是大脑)的结构和功能的数学模型,用于对函数进行估计或近似。ps:和其他机器学习方法一样,神经网络已经被用于解决各种各样的问题,例如机器视觉、自然语言处理 和 多模态。这些问题都是很难被传统基于规则的编程所解决的,也是神经网络大展宏图的地方在生物神经网络。原创 2023-03-11 21:17:43 · 595 阅读 · 15 评论 -
Pytorch机器学习的一般训练方法整理
该训练方法是根据李沐老师的 d2l 包整理出来,将所有涉及到 d2l 包的方法都提取出来进行逐行注释说明新增了训练权重的自动保存和断点续训功能重写了可视化部分的代码。原创 2022-08-17 09:55:15 · 611 阅读 · 9 评论 -
matplotlib动态绘制训练进度【训练精度、训练损失、测试精度】
代码】matplotlib动态绘制训练进度【训练精度、训练损失、测试精度】原创 2022-08-16 10:23:37 · 1702 阅读 · 10 评论 -
Pytorch图片数据集预处理与增强
图片增强提高图片泛化度,包括 旋转、翻转、拉伸、色彩抖动等处理,需要根据具体图片类型来决定,比如,我做猫狗二分类,那么旋转、拉伸、翻转、抖动都可以,但是我如果做的是比较严谨的分类比如医学相关的,那么翻转、拉伸、色彩抖动就别整了或者参数调小点归一化与标准化图片像素值统一除以255,归一化到 [0,1] 之间再将归一化的结果减去0.5,除以0.5,标准化到 [-1, 1] 之间。.........原创 2022-08-11 16:31:53 · 3349 阅读 · 13 评论 -
Pytorch张量在GPU上的使用方法
代码】Pytorch张量在GPU上的使用方法。原创 2022-07-23 12:36:40 · 1410 阅读 · 7 评论 -
Pytorch的rand、randn和normal的用法及区别
随机数【范围在0到1之间】随机数【均值为0标准差为1】随机数【均值和标准差由创建者指定】原创 2022-07-19 08:59:52 · 2173 阅读 · 9 评论 -
深度学习dropout相关知识补充
对mlp的隐藏层增加噪音但不改变期望值,从而提高模型的泛化度,防止过拟合。原创 2022-07-18 19:29:44 · 672 阅读 · 4 评论 -
pytorch 多层感知机实现
多层感知机通过隐藏层+非线性激活函数的方式来得到非线性模型,解决了感知机不能处理XOR分类的问题,多层感知机理论上可以拟合任何一种函数常用的非线性激活函数是Sigmoid、Tanh、Relu输出层接Softmax用来处理多分类问题超参数为隐藏层的个数和各个隐藏层的大小。......原创 2022-07-17 19:50:51 · 2694 阅读 · 2 评论 -
pytorch softmax回归【从零实现+简洁实现】
文章目录一、前言二、实现1.加载并测试数据集2.从零实现2.简洁实现一、前言实现步骤构造数据集迭代器初始化超参数定义 softmax 操作定义损失函数【交叉熵】定义优化算法SGD实现模型定义评估准确率的方法及训练时的辅助动画训练...............原创 2022-07-16 20:50:46 · 1804 阅读 · 3 评论 -
Pytorch张量操作详解
一、前置条件二、操作1.指定长度的顺序向量2.查看元素总数3.改变张量形状4.查看张量形状5.全0张量6.全1张量7.声明时指定张量的每一个值8.张量元素运算9.张量拼接10.张量元素比较11.张量元素求和12.张量元素求均值13.广播机制14.取出张量中的元素15.张量中的元素赋值16.深拷贝与浅拷贝17.tensor 转 numpy18.numpy 转 tensor19.tensor大小为1的张量转标量20.矩阵转置21.判定矩阵是否是对称矩阵22.向量点积原创 2022-07-12 17:21:34 · 1089 阅读 · 6 评论 -
机器学习应用程序和传统应用程序的本质区别
文章目录1. 传统应用程序2.机器学习应用程序1. 传统应用程序输入:数据、规则输出:结果2.机器学习应用程序输入:数据、结果输出:规则本质区别是传统应用程序的规则由开发者编写,而机器学习应用程序的规则由计算机通过神经网络自行编写...原创 2022-01-04 09:09:28 · 846 阅读 · 5 评论 -
PaddleOCR【文字识别】最简单的安装方法(旺柴)
文章目录新建项目文件内容:安装依赖图片识别新建项目下面放这三个文件:文件内容:1.requirements.txtabsl-py==1.0.0astor==0.8.1Babel==2.9.1backports.entry-points-selectable==1.1.1bce-python-sdk==0.8.62boto3==1.20.5botocore==1.23.5bottle==0.12.19cachetools==4.2.4certifi==2021.10.8cfgv原创 2021-11-15 15:18:17 · 5418 阅读 · 3 评论 -
基于协同过滤的推荐算法(用户协同、物品协同、模型协同)
文章目录介绍1.基于用户的协同过滤推荐2.基于项目(物品)的协同过滤推荐3.基于模型的协同过滤推荐实现步骤1.用户协同过滤和物品协同过滤的实现方法1.收集用户偏好2.计算用户或物品的相似度3.推荐2.模型协同过滤的实现方法待补充介绍1.基于用户的协同过滤推荐基于用户的协同过滤推荐的基本原理是,根据所有用户对物品或者信息的偏好,发现与当前用户口味和偏好相似的“邻居”用户群。基于邻居的历史偏好信息,为当前用户进行推荐。即:归类相似用户ABC,推荐用户BC的物品给用户A优点:可以间接发现相似用户的潜在兴原创 2021-09-04 16:24:53 · 13945 阅读 · 9 评论 -
记一个孪生神经网络
记录下位置源码地址:https://github.com/bubbliiiing/Siamese-keras博客地址:https://blog.csdn.net/weixin_44791964/article/details/107343394视频地址:https://www.bilibili.com/video/BV1TV411y7HT?p=2&spm_id_from=pageDriver转载 2021-08-16 09:28:24 · 4526 阅读 · 2 评论 -
PixelLib图像分割项目和训练权重
传送门PixelLib项目地址:https://github.com/ayoolaolafenwa/PixelLibxception模型下载地址:https://github.com/bonlime/keras-deeplab-v3-plus/releases/download/1.1/deeplabv3_xception_tf_dim_ordering_tf_kernels.h5Mask RCNN模型下载地址:https://github.com/matterport/Mask_RCNN/re转载 2021-03-31 16:04:30 · 7973 阅读 · 4 评论 -
matplotlib训练可视化
计算机视觉方向的训练如果看不到图片的话就不太好直观的判断出训练结果。例如现在要训练一个CycleGAN网络,目标是输入一个杰哥,输出一个阿伟,那么下面这种展示效果就可以直观的判断出训练是否成功下↓代码如下↓if __name__ == '__main__': # 声明一个图框 ---------------------------------------------- fig = plt.figure() # 往图框中插入一个子图, 1行2列的大小,放在第1个位置---原创 2021-03-27 10:17:12 · 8713 阅读 · 2 评论 -
tensorflow断点续训的方法
1.声明一个权重保存路径model_wt_pth = r'./weights/model_wt.index'2.模型初始化好之后先判断该路径是否存在,如果存在就加载该路径下的权重,然后再训练model = Model() # 初始化你的模型if os.path.exists(model_wt_pth ): print('加载模型权重') model.load_weights(model_wt_pth )3.训练之后将权重再保存到原路径中if n % 50 == 0原创 2021-03-24 11:03:33 · 7060 阅读 · 6 评论 -
Tensorflow的GPU使用率低的原因
因为任务管理器中没有直接显示cuda的使用率,查看cuda使用率的方法如下↓1.打开任务管理器点击对应GPU:2.点击任意一个小三角选择cuda:3.结果如下:cuda的使用率已经86%了,他很充实只是看起来轻松。...原创 2021-03-24 10:15:42 · 8480 阅读 · 8 评论 -
CycleGAN学习整理
这个博客详细介绍了如何搭建CycleGANhttps://blog.csdn.net/qq_36758914/article/details/104857747这里有CycleGAN的几个数据集https://github.com/bubbliiiing/GAN-keras(todo…)原创 2021-03-21 20:46:47 · 6768 阅读 · 10 评论 -
SRGAN 超分辨率生成对抗网络模型
简介:SRGAN全称为 Super Resolution Generative Adversarial,这是第一个对放大四倍真实自然图像做超分辨率的框架【模糊变清晰,有码变无码(狗头)】生成器模型:1.输入是一张低分辨率的图像2.进入一个64通道步长为1的卷积3.RELU激活4.自定义个数的残差卷积快(每个卷积快结构:【1】64通道步长为1的卷积【2】BN参数标准化【3】RELU激活【4】64通道步长为1的卷积【5】BN参数标准化【6】将当前残差块之前的参数与当前参数连接)5.进入一个64通原创 2021-03-12 14:31:25 · 6979 阅读 · 7 评论 -
GAN 生成对抗网络训练方法
二.GAN 生成对抗网络训练方法写两个网络:1.一个生成网络(生成器),这个生成器会尽力从随机噪声中生成近似真实的虚假图片,2.一个判定网络(判定器),这个判定器会尽力的区分真实图片与虚假图片(生成器生成的图片)训练流程:训练判定器:1.将一张真实图片送入判定器,标记样本为真,对判定器进行训练2.生成器生成一张虚假的图片送入判定器,标记样本为假,对判定器进行训练训练生成器:3.生成器生成一张虚假的图片送入判定器,根据判定结果对生成器进行训练(注意此时不要更新判定器的参数)4.重复以上步骤原创 2021-03-12 14:29:22 · 5186 阅读 · 3 评论 -
机器学习问题简单分类
1.有监督学习输入的数据集是被标记过的,神经网络通过数据集的标记反向传播修正输出结果(1).回归问题特点:回归问题中的“回归”是指待遇测的Y值是连续的例子:房价预测,股票走势(2).分类问题特点:分类问题中的“分类”是指待遇测的Y值是离散的例子:肿瘤的良性/恶性判断,图片分类2.无监督学习输入的数据集没有标记,神经网络通过数据的相似性对结果进行分类例子:相似事件的新闻分类,相似视频的关联分类,多个声源的分离ps:GAN(生成对抗网络)是半监督学习的类型,因为他们都有一个或多个自主.原创 2021-03-12 14:26:04 · 4655 阅读 · 4 评论 -
基于 GRURNN网络 的电力系统材料价格预测说明
索引:1.需求简单描述2.技术选择与分析3.电力系统GRU网络模型结构4.物料价格预测实现思路一.需求简单描述通过以往电力材料价格数据预测未来电力材料价格的走势二.技术选择与分析1.材料价格预测的待预测的Y值是连续的,因此该问题属于有监督学习中的回归问题。2.因为价格是在连续的时序上分布的,所以需要采用区别于基本神经网络的RNN(循环神经网络)实现,RNN在全连接神经网络的基础上增加了前后时序上的关系,可以更好地处理比如数据预测、机器翻译等的与时序相关的问题。3.由于物料价格是随时间原创 2021-03-10 16:32:27 · 4145 阅读 · 2 评论 -
1998-2015经典卷积神经网络简介
网络索引:1.LeNet - 19982.AlexNet - 20123.VGGNet - 20144.InceptionNet- 20144.InceptionNet- 20144.ResNet- 20151.LeNet - 1998简介:Yann LeCun在1998年提出,是始祖卷积网络特点:通过共享卷积核减少了网络的参数网络模型 ↓class LeNet5(tf.keras.Model): def __init__(self): '''原创 2021-01-20 11:28:50 · 4228 阅读 · 4 评论 -
机器学习知识点汇总
网络索引:1.问题分类2.更新中1.问题分类1.回归问题特点:回归问题中的“回归”是指待遇测的Y值是连续的例子:房价预测,股票走势1.分类问题特点:分类问题中的“分类”是指待遇测的Y值是离散的例子:肿瘤的良性/恶性判断,图片分类...原创 2021-01-27 13:21:26 · 4469 阅读 · 6 评论