学习路线
CV干饭王
这个作者很懒,什么都没留下…
展开
-
python深度学习进阶之行为检测详细学习路线(主要实现人员的行为类别、空间定位、时间定位)
根据个人经验总结的深度学习入门路线(简单快速)https://blog.csdn.net/weixin_44414948/article/details/109704871深度学习入门一阶段demo练习:https://blog.csdn.net/weixin_44414948/article/details/109864551深度学习入门二阶段demo练习:https://blog.csdn.net/weixin_44414948/article/details/110673660在完成入.原创 2020-12-20 20:13:58 · 2414 阅读 · 8 评论 -
深度学习入门之二阶段小demo练习:使用numpy手动搭建神经网络(不调用深度学习框架),自定义参数更新等规则实现。
根据个人经验总结的深度学习入门路线(简单快速)https://blog.csdn.net/weixin_44414948/article/details/109704871深度学习入门二阶段demo练习:https://blog.csdn.net/weixin_44414948/article/details/110673660Demo任务:使用numpy手动搭建卷积神经网络(不调用深度学习框架),加深了解CNN底层的卷积运行、参数更新等规则及其实现。数据集:mnist,准确率高于70%.原创 2020-12-20 18:35:02 · 429 阅读 · 3 评论 -
深度学习入门之二阶段小demo练习:使用深度学习框架(tensorflow2.0及以上、pytorch1.0及以上版本)搭建卷积神经网络,在骨架行为数据集上准确率高于60%。
任务要求使用深度学习框架(tensorflow2.0及以上、pytorch1.0及以上版本)搭建卷积神经网络。数据集:骨架行为数据集,准确率高于60%。追加要求:同一图表绘制训练过程的loss、acc曲线,截取测试集准确率的图。骨架行为数据集简介该数据集是由本课题组行为检测方向同学自行采集,共有奔跑、跳跃、倚靠产品、吸烟、玩手机、背景行为共6种行为种类标签,数据为人体骨架节点(25点)序列的txt文件,共60万帧,示例如下图所示,每行共有75个点(25个关节点的xyz坐标),一行为一帧。完整实原创 2020-12-09 21:04:15 · 338 阅读 · 3 评论 -
windows10安装GPU版pytorch详细教程(以cuda10.0+pytorch1.1为例,手把手教学)
1.在NVIDIA官网搜索并安装自己电脑对应的显卡驱动建议安装440,450版本的驱动,太新的容易出问题,如cuda不兼容啥的。。。附上链接2.cuda10.0及对应cudnn安装2.1 cuda10.0下载链接如下,按图中所示下载即可。https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_t原创 2020-12-05 13:05:48 · 5904 阅读 · 4 评论 -
深度学习入门之二阶段小demo练习:使用深度学习框架(tensorflow2.0及以上、pytorch1.0及以上版本)搭建VGG、inception、resnet网络,并同时绘制曲线
根据个人经验总结的深度学习入门路线(简单快速)https://blog.csdn.net/weixin_44414948/article/details/109704871深度学习入门二阶段demo练习:https://blog.csdn.net/weixin_44414948/article/details/110673660Demo任务:使用深度学习框架(tensorflow2.0及以上、pytorch1.0及以上版本)搭建VGG、inception、resnet网络。数据集:mni.原创 2020-12-04 22:23:53 · 501 阅读 · 2 评论 -
深度学习入门之二阶段小demo练习(持续更新系列)
根据个人经验总结的深度学习入门路线(简单快速)https://blog.csdn.net/weixin_44414948/article/details/109704871深度学习深度学习入门之一阶段小demo练习https://blog.csdn.net/weixin_44414948/article/details/109864551最近一直在指导师弟师妹深度学习的入门,在他们完成了一阶段的demo练习后,又布置了以下二阶段demo练习。(主要锻炼他们的神经网络搭建、读取数据集、导出.原创 2020-12-04 22:07:27 · 1192 阅读 · 3 评论 -
手把手教pytorch搭建卷积网络实现mnist分类任务(完整代码,详细注释)
利用pytorch随便搭建一个卷积神经网络,实现mnist的分类任务,准确率达到100%。友情提示:pytorch推荐版本1.0及以上,低版本的Tensor变量无法向Variable变量一样进行backward操作,若未安装GPU版本的pytorch,记得删掉代码中所有的 .cuda() 。( .cuda() 为网络模型、输入图片、输入标签移至GPU的操作)注:若pytorch数据集下载速度过慢,可以参考此博客解决https://blog.csdn.net/weixin_44414948/arti原创 2020-11-21 16:14:22 · 2549 阅读 · 5 评论 -
深度学习入门一阶段demo练习:利用深度学习框架,搭建自定义卷积神经网络,在本地的imageNet数据集上实现图像分类,要求准确率达到70%以上。(注:本任务主要练习本地数据集的读取)
深度学习入门一阶段demo练习:demo任务:利用深度学习框架(TensorFlow2.0及以上版本、pytorch1.0及以上版本),搭建自定义卷积神经网络,在本地下载好的imageNet数据集上实现图像分类,要求准确率达到70%以上。(注:本任务主要练习本地数据集的读取。)本次图像分类选用mini-imagenet数据集,图片类别为:n01558993xxxxxxxxn03417042xxxxxxxxn02089867xxxxxxxxn02129165xxxxxxxxn0451500.原创 2020-11-20 21:58:58 · 1265 阅读 · 4 评论 -
深度学习入门一阶段demo练习:利用线性回归算法,在波士顿房价数据集上实现预测任务,要求不调用现成的线性回归库函数,利用numpy编写线性回归算法,并通过梯度下降的方式迭代更新线性回归的参数
深度学习入门一阶段demo练习:demo任务:利用线性回归算法,在波士顿房价数据集上实现预测任务,要求不调用现成的线性回归库函数,利用numpy编写线性回归算法,并通过梯度下降的方式迭代更新线性回归的参数(不直接使用正规方程求解),准确率达到85%以上。波士顿房价数据集部分数据如下图所示:示例代码(不调用现成的线性回归函数库):import numpy as npimport mathdef load_boston_dataset(path = r'./housing.data'):.原创 2020-11-20 21:47:20 · 648 阅读 · 0 评论 -
深度学习入门一阶段demo练习:通过调用sklearn的机器学习算法库,在fanwei数据集上实现分类任务,要求使用支持向量机(SVM)分类算法,准确率达到85%以上
深度学习入门一阶段demo练习:demo任务:通过调用sklearn的机器学习算法库,在fanwei数据集上实现分类任务,要求使用支持向量机(SVM)分类算法,准确率达到85%以上。fanwei数据集简介:此数据集为课题组人体骨架节点txt文件,共有0、1两种行为标签,具体如下图所示。示例代码:SVM实现分类import pandas as pdimport numpy as npimport os#读取数据dir_path = r'C:\Users\pc\Desktop\fa.原创 2020-11-20 21:39:05 · 1116 阅读 · 2 评论 -
深度学习入门之一阶段小demo练习(持续更新系列)
根据个人经验总结的深度学习入门路线(简单快速)https://blog.csdn.net/weixin_44414948/article/details/109704871最近一段时间在指导师弟师妹深度学习的入门,在他们学习了一段时间后,布置了以下demo练习。1:通用调用sklearn的机器学习算法库,在fanwei数据集上实现分类任务,要求使用支持向量机(SVM)分类算法,准确率达到85%以上。fanwei数据集简介:此数据集为课题组人体骨架节点txt文件,共有0、1两种行为标签。较好的实现代原创 2020-11-20 21:13:42 · 2409 阅读 · 2 评论 -
Python深度学习入门学习路线(简单速成不掉头发)
本文Python深度学习入门学习路线为笔者根据自身学习经验整理所得,转载请注明出处、作者。笔者全身心致力于白嫖学习路线,全程不掏一分钱。学习路线注:以下步骤为顺序递进关系,前面的学好之后,后面的学起来会更为轻松。1.深度学习理论(可以先不学,等学会撸代码搭网络之后再补也不迟)推荐教程:吴恩达深度学习理论视频https://www.bilibili.com/video/BV164411b7dx?from=search&seid=17220854142821729200推荐书籍:周志华原创 2020-11-15 16:29:58 · 8434 阅读 · 11 评论 -
Python深度学习入门之mnist-inception(Tensorflow2.0实现)
mnist手写数字数据集深度学习最常用的数据集,本文以mnist数据集为例,利用Tensorflow2.0框架搭建inception网络,实现mnist数据集识别任务,并画出各个曲线。Demo完整代码如下:import tensorflow as tffrom tensorflow.keras import layersimport numpy as np#加载mnist数据集(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mn原创 2020-11-15 15:37:57 · 666 阅读 · 4 评论 -
Python深度学习入门之mnist-ResNet(Tensorflow2.0实现)
mnist手写数字数据集深度学习最常用的数据集,本文以mnist数据集为例,利用Tensorflow2.0框架搭建ResNet网络,实现mnist数据集识别任务,并画出各个曲线。Demo完整代码如下:import tensorflow as tffrom tensorflow.keras import layersimport numpy as np#加载mnist数据集(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist原创 2020-11-15 15:29:54 · 1468 阅读 · 3 评论 -
Python深度学习入门之mnist-VGG(Tensorflow2.0实现)
mnist手写数字数据集深度学习最常用的数据集,本文以mnist数据集为例,利用Tensorflow2.0框架搭建VGG网络,实现mnist数据集识别任务,并画出各个曲线。Demo完整代码如下:import tensorflow as tffrom tensorflow.keras import layersimport numpy as np#加载mnist数据集(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.lo原创 2020-11-15 15:18:42 · 1137 阅读 · 1 评论 -
Python深度学习入门之Tensorflow2.0张量操作
Tensorflow深度学习框架最重要的加速计算功能,就是通过在cuda上定义Tensor类型数据,利用GPU对神经网络进行计算加速。本文主要介绍Tensorflow2.0的一些Tensor张量数据类型的操作。注:Tensorflow1.X语法繁琐复杂,各版本之间兼容性极差,相差一个小版本写的代码就极有可能无法运行,在tf2.0以后版本API偏向Keras风格,更易使用,且兼容性问题有所改善。1 tf2.0与numpy的相互转换import tensorflow as tfimport numpy原创 2020-11-15 14:56:30 · 758 阅读 · 0 评论 -
Python深度学习入门之plt画图工具基础使用(注释详细,超级简单)
Python自带的plt是深度学习最常用的库之一,在发表文章时必然得有图作为支撑,plt为深度学习必备技能之一。作为深度学习入门,只需要掌握一些基础画图操作即可,其他等要用到的时候看看函数API就行。1 导入plt库(名字长,有点难记)import matplotlib.pyplot as plt先随便画一个图,保存一下试试水:plt.figure(figsize=(12,8), dpi=80)plt.plot([1,2,6,4],[4,5,6,9])plt.savefig('./plt_pn原创 2020-11-15 14:07:41 · 50571 阅读 · 13 评论 -
Python深度学习入门之pandas基础使用(读文件、索引、存文件)
Python自带的pandas是深度学习最常用的库之一,在深度学习中经常用来读取标签文本数据,作为深度学习入门,只需要掌握读文件、索引、存文件即可,其他在深度学习中不是很常用,等要用到的时候看看函数API就行。1 读文件读文件一般常用的是pd.read_csv()、pd.read_excel()两种,分为对应csv/txt、excel格式的文件,下面以read_csv()为例,说明其用法。import pandas as pd#一般csv、TXT文件为逗号或空格分隔,根据需要设置data = p原创 2020-11-15 13:34:37 · 1601 阅读 · 1 评论 -
Python深度学习入门之numpy基础使用(创建数组、索引、类型转换、维度变换)
Python自带的numpy是深度学习最常用的库之一,作为深度学习入门,只需要掌握创建数组、索引、类型转换、维度变换即可,其他在深度学习中不是很常用,等要用到的时候看看函数API就行。1.创建数组1.1 使用 ones,empty, zeros生成数组,形参shape=[2,3]为2行3列的维度#in: np.ones(shape=[2,3]) #[2,3]为2行3列的维度#out: array([[1., 1., 1.], [1., 1., 1.]])#in:np.z原创 2020-11-15 12:45:42 · 2088 阅读 · 2 评论