- 博客(16)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Python基于Tensorflow实现DCGAN-动漫头像生成
目录前言DCGAN简介python代码1. 导入python包、定义全局变量2. 读取数据3. 搭建生成器generator4. 搭建判别器discriminator5. 搭建GAN网络6. 主函数7. 补充：直接读模型生成图像运行结果1. loss曲线2. 生成器生成动漫头像完整代码、数据集、模型下载地址：前言去年做大创项目摸索方法时尝试了DCGAN，但后来放弃了这个方法，也没有太深入的研究，前段时间看到一个Deep Fake相关..
2022-03-17 21:00:10
3997
5
原创 操作系统-经典同步例题
1. 生产者/消费者问题描述：一个或多个生产者产生数据并放入缓冲 每次只能有一个消费者从缓冲区取数据（互斥） 每次只能由一个生产者或消费者访问缓冲区（互斥） 保证缓冲区满时，生产者不会往缓冲区中增加数据 保证缓冲区空时，消费者不能从缓冲区中取走数据基本流程：注意1：先申请资源信号量，再申请互斥信号量，顺序不能颠倒，否则死锁注意2：同一进程中的多个signal语句顺序颠倒对执行无影响，但先释放互斥再资源时性能更好注意3：同一信号量的PV操作可以出现在不同进程中，但必须配对
2021-12-26 17:03:48
2745
原创 UESTC人工智能 期末复习
Part 1 图搜索算法图搜索一般过程建立一个只含有起始节点S的搜索图G，把S放到一个叫做OPEN 的未扩展节点表中 建立一个叫做CLOSED的已扩展节点表，其初始为空表 LOOP：若OPEN表是空表，则失败退出 选择OPEN表上的第一个节点,把它从OPEN表移出并放进CLOSED表中。称此节点为节点n 若n为目标节点，则有解并成功退出，此解是追踪图G中沿着指针从n到S这条路径而得到的(指针将在第7步中设置) 扩展节点n，同时生成不是n的祖先的那些后继节点的集合M。把M的这些成员作为n的后
2021-12-17 20:48:15
3547
3
原创 UESTC 计算机系统与网络安全技术 期末复习
目录第 一章信息安全概述信息安全体系（ISS）主要内容安全服务的分层部署1. 应用层2. 传输层3. 网络层4. 数据链路层第 二章TCP/IP协议族及其面临的安全威胁计算机网络的性质网络设备简介网络拓扑结构OSI参考模型TCP/IP协议栈常见安全风险网络接口层作用网卡工作模式交换机表网络接口层安全威胁-窃听*ARPIP传输层概念TCP三次握手四次挥手TCP协议的安全威胁3. 序列号预测攻...
2021-11-22 19:40:55
7913
原创 解决GitHub上传时网络报错
最近遇到过两种报错：Failed to connect to github.com port 443: Timed outOpenSSL SSL_read: Connection was reset, errno 10054其实好像都是因为挂了梯子的缘故，网上的有些还要去改设置巨麻烦，偶然发现一个大佬给的解决方法:在git_bash执行下这个就可以了 git config --global --unset http.proxy...
2021-09-28 17:10:10
456
原创 【深度学习入门项目】使用tensorflow训练CNN实现口罩识别
1. 导入所需要的python包import osimport globimport cv2import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltfrom sklearn.model_selection import train_test_splitfrom tensorflow.keras.models import Sequentialfrom tensorflow.keras.layers
2021-09-28 14:31:28
9115
84
原创 Input 0a of layer sequential is incompatible with the layer: its rank is undefined, but the layer re
数据集输入神经网络报错：ValueError: Input 0 of layer sequential is incompatible with the layer: its rank is undefined, but the layer requires a defined rank.点开参数详情有弹出一个warning：Sets are not currently considered sequences, but this may change in the future, so
2021-09-27 11:12:52
2009
1
原创 三十行代码实现打开笔记本摄像头进行实时口罩识别
(1条消息) 调用百度飞桨paddlehub模型进行口罩识别 详解_我不想写BUG的博客-CSDN博客https://blog.csdn.net/weixin_45981224/article/details/120251331?spm=1001.2014.3001.5501在上一篇文章中实现了调用paddlehub对文件夹中的图片进行口罩识别，想要改变为调用摄像头进行实时口罩识别其实很简单，在while true下进行如下循环 ：利用cv2获取视频帧 - 使用paddlehub模型预测 - 在视频帧上画出
2021-09-17 18:51:30
759
6
原创 调用百度飞桨paddlehub模型进行口罩识别 详解
1. 导入所需要的函数库import paddlehub as hubimport cv2import matplotlib.pyplot as pltimport matplotlib.image as mpimg关于paddlehub的下载可以去官网复制下载命令：开始使用_飞桨-源于产业实践的开源深度学习平台 (paddlepaddle.org.cn)安装完paddlehub后还需要安装paddle库，不然会缺少依赖库conda install -c paddle ..
2021-09-12 17:02:33
2776
3
原创 操作系统笔记
Chapter1. 操作系统概述1.1 操作系统的目标与功能✦操作系统的定义操作系统是一组控制和管理计算机硬件和软件资源，合理地对各类作业进行调度，以及方便用户使用的程序的集合。✦目标方便：使计算机便于使用 有效：允许以更有效的方式使用计算机资源 扩展能力：在不妨碍服务的前提下，有效的开发、测试和引入新的系统功能✦功能控制应用程序执行的程序 应用程序和计算机硬件间的接口 作为资源管理器 内存的分配管理 I/O的访问控制 对文件的访.
2021-09-07 22:13:27
1018
原创 python读取地震信号【sgy，segy】
import segyioimport numpy as np# --------------------读sgy为矩阵------------------------## 初始化一个列表存数据，最后再转为矩阵data_list = []# sgy文件路径pp_path = r"C:\Users\86137\Desktop\out_noise.sgy"with segyio.open(pp_path, mode="r+", iline=17, xline=
2021-08-30 21:30:54
4514
16
转载 深度学习中的Adam优化算法详解
Adam论文：https://arxiv.org/pdf/1412.6980.pdf(一)、什么是Adam算法？Adam（Adaptive momentum）是一种自适应动量的随机优化方法（A method for stochastic optimization），经常作为深度学习中的优化器算法。(二)、Adam算法如何实现？...
2021-08-20 16:17:44
12880
原创 UESTC 软件技术基础 期末复习
目录Chapter1 绪论1.1 软件开发六步骤（了解）1.2 操作系统主要功能（了解）Chapter2 数据结构与算法2.1 线性表的逻辑存储结构2.2 线性表的顺序存储结构2.3 线性表的链式存储2.4 两种储存方式的优缺点2.5 时间复杂度渐近分析（大题）2.6 分治算法求解排序问题2.7 树2.8 二叉树的概念2.9 二叉树的存储2.10 二叉树的遍历2.11 树和二叉树的互换：2.12 先序和中序遍历恢复二叉树2.13 图.
2021-07-02 20:45:27
2830
原创 UESTC 互联网与计算智能 期末复习
目录Chapter 1 互联网情境下的智能预测强弱连接基本概念图的定义邻接矩阵交叉验证Cross Validation混淆矩阵链路预测链路预测/机器学习性能评估指标网页排序PageRank持续完善中......Chapter 1 互联网情境下的智能预测强弱连接基本概念强连接：连接稳定，共同点多，传播范围有限，例如亲戚、朋友、社会认知弱连接：共同点少，例如无意间提到或打开收音机听到的信息图的定义一个图G = (V, E)由一个..
2021-06-26 15:22:27
1661
4
口罩识别数据集（共8967张图片）
2021-09-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人