- 博客(17)
- 收藏
- 关注
RSS订阅原创 jeremy的路径规划学习:蚁群算法
蚁群算法声明：图片及内容基于：https://www.bilibili.com/video/BV1dA411s7Ebpython推荐：https://blog.csdn.net/fanxin_i/article/details/80380733?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162684729216780265491611%2522%252C%2522scm%2522%253A%252220140713.130102334
2021-07-21 17:21:45
409
原创 jeremy的路径规划学习:Dijkstra算法
规划算法和控制算法入门思维导图声明：图片及内容基于：https://www.bilibili.com/video/BV19T4y1M7uR设G=(V,E)是一个带权有向图，把图中节点集合V分成两组，第一组为已求出最短路径的节点集合（用S表示，初始时S中只有一个源点，以后每求得一条最短路径 , 就将该节点加入到集合S中，直到全部节点都加入到S中，算法就结束了）；第二组为其余未确定最短路径的节点集合（用U表示），按最短路径长度的递增次序依次把第二组的节点加入S中。在加入的过程中，总保持从源点v到S中各节点
2021-07-21 14:34:28
232
原创 jeremy的路径规划学习-1.三维地图定义，散点拟合插值与粒子群算法（matlab实现）
jeremy的路径规划学习-1.三维地图定义，散点拟合插值与粒子群算法（matlab实现）本文基于小黎的ally学习资料实现，感谢该博主的无私奉献三维地图与二维地图的差别1.二维无高度信息，多用于地面机器人，自动驾驶2.二维地图路径规划有：全覆盖路径规划（室内），利用地图软件的全局路径规划，在道路的局部路径规划3.三维地图涵盖高度深度信息，多用于无人机、水下机器人等。三维地图的山峰数学模型三维空间曲线性质（用来计算适应度等）◆ 二维平面曲线可以用“曲率”描述曲线的弯曲程度，一般来说平面路径
2021-07-14 17:49:37
2873
2
原创 tf保存模型
首先利用modelcheckpoint保存模型：from tensorflow.keras.callbacks import TensorBoardlogdir = './graph_def_and_weights'if not os.path.exists(logdir): os.mkdir(logdir)output_model_file = os.path.join(logdir,"fashion_mnist_model.h5")callbackslist=[keras.callb
2020-11-14 14:58:28
653
原创 经典的10-monkeys和cifa10数据集进行分类
第一步先在kaggle注册账号密码（接受验证码需要翻墙！）搜索10monkeys,下载数据集，数据集是已经分好类的文件夹。注意目录：两个training所以我们在调用训练集文件夹时候一定要打两次地址train_dir = "input-monkeys/training/training"valid_dir = "input-monkeys/validation/validation"label_file = "input-monkeys/monkey_labels.txt"然后用os这个
2020-11-11 16:16:32
801
1
原创 深度可分离卷积
模型结构：下面是inception V3的模型结构！好处：有不同尺寸的视野域，视野域：不同视野域提取的图像特征尺度不同。有不同分支提高效率深度可分离卷积也是多个分支，但是建立在不同的通道之上：我们先进行一个1X1的卷积，输出是多个通道，把通道分成三份，最后把结果合并下面是代码层面：model = keras.models.Sequential()# filter代表有多少个卷积核。kernelsize是核大小，padding是补零model.add(keras.layers.Con
2020-11-11 15:05:34
324
原创 卷积神经网络基础
1.卷积神经网络卷积神经网络是（卷积层+（可选）池化层）N+全连接层M卷积层输入和输出都是矩阵，全连接是向量，所以最后需要展平。全连接一定在后面，毕竟是一维，失去了维度信息。可以用来分类和回归。2.全卷积神经网络卷积层+（可选）池化层）N+反卷积层K可能输入和输出一样大–》做物体分割，判断像素点属于哪个物体局部连接：图像具有区域性参数共享：图像特征与位置无关经过一次卷积，输出size = 输入size-卷积核size +1但是，一直卷积，那深度卷积图像都没了，但是padding（补零）
2020-11-10 19:24:40
419
原创 dataset应用,生成csv与读取解析
另一篇：首先先学习Dateset API、利用API读csv文件，读取tfrecord文件API：tf.data.Dataset.from_tensor_slicesrepeat, batch, interleave, map, shuffle, list_files读取csv文件：tf.data.TextLineDataset, tf.io.decode_csv(解析)使用tfrecord这个tf独有的文件格式时：tf.train.FloatList, tf.train.Int64List,
2020-11-10 17:57:19
1251
1
原创 自定义损失函数和层次
添加自定义损失函数def customizd_mse(y_true, y_pred): return tf.reduce_mean(tf.square(y_pred-y_true))model = keras.models.Sequential([ keras.layers.Dense(30, activation='relu', input_shape=x_train.shape[1:]), keras.layers.Dense
2020-11-09 17:33:01
124
原创 tensorflow基础API
import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npimport sklearnimport pandas as pdimport osimport sysimport timeimport tensorflow as tffrom tensorflow import keras# index"""t = tf.constant([[1.,2.,3.],[4.,5.,6.]])prin
2020-11-05 14:29:58
695
原创 超参数搜索
超参数搜索目的：1.神经网络有很多训练过程中不变的参数1.1网络结构参数：几层，每层宽度，每层激活函数1.2训练参数：batch_size,学习率，学习率衰减算法等2.手工去试耗费人力超参数搜索策略：2.1网格搜索2.2随机搜索2.3遗传算法搜索2.4启发式搜索下面是手动实现超参数搜索-lr：用于参数更新上learning_rates = [1e-4, 3e-4, 1e-3, 3e-3, 1e-2, 3e-2]histories = []for lr in learning_rat
2020-11-03 12:26:58
376
原创 回归问题的wide and deep模型--函数式API和子类PI、多输入和多输出
对于图像分类中，由于图像价值都是一样的，所以对图像进行wide&deep模型分类没有太大的意义。由于wide&deep模型不是严格意义上的层级结构，而是由两部分组成，所以就不能用sequential，用函数式API。像使用函数一样调用层次。下面修改模型那块代码# 函数式API 功能APIinput = keras.layers.Input(shape=x_train.shape[1:])hidden1 = keras.layers.Dense(30, activation='rel
2020-11-01 15:11:30
314
原创 深层神经网络和批归一化操作、selu激活函数、dropout
深层神经网络其实对比之前的分类模型，他的网络层数更深，层数更多，但是，有时候也会造成过拟合的风险因为参数过多，导致全部拟合完容易记住样本。model = keras.models.Sequential()model.add(keras.layers.Flatten(input_shape=[28,28]))for _ in range(20): model.add(keras.layers.Dense(100,activation="relu"))model.add(keras.layers
2020-10-31 11:39:38
1330
原创 归一化处理操作，回调函数操作
归一化操作#方法 x= (x-u)/std之前我们的数据集是np.int形式，为了做除法，我们把它转换成float32# x_train:[none,28,28]->[none,784]->[-1,28,28] #切记要转换回去！！！！！！！from sklearn.preprocessing import StandardScalerscaler = StandardScaler()x_train_scaled = scaler.fit_transform(x_train.ast
2020-10-24 21:40:16
361
原创 第一次keras实战---fashion_mnist
–使用tf.keras建立模型首先，导入必要的库（一般每次都需要用）import matplotlib as mplimport matplotlib.ptplot as pltimport numpy as npimport osimport pandas as pdimport sklearnimport sysimport tensorflow as tfimport timefrom tensorflow import keras然后，我们来看一下各个库的版本，以便代码给别人
2020-10-23 18:17:14
1138
1
原创 Tensorflow-keras关于分类问题、回归问题、损失函数理论部分
keras可以处理问题类型：{分类问题、回归问题、损失函数}什么是分类问题：用于多元分类（一般大于三类），预测的是类别，模型输出是概率分布，选择概率最大那个作为分类结果。什么是回归问题：回归问题预测的是值，模型输出是一个实数值（例如房价预测）-目标函数-为什么需要目标函数？1.函数参数是逐步调整的，不是一蹴而就2.目标函数可以帮助衡量模型好坏（不同模型可以对比输出）-对于分类问题，目标函数作用1.需要衡量目标类别与当前预测的差距如（【0.2，0.7，0.1】）真实类别为2-——&g
2020-10-22 15:48:29
631
原创 泰翔的机器学习之旅 1 搭载环境
泰翔的机器学习之旅 1 搭载环境首先，先下载anaconda,在基础的base环境中，我们并不想要这个3.8的最新python版本，所以，最好新建一个tensorflow的基础环境来搭载tensorflow2.0.下面看一下我的tensorflow环境中python的版本。利用anaconda命令行，进入tensorflow环境中####conda activate tensorflow####python -V##### pip list这个是tensorflow2.3版本，相比1.0，多
2020-10-22 15:16:20
106
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