2018年05月_wzy_zju

原创 RGB问题

关于numpy的矩阵的翻转（对于上述的方法2的说明）上述方法2正是利用了numpy对数组的翻转。举例说明。我仿照图片的像素格式，建立一个2行3列的，每个像素有包含RGB3个元素。分别进行图中所示的4种运算。执行a[:-1]，移除了后面的一行。对于一维数组，后面的一行其实就是最后一个元素，所以这个运算就是移除最后一个元素。执行a[::-1]，上下两行交换了。同样的看成一维数组的话，一行就是一个元素...

2018-05-29 15:39:37 632

转载 tensorflow 关于张量 shape 数组

张量的阶、形状、数据类型TensorFlow用张量这种数据结构来表示所有的数据.你可以把一个张量想象成一个n维的数组或列表.一个张量有一个静态类型和动态类型的维数.张量可以在图中的节点之间流通.阶在TensorFlow系统中，张量的维数来被描述为阶.但是张量的阶和矩阵的阶并不是同一个概念.张量的阶（有时是关于如顺序或度数或者是n维）是张量维数的一个数量描述.比如，下面的张量（使用Python中li...

2018-05-20 12:21:11 1884 1

转载金字塔池化过程及其优势

金字塔池化过程及其优势第一次完全自己动手写博文，起初有点不知所措，后来是有种深深的责任感，经过查阅了一些资料，才敢动笔，可能有些地方没有完全领悟到，期望各位同仁予以指正。虽然在池化总结（OverlappingPooling、一般池化、Spatial Pyramid Pooling）一文中简单地介绍过金字塔池化（SPP），这次主要针对SPP实现原理和细节进行说明。本文主要基于Spati...

2018-05-19 17:18:21 3997

转载 SIFT、HOG、LBP对比分析

作者：盛淮南链接：https://www.zhihu.com/question/45833619/answer/223930439来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。SIFT、HOG、LBP，这三者都属于局部特征。一、三者原理上的区别1.SIFT：Scale-Invariant Feature Taransform，尺度不变特征变换。尺度空间的极值检测：搜...

2018-05-13 18:54:48 4264

原创 Conda常用的命令

Conda 环境# 创建一个名为python34的环境，指定Python版本是3.4conda create --name python34 python=3.4# 激活某个环境activate python34 # for Windowssource activate python34 # for Linux & Macdeactivate python34 # for W...

2018-05-13 12:36:56 541

原创 TendorFlow--深层神经网络优化

深层神经网络的优化深度学习两个非常重要的性质--多层和非线性1、线性模型的局限性只通过线性变换，任意层的全连接神经网络和单层的神经网络的表达能力没有什么区别，而且他们都只是线性模型。然而线性模型解决的问题是有限的。这就是线性模型最大的局限性。2、激活函数来去线性化如果每一个神经元的输出通过一个非线性函数，那么整个神经网络的模型也就不再是线性了。这个非线性函数就是激活函数。目前TensorFlow提...

2018-05-09 09:41:02 390

原创 TensorFlow入门

首先介绍TensorFlow里面的三个概念1、计算图（tf.Graph）计算图是TensorFlow的计算模型，所有TensorFlow的程序都会通过计算图的形式表示。计算图上的每一个节点都是一个运算，而计算图上的边则表示了运算之间的数据传递关系。计算图上还保存了运行一个每个运算的设备信息（比如是通过CPU上还是GPU运行）以及运算之间的依赖关系。计算图提供了管理不同集合的功能，并且TensorF...

2018-05-07 21:53:02 176

wzy_zju的博客