- 博客(46)
- 资源 (18)
- 收藏
- 关注
RSS订阅原创 传统图像处理
传统图像处理图像显示与存储原理图像增强的目标点处理基于直方图的对比度增强形态学（可以弱化些，是一些传统方法）空间域处理：卷积卷积的应用（平滑，边缘检测、锐化）频率域处理（傅里叶变换，小波变换），傅里叶变换是为小波变换服务的，小波变换是为后面通过变换域内进行图像预处理和增强服务的图像特征与描述颜色特征几何特征基于关键点的特征描述其它关键点描述这些是通过传统方法来实现图像处理的，比如说能够实现图像分割人脸检测可以利用haar-...
2021-03-19 14:33:24
169
原创 计算机视觉分类
人工智能分为两大块，一个是自然语言处理，听说，目前还不成熟；另一部分是计算机视觉，目前常规应用已经很成熟，只是对于自动驾驶等高精度，高指标的领域目前还在探索。计算机视觉：语义感知：接收图像，理解图像，并表达图像（可以是自然语言，也可以是数学语言等）。几何属性：利用图像进行几何变换，输出目标图像。...
2021-03-18 10:25:44
896
原创 python-队列
1、可以一直往队列写数据，队列满了阻塞写入线程2、可以一直从队列取出数据，队列空了，阻塞取数据线程3、取数据线程跑的比写入线程快的话，会等待它。from queue import Queueimport threadingimport timeq = Queue(20)def func(): for i in range(20): q.put(i) time.sleep(1)t1 = threading.Thread(target=.
2021-03-15 16:40:43
193
原创 python-tensorflow 多线程引起的新graph问题
多个线程使用的是不同的图def fun(id,graph): # tf.reset_default_graph() # with graph.as_default(): print('id:%d'%id,tf.get_default_graph())t1 = threading.Thread(target=fun,args=[1,tf.get_default_graph()])t2 = threading.Thread(target=fun,args=[2,tf.
2021-03-13 22:12:31
393
原创 python-tensorflow 多线程+Event进入enqueue
import tensorflow as tfqueue = tf.FIFOQueue(10, dtypes=[tf.float32])y = tf.Variable(initial_value=1.0, dtype=tf.float32)y_assign = tf.assign_add(y, 1)with tf.control_dependencies([y_assign]): enque_op = queue.enqueue([y])dequeue_op = queue.deque.
2021-03-12 22:22:12
112
原创 python-多线程管理Event
转发:https://blog.csdn.net/wo198711203217/article/details/83583410?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.control&dist_request_id=1328642.11385.16155506128306193&depth_1-utm_source=distribute.pc_relevant.no
2021-03-12 20:51:44
83
原创 深度学习-BatchNormalization
转载：随笔 - 67 文章 - 4 评论 - 84理解滑动平均(exponential moving average) 对滑动平均的直观理解，以及滑动平均在tensorflow中的使用。目录1. 用滑动平均估计局部均值2. TensorFlow中使用滑动平均来更新变量（参数）3. 滑动平均为什么在测试过程中被使用？1. 用滑动平均估计局部均值 滑动平均(exponential moving average)，或者叫做指数加权平均(exponentially weight..
2021-03-12 20:51:18
175
原创 python-tensorflow批量读取图像
其实最根本的就是1、利用filenames_queue=tf.train.string_input_producer(data_names,num_epochs=5,shuffle=False,capacity=512)2、读取了文件名，放在了文件名队列中，filenames_queue就是一个FIFOQueue，3、然后出队列利用reader=tf.WholeFileReader()去读取文件，转换等等4、再获取batch这些都在构建文件名队列，构建文件队列的时候讲过了，唯一多的
2021-03-11 22:02:49
506
原创 python-tensorflow Coordinate和QueueRunner配合管理队列-提取数据
tf.QueueRunner主要用于启动多个线程来操作同一个队列，启动的这些线程可以通过上面介绍的tf.Coordinator类来统一管理。以下代码展示如何使用tf.QueueRunner和tf.Coordinator来管理多线程队列操作。import tensorflow as tf # 声明一个先进先出的队列，队列中最多100个元素，类型为实数queue = tf .FIFOQueue(100, 'float')# 定义队列的入队操作enqueue_op = queue.enqueue([
2021-03-11 11:04:34
297
原创 python-tensorflow Coordinator管理多线程
参考：https://blog.csdn.net/dongfeig54321/article/details/102099095?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.control&dist_request_id=1328626.12514.16153813394111169&depth_1-utm_source=distribute.pc_relevant.n.
2021-03-11 10:46:12
314
原创 Python多线程编程(一）：threading 模块 Thread 类的用法详解
转发：https://blog.csdn.net/briblue/article/details/85101144
2021-03-11 10:04:44
139
原创 python-tensorflow项目模板
转发：https://www.jianshu.com/p/aac9b5f3c067?utm_source=oschina-app
2021-03-10 16:25:23
138
原创 python-tensorflow控制依赖（二）
tf.assign_add的执行会影响后续的操作，需要使用控制依赖m = tf.Variable(initial_value=0,dtype=tf.float32)op = tf.assign_add(m,1)n = m+1with tf.Session() as sess: tf.global_variables_initializer().run() for i in range(100): print(sess.run([m,n,op]))因为run执行
2021-03-10 12:16:04
135
原创 python-tensorflow Session.run-执行顺序
sess.run()里面的执行顺序是按fetch列表中的元素，在计算图中的出现的先后顺序执行一次完后，最后统一输出，不会重复执行即：fetch列表中的节点打乱时， 取出来的值依然是一次流程图计算出来的结果，不是按照fetch列表中出现的先后顺序执行。m = tf.Variable(initial_value=2,dtype=tf.float32)n = m+1j = n+1with tf.Session() as sess: tf.global_varia...
2021-03-10 11:53:16
514
原创 python-tensorflow Session.run-参数理解
def run(self, fetches, feed_dict=None, options=None, run_metadata=None): """Runs operations and evaluates tensors in `fetches`. 功能：This method runs one "step" of TensorFlow computation, by running the necessary graph fragment（碎片） to execute every `Op.
2021-03-10 11:16:06
1127
原创 python-字典
1、字典的键数据类型字典键是可哈希的，其数据类型可以是数，字符串，元组，不能是列表，字典#数值a = {1:2,3:3}print(a)print(a[3])#字符串a = {'1':2,'3':3}print(a)print(a['3'])#元组a = {(1,):2,(3,):3}print(a)print(a[(3,)])...
2021-03-10 10:26:58
47
原创 python-tensorflow滑动平均
转发：https://blog.csdn.net/mieleizhi0522/article/details/80424731?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522161529831516780255297396%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=161529831516780255297396&biz_
2021-03-09 22:47:34
93
原创 python-字符串
python官方：https://docs.python.org/zh-cn/3.7/library/stdtypes.html?highlight=replace#str1、repalce
2021-03-08 11:11:15
52
原创 python-*的使用
用法一：表示乘法用法二：表示倍数a = (1,2)print(a*2)输出：(1, 2, 1, 2)用法三：接收任意多参数def func(f,*args): print ("formal arg:",args)func(1,2,3,4)输出：formal arg: (2, 3, 4)用法四：接收多个参数放入字典中def fun(**p): for i in p.items(): print(i)fun(x=1,y.
2021-03-08 11:02:54
284
原创 python-类相关知识点
知识点一：hasattr类中是否含有某属性转发：https://blog.csdn.net/brucewong0516/article/details/82813219hasattr(object, name)object -- 对象。name -- 字符串，属性名。return如果对象有该属性返回 True，否则返回 False。class variable: x = 1 y = 'a' z = Truedd = variable() print(ha
2021-03-08 10:24:47
45
原创 matplotlib使用
# -*- coding: utf-8 -*-"""Created on Thu Jul 4 10:04:59 2019@author: PC"""import numpy as npimport matplotlib.pyplot as plt#pylab和pyplot的区别'''1、pylab将numpy导入到了其命名空间中，这样会使得pylab表现的和matlab更加相似。现在来说我们经常使用pyplot,因为pyplot相比pylab更加纯粹'''#创建一个8*6点的图.
2021-03-03 19:23:40
69
1
原创 python-tensorflow tensorboard代码
import tensorflow as tf'''1、scalar(标量)2、image3、audio4、histogram5、graph'''##可视化#with tf.variable_scope("foo",reuse=tf.AUTO_REUSE):# with tf.device("/cpu:0"):# x_init1 = tf.Variable(name="init_x",dtype=tf.float32,initial_value=tf.rand.
2021-03-03 19:21:04
127
1
原创 python-tensorflow 变量及作用域之作用域(二)
前一节讲变量tf.get_variable和tf.Variable新建变量的区别，区别在于重复定义变量时，计算机是否自动更改变量属性名，tf.variable会自动更改属性名加‘_n’,tf.get_variable就会报错。本节讲作用域结论1：变量名就是一个名字，变量的name属性是地址a = tf.Variable(3.0,dtype=tf.float32)print(a.name)输出：Variable_1:0定义了变量，变量名是a，name属性为Variable_1:0，
2021-03-03 19:18:31
65
1
原创 python-tensorflow tensorboard
转发：https://www.cnblogs.com/lyc-seu/p/8647792.htmlTensorflow学习笔记——Summary用法 最近在研究tensorflow自带的例程speech_command,顺便学习tensorflow的一些基本用法。其中tensorboard 作为一款可视化神器，可以说是学习tensorflow时模型训练以及参数可视化的法宝。而在训练过程中，主要用到了tf.summary()的各类方法，能够保存训练过程以及参数分布图并在tens...
2021-03-03 11:50:37
132
原创 python-tensorflow多个图
import tensorflow as tfa = tf.constant([[1,2],[3,4]],dtype=tf.int32)b = tf.constant([5,6,7,8],dtype=tf.int32,shape=[2,2])print("变量a是否在默认图中：{}".format(a.graph is tf.get_default_graph()))#使用新的构建的图graph = tf.Graph()with graph.as_default() as g1: .
2021-03-03 11:01:18
91
原创 python-tensorflow模型保存、提取
模型保存import tensorflow as tf#%%#模型保存with tf.variable_scope('a',reuse=tf.AUTO_REUSE): v1 = tf.get_variable(name='v1',initializer=tf.constant(3.0)) v2 = tf.get_variable(name='v2',initializer=tf.constant(4.0))result = v1+ v2saver = tf.train.
2021-03-03 10:57:28
308
原创 python-tensorflow不定型变量
import tensorflow as tf#1、定义一个不定形状的变量x = tf.Variable( initial_value = [], dtype = tf.float32, trainable=False, #不把它加载到内存环境中间，单独维护它 validate_shape=False #设置为True，表示在变量更新的时候，运行shape的检查，默认为True )#2、变量更改#定义一个拼接操作，axis=0表示横向拼接concat.
2021-03-03 10:34:06
142
原创 python-tensorflow 控制依赖案例（阶乘）
#%%import tensorflow as tfimport numpy as npimport osimport hashlibimport matplotlib.pylab as pltimport cv2from PIL import Image#%%#1、定义一个变量sum = tf.Variable(initial_value=1,dtype=tf.int32)#2、定义一个占位符i= tf.Variable(initial_value=6,dtype=tf.i.
2021-03-03 10:27:50
128
原创 python-tensorflow指定运行设备
#%%import tensorflow as tfimport numpy as npimport osimport hashlibimport matplotlib.pylab as pltimport cv2from PIL import Image#%%with tf.device("/gpu:0"): #这个代码块中定义的操作，会在tf.device给定的设备上运行 #不是所有的操作都可以在GPU上运行的 a = tf.Variable([1,2,3.
2021-03-03 09:21:17
126
原创 python-tensorflow变量自增和控制依赖（一）
问题：我们常规的变量更新，会发现，使用x=x+1在tensorflow中并没有更新x,实际上这两个x在tensorflow中不是同一个东西原理：tensorflow中，每个变量和和操作都会创建节点import tensorflow as tfx = tf.Variable(1.0,tf.float32)x = x+1with tf.Session() as sess: tf.global_variables_initializer().run() for i in .
2021-03-02 19:00:33
175
原创 python-作用域
作用域就是一个 Python 程序可以直接访问命名空间的正文区域。在一个 python 程序中，直接访问一个变量，会从内到外依次访问所有的作用域直到找到，否则会报未定义的错误。Python 中，程序的变量并不是在哪个位置都可以访问的，访问权限决定于这个变量是在哪里赋值的。变量的作用域决定了在哪一部分程序可以访问哪个特定的变量名称。Python的作用域一共有4种，分别是：有四种作用域：L（Local）：最内层，包含局部变量，比如一个函数/方法内部。 E（Enclosing）：包含了非局部
2021-03-02 15:29:42
62
SerialPort.rar
2020-10-05
C++多项目管理-附件
2020-09-30
CUDA_C_Programming_Guide
2020-09-23
Accelerating MATLAB with CUDA.pdf
2020-09-23
JDK_API_1_6_zh_CN java6 中文API
2018-12-10
C++学习笔记
2018-07-17
STM32学习笔记-免费下载
2018-07-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人