2017年11月_埃尘万象

原创 Python序列化——pickle模块

序列化——pickle模块在程序运行的过程中，所有的变量都是在内存中，变量可以随时修改，但若修改的变量没有存储到磁盘上，一旦程序结束，变量所占用的内存就被操作系统全部回收；因此，下次重新运行程序时，修改的变量又会被还原成初始化状态。所谓的序列化，就是把变量从内存中变成可存储或传输的过程；序列化之后，序列化后的内容会被写入磁盘，或者通过网络传输到别的机器上。反过来，把变量内容从序列化的对象重

2017-11-28 22:41:12 688

原创 Python读写文件模式和文件对象方法

一. 读写文件模式利用open() 读写文件时，将会返回一个 file 对象，其基本语法格式如: open （ filename， mode）其中，filename变量是一个包含了你要访问的文件名称的字符串值。而mode决定了你打开文件的模式：只读，写入，追加等。所有可取值见如下的完全列表。注：这个参数是非强制的，默认文件访问模式为只读模式(r)例如，我们现在将一个字符串写入

2017-11-28 11:03:33 2781

原创利用tensorflow训练自己的图片数据（5）——测试训练网络

一.说明上一篇博客中，我们已经将建立好的网络模型训练好了，并将训练的网络参数保存在相应的文件中；下面我们就开始测试网络，验证网络的训练效果；本次测试为随机的单图片测试，即随机的从训练集或测试集中读取一张图片，送入到神经网络中进行识别，打印识别率及识别的图像。二. 编程实现#=========================================================

2017-11-24 16:57:04 13262 80

原创利用tensorflow训练自己的图片数据（4）——神经网络训练

一 . 说明在上一篇博客——利用tensorflow训练自己的图片数据（3）中，我们建立好了本次训练的模型，接下来就是开始网络训练，并保存训练后的网络参数，以便测试时使用。二 . 编程实现#======================================================================#导入文件import osimport nu

2017-11-24 16:32:04 15612 94

原创利用tensorflow训练自己的图片数据（3）——建立网络模型

一. 说明在上一博客——利用tensorflow训练自己的图片数据（2）中，我们已经获得了神经网络的训练输入数据：image_batch，label_batch。接下就是建立神经网络模型，笔者的网络模型结构如下：输入数据：（batch_size，IMG_W，IMG_H，col_channel）= （20, 64, 64, 3）卷积层1：（conv_kernel，num_ch

2017-11-23 10:23:43 15018 9

原创利用tensorflow训练自己的图片数据（2）——输入图片处理

一. 说明在上一博客，利用tensorflow训练自己的图片数据（1）中，我们已经得到了后续训练需要的图片的指定shape大小；接下来我们需要做的就是对指定大小的生成图片进行sample与label分类制作，获得神经网络输入的get_files文件，同时为了方便网络的训练，输入数据进行batch处理。二. 编程实现import osimport mathimport numpy a

2017-11-23 09:14:08 33372 20

原创利用tensorflow训练自己的图片数据（1）——预处理

一. 准备原始数据首先，我们需要准备训练的原始数据，本次训练为图像分类识别，因而一开始，笔者从网上随机的下载了Dog的四种类别：husky，jiwawa，poodle，qiutian。每种类别30种，一共120张图片。在训练之前，需要做的就是进行图像的预处理，即将这些大小不一的原始图片转换成我们训练需要的shape。下载的原始图片分别放到同一文件的不同文件夹下，如：二. 编程实现

2017-11-22 23:15:45 42006 101

转载 TensorFlow计算模型--计算图

计算图的概念TensorFlow两个重要概念:Tensor和Flow,Tensor就是张量（可以理解为多维数组）,Flow就是计算相互转化的过程。TensorFlow的计算方式类似Spark的有向无环图(DAG),在创建Session之后才开始计算（类似Action算子）。简单示例import tensorflow as tf a = tf.constant([1.0,2.0],

2017-11-13 09:56:48 1460

原创利用Python中的random模块生成随机数

今天在用Python编写一个小程序时，要用到随机数，于是就在网上查了一下关于Python生成各种随机数的方法，现将其总结如下：此处，利用Python中的random模块生成随机数。因此首先必须导入该模块：import random一. 随机产生一个元素import random#生成一个0到1的随机浮点数: 0 <= n < 1.0print(random.random())&...

2017-11-10 10:07:13 5385

原创利用tf.truncated_normal与tf.random_normal进行张量初始化的详解

tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None从截断的正态分布中输出随机值。生成的值服从具有指定平均值和标准偏差的正态分布，如果生成的值大于平均值2个标准偏差的值则丢弃重新选择。在正态分布的曲线中，横轴区间（μ-σ，μ+σ）内的面积为68.2

2017-11-08 15:56:07 1514

原创卷积神经网络CNN的详细解读，及经典分类网络LeNet5的介绍

一. CNN神经网络介绍CNN是一种特殊的深度前馈神经网络，为了避免层级之间的全连接造成的参数冗余，而导致网络模型的训练依赖相当参数个数的数据量；他的设计是局部连接，符合生物神经元的稀疏响应特性（层级之间是稀疏连接的），这样大大的降低了网络模型的参数规模，相对而言，对训练数据的依赖性降低了。CNN的基础模块为卷积流，其包括四个部分：卷积，池化，非线性，批量归一化。

2017-11-07 14:50:19 5099 1

原创利用Tensorflow构建自己的图片数据集TFrecords

相信很多初学者和我一样，虽然用了那么久的tensorflow，也尝试了很多的实例，但那些实例基本都是直接利用官方文档现成的MNIST和cifar_10数据库，而一旦需要自己构建数据集时，完全不知道该如何制作并输入自己改的数据。今天给大家分享我的Tensorflow制作数据集的学习历程。 TensorFlow提供了标准的TFRecord 格式，而关于 tensorflow 读取数据，官网也提供了3

2017-11-06 22:08:03 6156 14

江湖人称星爷