深度学习
深度学习方法的解读
ZhuiMengLQG
这个作者很懒,什么都没留下…
展开
-
图像数据维度属性统计
图像数据维度属性统计文章目录图像数据维度属性统计前言一、图像尺寸分布散点图二、相同尺寸图像的数量统计前言通常,在训练神经网络模型时,需要输入固定尺寸的图像;即使对于可以输入不同尺寸图像的网络,原始图像的维度属性,对于如何将图像转换为特定尺寸输入网络也有一定的指导作用。对原始数据的尺寸分布的了解,有助于后期网络输入的确定主要为以下2个层面的统计:一、图像尺寸分布散点图代码如下:import osimport numpy as npfrom PIL import Imageimpo原创 2020-11-02 10:50:48 · 1511 阅读 · 0 评论 -
labelme批量制作数据集教程
labelme数据标注及json标签文件批量处理文章目录labelme数据标注及json标签文件批量处理前言一、Labelme安装1. windows2. Ubuntu二、Labelme制备分割数据集1. 启动2. 数据标注三、labelme标签批量转换1. 单张图片转换2. 多张图片批量转换3. 标注图片提取前言最近在学习图像语义分割,需要制作自己的数据集,用到labelImg进行标注,这里将整个过程记录下来。一、Labelme安装第一步就是需要安装labelme1. windows原创 2020-10-30 14:41:24 · 9117 阅读 · 13 评论 -
pytorch测试代码
pytorch测试代码使用测试pytorch是否正常调用CUDA1.测试代码代码如下(示例):# Summary: 检测当前Pytorch和设备是否支持CUDA和cudnnimport torch if __name__ == '__main__': print("Support CUDA ?: ", torch.cuda.is_available()) x = torch.Tensor([1.0]) xx = x.cuda() print(xx) y = torch.ran原创 2020-10-29 09:06:40 · 8826 阅读 · 0 评论 -
keras中model.fit和model.fit_generator的区别
keras中model.fit和model.fit_generator的区别前言一、model.fit()函数详解二、model.fit_generator()函数详解总结前言Keras中的fit()函数传入的数据x_train和y_train是被完整的加载进内存的,用起来很方便,但是如果数据量很大,电脑显存不足时,容易导致内存泄漏,那么是不可能将所有数据载入内存的,这时候我们可以用fit_generator函数来进行训练。一、model.fit()函数详解函数调用格式fit(x=None,原创 2020-09-15 11:07:43 · 1527 阅读 · 0 评论 -
测试tensorflowGPU是否运行
测试tensorflowGPU是否运行直接上测试 代码.import tensorflow as tfimport osos.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"os.environ['CUDA_VISIBLE_DEVICES'] = "0"a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')b = tf.constant([1.0, 2.0, 3.0,原创 2020-08-31 19:38:18 · 1381 阅读 · 0 评论