人工智能
文章平均质量分 94
介绍人工智能相关的原理、算法和案例,分享最有价值的学科交叉应用信息。
雁回晴空
莫听穿林打叶声,何妨吟啸且徐行。竹杖芒鞋轻胜马,谁怕?一蓑烟雨任平生。
展开
-
Windows批处理脚本实现批量复制文件并重命名
有的时候,我们需要对存储位置具有一定规律的大量相似文件进行复制移动和重命名。例如,我最近使用labelme工具标注了一批图片数据,但是每个图片自己生成了一个文件夹。然而在使用的时候,要求所有的图片放在同一个文件夹,并且名字按照数字编号。这时候如果是自己手动操作,无疑会费时费力。使用批处理技术可以简单解决这个问题。本文使用的是Windows的批处理技术。下面通过一个例子来说明。我们有这样一堆文件...原创 2020-03-12 12:05:00 · 8560 阅读 · 0 评论 -
基于PyTorch的深度学习入门教程(八)——图像风格迁移
前言 本文介绍怎样执行Neural-Style算法。Neural-Style或者叫做Neural-Transfer,将一个内容图像和一个风格图像作为输入,返回一个按照所选择的风格图像加工的内容图像。 原理是非常简单的:我们定义两个距离,一个用于内容(Dc),另一个用于(Ds)。Dc测量两个图像的内容有多像,Ds测量两个图像的风格有多像。然后我们采用一个新图像(例如一个噪声图像),对它进行变化,同原创 2017-12-20 09:26:41 · 10575 阅读 · 14 评论 -
基于PyTorch的深度学习入门教程(七)——PyTorch重点综合实践
前言 PyTorch提供了两个主要特性: (1) 一个n维的Tensor,与numpy相似但是支持GPU运算。 (2) 搭建和训练神经网络的自动微分功能。 我们将会使用一个全连接的ReLU网络作为实例。该网络有一个隐含层,使用梯度下降来训练,目标是最小化网络输出和真实输出之间的欧氏距离。目录Tensors(张量) Warm-up:numpyPyTorch:TensorsAutogra原创 2017-12-14 04:51:51 · 9434 阅读 · 3 评论 -
基于PyTorch的深度学习入门教程(六)——数据并行化
前言本文参考PyTorch官网的教程,分为五个基本模块来介绍PyTorch。为了避免文章过长,这五个模块分别在五篇博文中介绍。Part1:PyTorch简单知识Part2:PyTorch的自动梯度计算Part3:使用PyTorch构建一个神经网络Part4:训练一个神经网络分类器Part5:数据并行化本文是关于Part5的内容。 Part5:数据并行化本文中,将会讲到DataParallel使用多原创 2017-12-11 07:30:22 · 11879 阅读 · 6 评论 -
基于PyTorch的深度学习入门教程(五)——训练神经网络分类器
前言本文参考PyTorch官网的教程,分为五个基本模块来介绍PyTorch。为了避免文章过长,这五个模块分别在五篇博文中介绍。Part1:PyTorch简单知识Part2:PyTorch的自动梯度计算Part3:使用PyTorch构建一个神经网络Part4:训练一个神经网络分类器Part5:数据并行化本文是关于Part4的内容。 Part4:训练一个神经网络分类器前面已经介绍了定义神经网络,计算损原创 2017-12-11 07:22:47 · 17907 阅读 · 6 评论 -
基于PyTorch的深度学习入门教程(四)——构建神经网络
前言本文参考PyTorch官网的教程,分为五个基本模块来介绍PyTorch。为了避免文章过长,这五个模块分别在五篇博文中介绍。Part1:PyTorch简单知识Part2:PyTorch的自动梯度计算Part3:使用PyTorch构建一个神经网络Part4:训练一个神经网络分类器Part5:数据并行化本文是关于Part3的内容。 Part3:使用PyTorch构建一个神经网络神经网络可以使用tou原创 2017-12-11 06:57:40 · 26860 阅读 · 3 评论 -
基于PyTorch的深度学习入门教程(三)——自动梯度
前言本文参考PyTorch官网的教程,分为五个基本模块来介绍PyTorch。为了避免文章过长,这五个模块分别在五篇博文中介绍。Part1:PyTorch简单知识Part2:PyTorch的自动梯度计算Part3:使用PyTorch构建一个神经网络Part4:训练一个神经网络分类器Part5:数据并行化本文是关于Part2的内容。 Part2:PyTorch的自动梯度计算 autograd pack原创 2017-12-11 06:50:46 · 10567 阅读 · 1 评论 -
基于PyTorch的深度学习入门教程(二)——简单知识
前言本文参考PyTorch官网的教程,分为五个基本模块来介绍PyTorch。为了避免文章过长,这五个模块分别在五篇博文中介绍。Part1:PyTorch简单知识Part2:PyTorch的自动梯度计算Part3:使用PyTorch构建一个神经网络Part4:训练一个神经网络分类器Part5:数据并行化本文是关于Part1的内容。Part1:PyTorch简单知识PyTorch是一个基于Python原创 2017-12-11 06:35:21 · 18811 阅读 · 1 评论 -
基于PyTorch的深度学习入门教程(一)——PyTorch安装和配置
前言深度神经网络是一种目前被广泛使用的工具,可以用于图像识别、分类,物体检测,机器翻译等等。深度学习(DeepLearning)是一种学习神经网络各种参数的方法。因此,我们将要介绍的深度学习,指的是构建神经网络结构,并且运用各种深度学习算法训练网络参数,进而解决各种任务。本文从PyTorch环境配置开始。PyTorch是一种Python接口的深度学习框架,使用灵活,学习方便。...原创 2017-11-30 12:01:42 · 244019 阅读 · 34 评论 -
Windows10上使用Caffe的Python接口进行图像分类例程
本文将会介绍Caffe的Python接口的使用方法。编辑Python可以使用很多种方法,我们采用的是IPython交互式编辑环境。 1 Python的安装如果你的Windows电脑还没有安装Python,请先自行搜索Python的安装方法,例如 http://jupyter.org/install.html,推荐使用Anaconda软件包安装方式,这样就自带IPython/Jupyte原创 2017-04-09 20:16:30 · 2350 阅读 · 3 评论 -
Python & Numpy 教程(下)
NumpyNumpy是Python科学计算的核心库。它提供了高性能多维数组对象,以及使用这些数组的工具。如果你已经熟悉MATLAB,你可以找到这个教程来开始使用Numpy。Arrays一个numpy的数组(array)是一个由相同类型数值构成的网络(grid),并且被非负整数的元组索引。维数是数组的rank;而数组的shape是一个整数元组,它给出了数组每一维度的大小。我们可以使用翻译 2017-03-28 21:02:20 · 5093 阅读 · 0 评论 -
Python & Numpy 教程(上)
原文网址:http://cs231n.github.io/python-numpy-tutorial/该教程来自于 Justin Johnson我们将会使用Python编程语言来完成本课程(斯坦福大学cs231n)的所有作业。Python是一个伟大的通用编程语言,在一些流行库(numpy,scipy,matplotlib)的帮助下,它可以提供一个科学计算的强大环境。我们希望你们之中的大翻译 2017-03-28 20:27:05 · 3428 阅读 · 1 评论 -
最新的Windows Caffe配置方法(Python接口)
首先,重新隆重介绍Windows Caffe的下载地址:https://github.com/BVLC/caffe/tree/windows真是非常感谢大牛们不辞劳苦地维护和更新这些代码,为我们的科研提供了无限可能。有一些预编译好的程序,我们有需要可以直接去官网下载。这里说一下自主配置和编译的过程。1 需要的软件Visual Studio 2013 或者 2015C原创 2017-03-27 15:01:02 · 5240 阅读 · 0 评论 -
Windows环境下使用 Caffe在ImageNet上训练网络
在配置好Windows版的Caffe之后,可以使用Windows Caffe训练ImageNet网络,主要有4个步骤:(1)准备图片数据库(2)将图片数据转换为Caffe可以使用的LMDB或者LevelDB类型(3)取数据库均值(4)开始用Caffe.exe训练网络原创 2017-03-16 21:44:54 · 5302 阅读 · 0 评论 -
Ubuntu14.04 64位配置Caffe 教程(基于CUDA7.5)
深度学习是研究计算机视觉的重要工具,尤其在图像分类与识别等领域有着划时代的意义。现在有很多深度学习框架,Caffe是比较常用的一个。本文讲述了Ubuntu 14.04(64位)系统下配置Caffe的基本步骤,参考了Caffe的官方网站 http://caffe.berkeleyvision.org/。 一、系统环境配置 1.1 首先安装一般会用到的一些依赖项。打开Ubuntu系原创 2016-11-18 12:57:38 · 1380 阅读 · 0 评论 -
Windows 10(64位)配置Caffe运行环境的基本流程
进行深度学习可以使用Caffe,我使用windows配置了一下Caffe运行环境,非常简单。这里把官网的配置过程搬运过来,以备参考。官网地址:https://github.com/BVLC/caffe/tree/windows 配置环境: Windows 10(64位)+ Visual Studio 2013. 1 获取安装文件 首先在官网地址https://github.原创 2016-11-18 12:59:41 · 3141 阅读 · 3 评论