1 风极_陨

尚未进行身份认证

暂无相关描述

等级
TA的排名 8w+

TensorFlow Object Detction 配置笔记

前期准备工具:1、protoc-3.4.0-win32(一定要下载3.4.0的,不然后面会报错);2、ObjectDetection1、首先下载protoc工具,下载地址为:https://github.com/protocolbuffers/protobuf/releases/tag/v3.4.02、下载ObjectDetection,网址为:https://github.com/te...

2019-05-26 20:29:35

OpenCv-C++-03-高斯混合模型GMM

121

2019-05-21 15:46:08

使用Opencv在基于SSD-MobileNet迁移学习中生成pbtxt文件遇到的问题及解决方案

在迁移学习训练后,如果要是用opencv调用pb模型,需要的“佐料”是pbtxt文件,这个文件必不可少。我在使用opencv4.0.0中的tf_text_graph_ssd.py(文件路径在“D:\opencv\opencv_4.0.0\sources\samples\dnn”)生成pbtxt文件时,遇到了这样一个问题:Traceback(mostrecentcalllast):...

2019-05-14 18:04:35

OpenCv-Python-Tesseract验证码识别

Tesseract-ocr是一个文本识别的引擎,它能识别英文文本和数字文本,准确率极高,关于中文文本需要下载中文文本的文件进行加载,它也支持用户自定义训练文本。相比于机器学习或深度学习识别文本文字,tesseract方便小巧,对计算机性能要求不高,对样本量的要求也不高。本文不对任何文本做任何训练,只是单纯的想记录Tesseract-ocr在opencv中的使用。1、安装Tesseract-oc...

2019-04-20 19:32:55

OpenCv-C++-02-KMeans-图像分割

关于KMeans上一篇文章有提到,也用了一些随机点进行数据分类,那么图像呢?图像也是一堆数据,我们只需要把1图像转变为一组数据即可进行数据分类,然后重新显示在图像上,这就是图像分割。代码部分与上一章文章没多大区别,只需稍作改动即可:#include<opencv2/opencv.hpp>#include<iostream>usingnamespacecv;u...

2019-04-15 21:09:17

OpenCv-C++-01-KMeans-聚类

112121

2019-04-15 18:26:01

TensorFlow-深度学习-13-LSTM递归神经网络

提到LSTM,我们就应该想到RNN,LSTM是RNN的一种改进,是RNN的变种。比如前几篇文章中讲的Mnist数据集分类,都是一张图片一张图片的输入,然后进行分类,这仅仅是对于图像来说,那么,对于语音或一串文字来说怎么做?这个就需要网络具有记忆的功能,RNN和LSTM都有这种功能。如果需要对语音或文字进行处理,就需要把网络看成是一个连续的整体,我们可以对网络加上一个反馈回路,如下图等号左边的图:...

2019-04-07 15:47:09

TensorFlow-深度学习-12-训练模型保存与使用

有这么一种情况,如果说我训练了一个数据集,效果还不错,但总不能每次都要经过一次训练在拿来用吧,一次训练能达到上万次,对于普通电脑来说根本不可能训练,所以我们要把它保存成一个模型文件(检查点),用到的时候直接拿来用就好了。保存模型文件很简单,只需要用下面2句话就行了:saver=tf.train.Saver()saver.save(sess,save_path="check...

2019-03-24 16:07:41

TensorFlow-深度学习-11-卷积神经网络(CNN)

我们在计算机中所看到的图像,在计算机中表示为一个个矩阵,一串串数字。在神经网络中,我们需要将这些数据在输入端reshape成一个1行n列的数组。通常我们使用的图片不会太小,否则特征点很容易丢失,可即便是一张28*28的图像(mnist手写数据集),在输入层也有784个神经元,更何况一个数据集少则几百张图片,多则上万张图片,这对于简单的神经网络来说压力很大,而且计算量复杂,运行速度慢,效率低下。而卷...

2019-03-24 15:50:31

TensorFlow-深度学习-10-DropOut与多层神经网络

对于简单的3层人工神经网络,常用的激活函数很容易达到饱和度,比如sigmod,因为它很容易达到一个饱和度,导致整个训练终止。我之前在三层人工神经网络上加了一层,变成4层,然后进行训练,但是发现,训练的结果并没有什么变化,这是因为4层人工神经网络可能已经存在了过拟合的现象。其实经过大量研究人员的研究发现,三层神经网络其实已经能够满足比较大的数据量的训练,再增加其实已经没有什么意义了。所以要增加隐藏...

2019-03-22 16:31:04

TensorFlow-深度学习-08-人工神经网络(ANN)-多层感知器(MLP)

本文与TensorFlow-深度学习-03-梯度下降(反向传播–BP)其实没有什么差别,主要差别在于使用了softmax函数进行梯度下降求解。实例:importtensorflowastffromtensorflow.examples.tutorials.mnistimportinput_datamnist=input_data.read_data_sets("mnist...

2019-03-21 20:34:19

TensorFlow-深度学习-07-基于逻辑回归预测二元分类

现在我这里有一份数据集,数据量很少,只有不到200行,里面有0和1的标签,很适合做二分类,数据集如下:LOW,AGE,LWT,RACE,SMOKE,PTL,HT,UI,BWT1,28,113,1,1,1,0,1,7091,29,130,0,0,0,0,1,10211,34,187,1,1,0,1,0,11351,25,105,1,0,1,1,0,13301,25,85,1,0,0,0,...

2019-03-20 21:17:39

TensorFlow-深度学习-09-激活与损失函数

一、激活函数1、常见激活函数:【1】图像:上图的这个函数很明显就能看出来很适合做二分类问题,1代表一类,0代表另一类,没什么好解释的。【2】图像:这个函数比较常见,从上图中可以看到,当样本数据被归纳到1和-1以外的区间时,函数梯度开始变得平缓,这时学习率不管怎么变化,准确率也不会有所提升,因为激活函数已经达到了一种饱和状态,所以,做数据预处理时,最好把数据归纳到(-1,1)之...

2019-03-20 20:15:25

TensorFlow-深度学习-06-梯度下降求解简单的逻辑回归

首先谈谈softmax这个函数:Softmax在机器学习和深度学习中有着非常广泛的应用。尤其在处理多分类(C>2)问题,分类器最后的输出单元需要Softmax函数进行数值处理。关于Softmax函数的定义如下所示:...

2019-03-20 16:02:42

TensorFlow-深度学习-05-计算图

什么是计算图?基于TensorFlow这个编程系统中的每一个计算都是计算图上的一个节点,而节点与节点之间的连线则代表计算之间的依赖关系。以一个最简化的计算图来说明:上图中,a,b代表一个节点,add也是一个节点,只是它参与了计算的工作。而这个简单的运算,我们需要在一个图中运行,而要想使用这张图,我们就要用到熟悉的sess.run()会话操作来运行。参考:https://www.jia...

2019-03-18 21:25:09

TensorFlow-深度学习-04-梯度下降求解线性回归

线性回归,说白了就是求一条线性方程,能够最大限度的把坐标图上的每个点包括到,或者让这些点能够更加接近这条直线,本节将使用梯度下降的方法求这条解线性方程。有数据集的朋友可以使用pandas读取数据,这里我就不读取数据集了,有关于数据集的读取参考:机器学习——Pandas库1、读取数据集因为我这里没有数据集读取,所以自定义了100组数据(x,y)。'''-----------------造数据...

2019-03-18 18:15:52

TensorFlow-深度学习-03-梯度下降(反向传播--BP)

反向传播(BP)算法:稍微明白神经网络是怎么回事的朋友都知道,神经网络分为三大层,输入层(input)、隐藏层(hidden)、输出层(output)。BP反向传播算法也就是多了上图中的红色箭头而已。当我们预测的值与真实值之间的差异较大时,我们就把这种差异附加到输入层与隐藏层之间的权重W和偏执项b上,通过每次更新W和b,产生不同的预测值,当预测值与真实值非常接近时,我们就可以停止这种迭代更新。...

2019-03-18 14:51:04

TensorFlow-深度学习-02-Feed与Fetch

Feed:feed_dict={x:[[1,2],[3,4]],y:[[5],[6]]}上面的feed_dict的作用是什么?在机器学习中,经常听别人说到要把数据给喂进去。怎么喂进去,这就要使用feed_dict={x:input_x,y:input_y}把数据喂进去,喂进去的数据可以是矩阵,可以是数组,也可以是常数。Fetch:x_result,y_result=sess.run([x...

2019-03-17 13:55:07

TensorFlow-深度学习-01-常量,变量,操作数与占位符

12121

2019-03-16 20:55:50

OpenCv_C++-PCA原理与应用

主成分分析PCA,最主要在数据处理中用来降维,比如说我们有1000组数据,每组数据有1000个样本,我们通过分析每组数据中的主要特征,剔除那些不必要的特征,使得数据的维度有所减少,以加快计算机计算的速度。进行PCA变化时主要有以下特征:1、主成分不变;2、有细微损失;3、高维数据到低维数据。进行PCA降维的主要步骤如下:上图中的步骤比较抽象,其实就是经过一步步的矩阵运算得到最终的新的数...

2019-03-05 11:40:43

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。