LMengi000的博客

原创 nvidia a100-pcie-40gb环境安装

1.conda create --name torch_li python=3.82.conda install pytorch1.7.1 torchvision0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch3.conda remove -n torch_li --all4.pip install opencv-python-headless5.pip install matplotlib6.pip install imageio

原创 Linux下载、安装和配置anaconda

跟随这个链接下载安装anaconda：如何在Linux服务器上安装Anaconda（超详细） 链接:https://blog.csdn.net/wyf2017/article/details/118676765。安装sudo：链接：https://blog.csdn.net/hello_1995/article/details/109222650。安装screen：链接：https://blog.csdn.net/ztmajor/article/details/117651176。

原创 配置anaconda+安装cuda和cudnn+将cuda和cudnn配置到指定目录+使用cuda命令安装cuda和cudnn

如果在安装过程中出现其他问题，就根据问题进行百度搜索。

原创 ref_affine矩阵含义

图片传送门------------->传送门

原创 注意力机制（未完待续）

实现常见CNN网络结构中添加注意力(attention)机制 - 简书 (jianshu.com)(295条消息) 注意力机制代码_pytorch中加入注意力机制（CBAM），以ResNet为例_weixin_39787089的博客-CSDN博客大话注意力机制（Attention Mechanism） - 雪饼的个人空间 - OSCHINA - 中文开源技术交流社区GitHub - bubbliiiing/Keras-Attention: 这个仓库主要包含了LSTM、卷积神经网络中，注意力机制的

原创 报错：AttributeError: ‘str‘ object has no attribute ‘decode‘

参考这篇博客，更新hdf5

原创 TensorFlow - GAN实现训练和测试，mnist数据集

遇到的问题： 我在代码：generator.load_weights('D:/imageRegistration/languageGan/MyGAN/models/G_model/450.h5',by_name = True) 中加入了by_name=True 这一句，测试的过程中，测试生成器时，一直生成的还是噪声图，但是在输出的图片文件夹中，输出的图片中数字的效果还是很好的，我把这一句去掉之后，测试生成器，生成的图片效果就与图片中的效果差不多。keras源码engine中t...

原创 TensorFlow-用cifar10数据集搭建神经网络

# -*- coding: utf-8 -*-"""Created on Sun May 23 14:29:45 2021@author: Lenovo"""import tensorflow as tfimport osimport numpy as npfrom matplotlib import pyplot as pltfrom tensorflow.keras.layers import Conv2D, BatchNormalization, Activation, Ma...

原创 TensorFlow-Cifar10数据集

# -*- coding: utf-8 -*-"""Created on Sun May 23 13:24:43 2021@author: LiMeng"""import tensorflow as tffrom matplotlib import pyplot as pltimport numpy as npnp.set_printoptions(threshold = np.inf)cifar10 = tf.keras.datasets.cifar10(x_train,...

原创 TensorFlow-描述卷积计算层、批标准化、池化、舍弃（Dropout）

卷积层批标准化池化舍弃（Dropout） 为了缓解神经网络过拟合，常把隐藏层的部分神经元按照一定比例从神经网络中临时舍弃。在使用神经网络时，再把所有神经元回复到神经网络中。总结卷积就是特征提取器。...

原创 TensorFlow-全零填充

在吴恩达卷积神经网络这个视频中，我之前听过一次，吴恩达的视频里面对公式的讲解也很详细，可以参考一下吴恩达的卷积神经网络的视频。

原创 TensroFlow-感受野

感受野：是指输出特征图中1个像素点，映射到原始输入图片的区域大小，如果对这个5*5的原始输入图片，用黄色的3*3的卷积核作用，会输出一个3*3的输出特征图。这个3*3的特征图上的每一个点，映射到原始5*5的图片中，是一个3*3的区域，所以它的感受野是3。如果再对这个3*3的特征图，再用一个3*3的卷积核作用一下，就会输出一个1*1的输出特征图。这个1*1的特征图上的像素点，映射到原始图片是5*5的区域，所以它的感受野是5. 。如果对原始的5*5的图片，直接...

原创 TensorFlow-卷积计算的过程

如果你觉得某层特征提取的能力不足，可以在这一层多用几个卷积核提高这一层的特征提取能力。

原创 最原始的GAN-我开始慢慢的懂GAN了

参考一篇非常全面的博文（传送门），把最原始的GAN网络过了一遍，虽然还是心中有疑虑，还是有问题，但是好事多磨，总会想明白的。自己想不懂的问题：1.在训练网络（generator）中，它是怎么生成一个虚假图片的？build_generator（）这个函数就是一个全连接网络，都说generator就是来生成一个虚假图片的，但是最后build_generator返回不是一个造好的虚假图片啊！在代码部分： noise= np.random.normal(0,1, (batch_size, 1..

原创 在Anaconda搭配VoxelMorph的环境

起初，搭配环境是一件繁琐的事情，一直在anaconda中装了卸载，卸载了再安装，看了网上很多博文，最终选择一篇介绍搭配VoxelMorph环境的介绍，觉得写的很好，值得收藏。【VoxelMorph论文共读】002 代码环境准备...

原创 TensorFlow-给图识物

from PIL import Imageimport numpy as npimport tensorflow as tfmodel_save_path = './checkpoint/mnist.ckpt'model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(), tf.keras.layers.Dense(128,activation='relu'), tf.keras.layers.D...

原创 TensorFlow——acc/loss 可视化

import tensorflow as tfimport os#导入numpy模块import numpy as npfrom matplotlib import pyplot as pltnp.set_printoptions(threshold=np.inf)mnist = tf.keras.datasets.mnist(x_train,y_train),(x_test,y_test) = mnist.load_data()x_trian,x_test = x_tr...

原创 TensorFlow-参数提取

import tensorflow as tfimport os#导入numpy模块import numpy as npnp.set_printoptions(threshold=np.inf)mnist = tf.keras.datasets.mnist(x_train,y_train),(x_test,y_test) = mnist.load_data()x_trian,x_test = x_train / 255.0,x_test / 255.0model = tf...

原创 TensorFlow-断点续训

import tensorflow as tfimport osmnist = tf.keras.datasets.mnist(x_train,y_train),(x_test,y_test) = mnist.load_data()x_trian,x_test = x_train / 255.0,x_test / 255.0model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(), tf.keras....

原创 TensorFlow-数据增强（扩充数据集）

图像增强就是对图像的简单形变image_gen_train.fit(x_train)这里的fit需要输入一个思维的数据，所以要对x_train进行reshape，把60000张28行28列的数据，转换为60000张28行28列的单通道数据（即为1），单通道为灰度值。import tensorflow as tffrom matplotlib import pyplot as pltfrom tensorflow.keras.preprocessing.image impo...

原创 TensorFlow——八股扩展（自制数据集）

x_train_save = np.reshape(x_train, (len(x_train), -1))x_test_save = np.reshape(x_test, (len(x_test), -1))np.reshape()函数是来转换维度的，在进行变换时，假设一个数据对象narray的总元素个数为N，如果我们给出一个维度为（m，-1）时，我们就理解为将对象变换为一个二维矩阵，矩阵的第一维度大小为m，第二维度大小为N/m。我所理解的是：np.reshape(x_test,(le...

原创 TensorFlow——inceptionNet（未完待续）

原创 TensorFlow——VGGNET（未完待续）

原创 TensorFlow——Alex-Net（未完待续）

原创 TensorFlow-LeNet（未完待续）

原创 TensorFlow-MNIST（class类实现）

import tensorflow as tffrom tensorflow.keras.layers import Dense,Flattenfrom tensorflow.keras import Modelmnist = tf.keras.datasets.mnist(x_train,y_train),(x_test,y_test) = mnist.load_data()x_train,x_test = x_train/255.0,x_test/255.0class MnistMod.

原创 TensorFlow-MNIST（sequencial实现）

import tensorflow as tfmnist = tf.keras.datasets.mnist(x_train,y_train),(x_test,y_test) = mnist.load_data()x_train,x_test = x_train/255.0,x_test/255.0#把输入特征进行归一化#使0-255之间的灰度值变成0-1之间的数值，把输入特征的数值变小，更适合神经网络吸收model = tf.keras.models.Sequential([ tf.

原创 TensorFlow-MINIST数据集

import tensorflow as tffrom matplotlib import pyplot as pltmnist = tf.keras.datasets.mnist(x_train,y_train),(x_test,y_test) = mnist.load_data()plt.imshow(x_train[0], cmap='gray') plt.show()print("x_train[0]:\n",x_train[0])print("y_tra...

原创 TensorFlow-class类搭建神经网络结构（非顺序网络结构）

import tensorflow as tffrom tensorflow.keras.layers import Densefrom tensorflow.keras import Modelfrom sklearn import datasetsimport numpy as npx_train = datasets.load_iris().datay_train = datasets.load_iris().targetnp.random.seed(116)np.r...

原创 TensorFlow - Keras搭建神经网络（鸢尾花分类）

tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False)有些函数经过softmax激活，输出的是概率分布，有些函数则是原始输出；from_logits=False 是在询问受否是原始输出，即没有经过概率分布的输出如果神经网络预测结果输出前经过了概率分布，则为False如果神经网络预测结果输出前没有经过概率分布，则为Trueimport tensorflow as tffrom skl...

原创 TendsorFlow-优化器

随机梯度下降（SGD）

原创 TensorFlow-过拟合现象（L1正则化与L2正则化）

import tensorflow as tffrom matplotlib import pyplot as pltimport numpy as npimport pandas as pddf = pd.read_csv('dot.csv')#读入数据/标签 生成x_train和y_trainx_data = np.array(df[['x1','x2']]) #输入特征y_data = np.array(df['y_c'])#标签x_train = np.vstack(x...

原创 TensorFlow-鸢尾花的分类

from sklearn import datasetsfrom pandas import DataFrameimport pandas as pdx_data = datasets.load_iris().data #.data返回iris数据集中所有输入特征y_data = datasets.load_iris().targetprint("x_data from datasets:\n",x_data)print("y_data from datasets:\n",y_data)...

原创 TensorFlow-简单常见函数

import tensorflow as tfa = tf.fill([1,2],3.)print("a:",a)print("a的次方：",tf.pow(a,3))print("a的平方：",tf.square(a))print("a的开放:",tf.sqrt(a))"""a: tf.Tensor([[3. 3.]], shape=(1, 2), dtype=float32)a的次方： tf.Tensor([[27. 27.]], shape=(1, 2), dtype=float3...

原创 TensorFlow-四则运算

import tensorflow as tfa = tf.ones([1,3])b = tf.fill([1,3],3.)print("a:",a)print("b:",b)print("a+b:",tf.add(a,b))print("a-b:",tf.subtract(a,b))print("a*b:",tf.multiply(a,b))print("b/a:",tf.divide(b,a))"""a: tf.Tensor([[1. 1. 1.]], shape=(1, 3...

原创 TensorFlow-求均值与求和

import tensorflow as tfx = tf.constant([[1,2,3],[2,2,3]])print("x:",x)print("mean of x:",tf.reduce_mean(x)) #对所有数值求均值print("sum of x:",tf.reduce_sum(x,axis=1)) #分别对1，2，3与2，2，3求和"""x: tf.Tensor([[1 2 3] [2 2 3]], shape=(2, 3), dtype=int32)me...

原创 TensorFlow-强转tensor数据类型

import tensorflow as tfx1 = tf.constant([1.,2.,3.],dtype=tf.float64)print("x1:",x1)x2 = tf.cast(x1,tf.int32)print("x2:",x2)print("minimum of x2:",tf.reduce_min(x2))print("maxmum of x2:",tf.reduce_max(x2))"""x1: tf.Tensor([1. 2. 3.], shape=(3,),...

原创 TensorFlow-生成均匀分布随机数

import tensorflow as tff = tf.random.uniform([2,2],minval=0,maxval=1)print("f:",f)"""f: tf.Tensor([[0.880005 0.91807914] [0.39310634 0.873947 ]], shape=(2, 2), dtype=float32)"""

原创 TensorFlow-生成正态分布随机数

import tensorflow as tfd = tf.random.normal([2,2],mean=0.5,stddev=1)print("d:",d)e = tf.random.truncated_normal([2,2],mean=0.5,stddev=1)print("e:",e)"""d: tf.Tensor([[0.8470318 1.4415333] [1.1879107 1.2165318]], shape=(2, 2), dtype=float32)...

原创 TensorFlow-zeros_ones_fill

import tensorflow as tfa = tf.zeros([2,3])b = tf.ones(4)c = tf.fill([2,2],9)print("a:",a)print("b:",b)print("c:",c)"""a: tf.Tensor([[0. 0. 0.] [0. 0. 0.]], shape=(2, 3), dtype=float32)b: tf.Tensor([1. 1. 1. 1.], shape=(4,), dtype=float32)c:...