- 博客(57)
- 收藏
- 关注
RSS订阅转载 Typora 标题的自动编号
Typora 标题的自动编号【Typora】-> 【Perferences】 -> 【Appearance】 中的 Themes 区域块中的 ”Open Theme Folder“ 定位到实现了标题自动编号、目录自动编号、大纲自动编号的 CSS 文件/** initialize css counter */#write { counter-reset: h1}h1 { counter-reset: h2}h2 { counter-reset: h3}
2022-02-22 11:58:21
293
原创 grad-cam一直无法画比较合适的图的原因
grad-cam一直无法画比较合适的图的原因预处理在网络内部还是在网络外部一定要记住,你的网络视网络层里面有preprocess_input还是在读取读片的时候归一化的.image_generator 读取是在网络外面归一化的因为预测的时候,图片是否归一化这些都影响了heatmap的画出.而针对图片还做了resize你画图的时候,必须是生成heatmap 和叠加的时候,是前后同一张图送入网络时候的大小是多大,你画图也得用那张图,而不是没被resize的图....
2021-05-26 17:23:28
998
1
原创 colab使用入门(1)-安装库,保存/加载笔记本
工具入门colab介绍 官方youtube视频前端工程师一般都喜欢去哪些网站逛？ - 程序员客栈的回答 - 知乎https://www.zhihu.com/question/28478379/answer/752365115google seedbank 示例程序项目https://research.google.com/seedbank/youtube视频：[ Google合作实验室中的TensorFlow ]（https://www.youtube.com/playlist?list=PLQ
2021-05-26 17:04:40
7913
1
原创 colab使用入门(2)-互动表单,widgets和tf2
colab使用入门(2)互动表单Forms:按钮,滑块,选择栏表单提供了一种简单的方法来参数化代码。从代码单元格，选择插入→添加表单字段。当您更改表单中的值时，代码中相应的值也将更改。表单使用Jupyter小部件进行交互请参阅Jupyter Widgets官方文档。Colab Widgets小插件tabbarTabBar提供了一个选项卡UI，它在多个输出中显示一组输出，而隐藏其他输出。在从colab中使用tensorflowimport tensorflow默认导入2版本的tens
2021-05-26 17:02:20
633
原创 tensorflow官方教程-高级-图像-迁移学习和微调,fine-tuning
数据预处理import matplotlib.pyplot as pltimport numpy as npimport osimport tensorflow as tffrom tensorflow.keras.preprocessing import image_dataset_from_directory下载数据在本教程中，您将使用一个包含数千张猫和狗图像的数据集。下载并解压缩包含图像的zip文件，然后tf.data.Dataset使用该tf.keras.preprocessing
2021-05-23 19:11:17
1574
4
原创 tensorflow core ---Image classification图片分类
learn -tutorial -tensorflow core —Image classification文章目录导入TensorFlow和其他库下载并浏览数据集使用keras.preprocessing加载可视化数据配置数据集以提高性能标准化数据注意:注意：创建模型编译模型model summary训练模型可视化training结果过度拟合Data augmentationDropout编译和训练模型可视化training结果预测新数据注意：总结本教程显示如何对花朵图像进行分类。它使用keras.
2021-05-23 16:39:41
898
3
原创 Python里Pure paths、PurePosixPath、PureWindowsPath的区别
Python里Pure paths、PurePosixPath、PureWindowsPath的区别Python是跨平台的，可以在不同的操作系统上运行。但是不同系统上路径 的表示方式是不一样的。例如windows上路径使用“\”分割子目录和父目录，linux上是使用“/”来分割。这就是PurePosixPath、PureWindowsPath出现的原因。PureWindowsPath：这种路径风格是在windows系统下使用的；PurePosixPath：这种路径风格是在非windows系统下使用的
2021-05-23 15:37:19
1114
原创 TensorFlow Lite 指南
TensorFlow Lite TensorFlow Lite 指南TensorFlow Lite 是一组工具，可帮助开发者在移动设备、嵌入式设备和 IoT 设备上运行 TensorFlow 模型。它支持设备端机器学习推断，延迟较低，并且二进制文件很小。TensorFlow Lite 包括两个主要组件：解释器用来转换器是模型的格式转换，优化，提高性能，减小模型大小TensorFlow Lite 解释器，它可在手机、嵌入式 Linux 设备和微控制器等很多不同类型的硬件上运行经过专门优化的模型。T
2021-05-22 21:18:53
2274
原创 TensorFlow Hub (2)-Object Detection Colab
TensorFlow Hub (2)-Object Detection Colab文章目录导入和设置实用工具函数加载图像的辅助方法utilities可视化工具加载标签图数据（用于绘图）建立检测模型并加载预训练的模型权重从TensorFlow Hub加载所选模型加载图像进行推断可视化结果[可选的]总结导入和设置import osimport pathlibimport matplotlibimport matplotlib.pyplot as pltimport ioimport scip
2021-05-22 20:13:33
7147
3
原创 TF-Hub-(1) 训练图像分类器
参考训练图像分类器文章目录介绍寻找工具?Setup设置选择要使用的TF2 SavedModel模块设置鲜花数据集定义模型训练模型画图从验证数据中测试图像上的模型：执行步骤可选：部署到TensorFlow Lite优化设置总结介绍图像分类模型具有数百万个参数。从头开始培训它们需要大量带有标签的培训数据和大量计算能力。转移学习是一种技巧，它通过采用一个已经在相关任务上经过训练的模型并将其重新用于新模型中，从而大大简化了这一过程。该Colab演示了如何使用TensorFlow Hub中经过预训练的TF2
2021-05-22 16:44:34
413
1
原创 TensorFlow Hub使用指南
简介TensorFlow Hub 是一个包含经过训练的机器学习模型的代码库，这些模型稍作调整便可部署到任何设备上。您只需几行代码即可重复使用经过训练的模型，例如 BERT 和 Faster R-CNN。示例,利用词嵌入模型,能将每一个句子或者单词输出为一个向量(num_examples, embedding_dimension)。!pip install --upgrade tensorflow_hubimport tensorflow_hub as hubmodel = hub.Kera
2021-05-22 14:35:17
3798
翻译 keras 机器学习基础-使用 Keras 和 Tensorflow Hub 对电影评论进行文本分类
tutorial:keras 机器学习基础-使用 Keras 和 Tensorflow Hub 对电影评论进行文本分类文章目录下载 IMDB 数据集探索数据构建模型损失函数与优化器训练模型评估模型总结此笔记本（notebook）使用评论文本将影评分为积极（positive）或消极（nagetive）两类。这是一个二元（binary）或者二分类问题，一种重要且应用广泛的机器学习问题。本教程演示了使用 Tensorflow Hub 和 Keras 进行迁移学习的基本应用。我们将使用来源于网络电影数据库
2021-05-22 14:10:04
634
原创 Pytorch(8)-保存并加载模型
Pytorch(8)-保存并加载模型文章目录保存并加载模型保存和加载模型权重使用形状保存和加载模型note:将模型导出到ONNX总结保存并加载模型在本节中，我们将研究如何通过保存，加载和运行模型预测来保持模型状态import torchimport torch.onnx as onnximport torchvision.models as models保存和加载模型权重PyTorch模型将学习到的参数存储在称为的内部状态字典中state_dict。这些可以通过以下torch.save 方
2021-05-21 15:55:23
156
原创 Pytorch(7)-优化模型参数
Pytorch(7)-优化模型参数文章目录优化模型参数前置代码超参数优化循环Optimization Loop损失函数优化器全面实施参考优化模型参数现在我们有了模型和数据，是时候通过优化数据上的参数来训练，验证和测试模型了。训练模型是一个反复的过程；在每次迭代（称为epoch）中，模型都会对输出进行猜测，计算其猜测中的误差（损失），收集误差相对于其参数的导数（如上一节所述）并进行优化这些参数使用梯度下降。有关此过程的更详细的演练，请观看有关3Blue1Brown反向传播的视频。前置代码我们从上一节
2021-05-21 15:41:28
797
原创 Pytorch(6)-自动微分 TORCH.AUTOGRAD
自动微分 TORCH.AUTOGRAD文章目录自动微分 TORCH.AUTOGRAD张量，函数和计算图计算梯度notes禁用梯度跟踪with torch.no_grad():有关计算图的更多信息note可选阅读：张量梯度和雅可比积总结参考在训练神经网络时，最常用的算法是 反向传播。在该算法中，根据损失函数相对于给定参数的梯度来调整参数（模型权重）。为了计算这些梯度，PyTorch具有一个称为的内置微分引擎torch.autograd。它支持任何计算图的梯度自动计算。考虑最简单的单层神经网络，它具有i
2021-05-21 14:56:25
224
原创 Pytorch(5)-BUILD THE NEURAL NETWORK建立神经网络
Pytorch(4)-BUILD THE NEURAL NETWORK建立神经网络建立神经网络神经网络由对数据执行操作的层/模块组成。该torch.nn命名空间提供了所有你需要建立自己的神经网络的blocks。PyTorch中的每个模块都将nn.Module子类化。神经网络本身就是一个由其他模块（层）组成的模块。这种嵌套结构允许轻松地构建和管理复杂的体系结构。在以下各节中，我们将构建一个神经网络来对FashionMNIST数据集中的图像进行分类。import osimport torchfrom
2021-05-21 12:02:59
375
1
原创 Pytorch(4)-TRANSFORMS
Pytorch(4)-TRANSFORMSTRANSFORMS数据并不总是以训练机器学习算法所需的最终处理形式出现。我们使用变换对数据进行一些处理，使其适合训练。所有TorchVision数据集都有两个参数-transform修改功能和 target_transform修改标签接受包含转换逻辑的可调用项。该torchvision.transforms模块提供几种常用的变换 out of the box.(开箱即用)FashionMNIST功能采用PIL图像格式，标签为整数。为了进行训
2021-05-21 11:17:06
374
原创 Pytorch(3)-数据集和数据加载器
文章目录数据集和数据加载器加载数据集迭代和可视化数据集为文件创建自定义数据集_ _ init _ __ _ len _ __ _ getitem _ _准备数据以使用DataLoaders进行train遍历DataLoader总结参考数据集和数据加载器用于处理数据样本的代码可能变得凌乱且难以维护。理想情况下，我们希望将数据集代码与模型训练代码分离，以提高可读性和模块化性。PyTorch提供了两个数据原语：torch.utils.data.DataLoadertorch.utils.data.Dat
2021-05-21 10:59:49
1449
原创 visio-怎么插入公式?连接线如何变成箭头?
visio中怎么插入公式?首先打开visio2016软件，新建一个空白文档。点击上方菜单栏的“插入”按键。此时选择“对象”。弹出的对话框中选择插入公式的工具，如果电脑中安装mathtype公式编辑器的话，可以直接选择，本次是以wps 公式编辑器为例进行讲解，使用wps 公式同样能实现插入公式的功能。visio中连接线如何变成箭头方框中选择,连接线,样式中选择线条,即可选择线条样式...
2021-05-21 10:20:00
791
原创 Pytorch 入门(2)-张量
Pytorch 入门(2)–张量文章目录初始化张量张量的属性张量运算与NumPy桥接张量到NumPy数组NumPy数组到张量总结张量是一种特殊的数据结构，与数组和矩阵非常相似。在PyTorch中，我们使用张量对模型的输入和输出以及模型的参数进行编码。张量类似于NumPy的ndarray，除了张量可以在GPU或其他硬件加速器上运行。实际上，张量和NumPy数组通常可以共享相同的基础内存，从而无需复制数据（请参见使用NumPy桥接）。张量也针对自动差异进行了优化（我们将在“ Autograd” 部分中对此
2021-05-20 18:08:02
336
原创 Pytorch入门-day1-quick start(1)
Pytorch入门-day1-(1)工欲善其事,必先利其器以下分几个方面来展开学习工具资源网站Pytorch官网:在这有最全的文档,和博客教学,主要资源来自于此由主网站 延伸的子网站tutorials一切以官方教程开始,主要看quick startpytorch-cn中文文档这个纯当参考,感觉不咋地pytorch 在github上的ApacheCN 翻译中文版,正校验1.7版本:注:此时Pytorch官方已经更新到了1.8.1稳定版,nightly版本是1.9版本1.7文档地址:注
2021-05-20 17:25:47
269
原创 pip 源 ,启动jupyter notebook warning问题
pip 源文件在C:\Users\wonde\AppData\Roaming\pip\pip.ini清华源更改方式pip install pip -Upip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple启动jupyter notebookwarning问题 FutureWarning: The alias `_()` will be deprecated. Use `_i18n()` instea
2021-05-20 14:56:33
3435
1
原创 keras 示例 (4)-CT扫描的3D图像分类
文章目录CT扫描的3D图像分类介绍参考设置下载MosMedData：具有COVID-19相关发现的胸部CT扫描加载数据和预处理建立训练和验证数据集数据扩充定义3D卷积神经网络训练模型可视化模型性能通过一次CT扫描做出预测CT扫描的3D图像分类介绍此示例将显示构建3D卷积神经网络（CNN）以预测计算机断层扫描（CT）扫描中病毒性肺炎的存在所需的步骤。2D CNN通常用于处理RGB图像（3通道）。3D CNN只是3D等效项：它以3D体积或2D帧序列（例如CT扫描中的切片）为输入，因此3D CNN是学习体积
2021-05-11 21:42:21
2953
1
原创 keras示例-Image classification from scratch猫狗二分类
Image classification from scratch介绍此示例显示了如何从磁盘上的JPEG图像文件开始从头开始图像分类，而无需利用预先训练的权重或预先构建的Keras应用程序模型。我们在Kaggle Cats vs Dogs二进制分类数据集中展示了工作流程。我们使用该image_dataset_from_directory实用程序生成数据集，并使用Keras图像预处理层进行图像标准化和数据增强。设置import tensorflow as tffrom tensorflow imp
2021-05-11 21:27:33
576
原创 关于模型类model,加载完整的图结构,如何不将导入的模型变成一层
关于模型类model等的属性问题model.layersmodel.layers.activationmodel.layers[]model.layers.activationmodel.outputbase_model=VGG16(weights='imagenet',include_top=False,input_tensor=Input(shape=(224,224,3)))#微调head_model=base_model.outputfor layer in base_
2021-05-10 16:11:39
366
原创 sparse_categorical_crossentropy和SparseCategoricalCrossentropy的用法区别
TensorFlow2 -基本函数解释tf.keras.losses.SparseCategoricalCrossentropy和tf.keras.losses.sparse_categorical_crossentropy从以下几个方面区分函数tf.keras.losses.sparse_categorical_crossentropy(y_true, y_pred)函数,求交叉熵损失例子:import tensorflow as tfimport numpy as npy_true
2021-05-10 14:08:24
2982
原创 preprocess_input()到底做了什么
preprocess_input(),这是tensorflow下keras自带的类似于一个归一化的函数；其对传入的图像做了一些意想不到的事情，虽然能够加快图像的处理速度等优点，但是用起来还是不大方便，来回转化不够通用，虽然也有其自带的转化函数，但是总感觉有些问题；现将此函数源码分析如下：源码路径可以通过如下方式找到：def _preprocess_numpy_input if mode == 'tf': x /= 127.5 x -= 1. return x...
2021-05-09 22:08:08
2937
原创 如何下载GitHub上的ipynb文件,在GitHub 上下载指定的文件夹的两种方法
如何下载GitHub上的ipynb文件本文介绍如何将github上的ipynb文件下载到本地，并用jupyter打开。操作步骤如下：在GitHub上用浏览器打开该.ipynb文件；点击代码窗口右上角的raw或者download，则代码会在新窗口中显示为json格式；按Ctrl+S或右击将json代码保存到本地，注意将后缀改为.ipynb；再用jupyter打开本地的ipynb文件即可；...
2021-05-09 20:09:53
3520
1
原创 Keras Tuner documentation 官方(3)
Keras Tuner documentationKeras Tuner网站的 documentation要求Python 3.6TensorFlow 2.0安装 keras-tunerpip install -U keras-tuner或者Install from source:git clone https://github.com/keras-team/keras-tuner.gitcd keras-tunerpip install .using random search
2021-05-09 13:34:37
312
原创 tensorflow官方Blog-使用Keras Tuner超参数优化框架 进行超参数调整 ,具体实现版本
https://blog.tensorflow.org/博客上好东西很多,获益匪浅,大家常看常练习进入正题,keras tuner超参数优化框架机器学习项目的成功往往是关键取决于良好的超参数的选择。随着机器学习作为一个领域继续成熟，依靠反复试验为这些参数找到合适的值（也称为“梯度下降”）根本无法扩展。实际上，通过复杂的超参数优化算法发现了许多当今的最新结果，例如EfficientNet。在此,请大佬们拜读efficientnet论文Keras Tuner是易于使用的可分配超参数优化框架，可解决执行超
2021-05-09 09:58:40
1964
2
原创 Keras Tuner官方教程
Keras Tuner官方教程import tensorflow as tffrom tensorflow import kerasInstall and import the Keras Tuner.pip install -q -U keras-tunerimport kerastuner as kt下载准备数据集Fashion MNIST dataset.(img_train, label_train), (img_test, label_test) = keras.datase
2021-05-09 09:57:06
2151
原创 深度学习中的depthwise convolution,pointwise convolution,SeparableConv2D深度可分离卷积
DepthwiseConv2D深度方向的空间卷积pointwise convolution,SeparableConv2D深度可分离卷积SeparableConv2D实现整个深度分离卷积过程，即深度方向的空间卷积 （分别作用于每个输入通道）+ 输出通道混合在一起的逐点卷积，DepthwiseConv2D仅仅实现前半部分的空间卷积 （分别作用于每个输入通道）。DepthwiseConv2D:不同channel用不同的卷积核做卷积深度可分离 2D 卷积。深度可分离卷积包括仅执行深度空间卷积中的第一
2021-05-08 17:52:34
1141
原创 Keras官方文档-迁移学习和微调-Xception
Keras官方文档-迁移学习和微调github官方模型链接Keras文档端到端示例：微调猫狗数据集上的图像分类模型为了巩固这些概念，让我们为您介绍一个具体的端到端转移学习和微调示例。我们将加载在ImageNet上经过预先训练的Xception模型，并将其用于Kaggle“猫与狗”分类数据集中。获取数据首先，让我们使用TFDS来获取“猫与狗”数据集。如果您拥有自己的数据集，则可能要使用该实用程序 tf.keras.preprocessing.image_dataset_from_directory
2021-05-07 10:26:54
696
原创 tf23环境 安装scikit-learn的各种报错问题
安装scikit-learn的各种报错问题import sklearn报错 sklearn ImportError: DLL load failed: 找不到指定的模块。不要安装sklearn =0.24.2最新版本安 0.21版本conda install scikit-learn=0.21from sklearn.preprocessing import * 再次报错 sklearn ImportError: DLL loadfailed: 找不到指定的模块。
2021-05-07 10:20:15
395
原创 anaconda 基本使用-(2) 回滚操作,换源操作,nb_conda_kernels
anaconda 回滚操作conda list --revisions首先，输入conda list -r查询之前的更新版本，然后选择一个之前的版本（出现问题之前），输入conda install --revision 数字之后等待回滚成功后。删除源,恢复默认源删除了channel list中清华和中科大的源conda config --remove-key channels查看conda源能够显示出所有conda的config信息。conda config --showcond
2021-05-06 18:57:51
1798
原创 使用quiver进行网络可视化-各种报错失败
使用quiver进行网络可视化pip install quiver_engine但是报错于是安装了最新版本the latest version pip install git+git://github.com/keplr-io/quiver.git报错ImportError: cannot import name 'imsave' from 'scipy.misc' (D:\Users\wonde\anaconda3\envs\tf23\lib\site-packages\scipy\
2021-05-06 16:29:19
427
原创 anaconda 基本使用-(3) pip和conda操作,各种配置文件
anaconda的conda 源,pip源的配置文件修改conda 源命令行配置源查看源conda config --show-sources或者conda config --get channels例如conda config --add 键 值conda config --set 键 值conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/# 设置搜索时显示通道地址conda
2021-05-06 14:53:30
540
原创 anaconda 使用(0)-配置tensorflow-GPU环境
anaconda 安装tensorflow-gpu 全流程新建环境conda create -n tf15 python=3.7 ipykernel删除环境conda remove -n your_env_name(虚拟环境名称) --all添加环境内核kernelpython -m ipykernel install --name xxx你的环境对应内核名字如安装了nb_conda_kernel的同学可以省略添加环境内核这一步如果添加了环境内核kernel(不用nb_conda_
2021-05-06 14:52:56
171
原创 Prompt命令行窗口无法用鼠标选中窗口界面内的文字
关于cmd,anaconda prompt 命令行窗口无法用鼠标选中窗口界面内的文字在Prompt窗口顶端,右键,选择属性选中快速编辑模式即可.最好也把复制粘贴快捷键选上命令行窗口,选中文字后,鼠标右键点击一下即复制了,再点击一下即可粘贴...
2021-05-06 13:44:08
643
1
原创 模型结构可视化神器——Netron(支持tf, caffe, keras,mxnet等多种框架)
模型结构可视化神器——Netron(支持tf, caffe, keras,mxnet等多种框架)可视化模型结构的神奇工具：NetronNetron的github地址windows系统,下载一个.exe文件,安装,然后导入自己的模型,即可可视化各个层.目前支持的各种模型文件Netron supports ONNX (.onnx, .pb, .pbtxt), Keras (.h5, .keras), TensorFlow Lite (.tflite), Caffe (.caffemodel, .pro
2021-05-06 13:28:05
809
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人