- 博客(49)
- 收藏
- 关注
RSS订阅转载 opencv的颜色通道顺序为[B,G,R]，matplotlib的颜色通道顺序为[R,G,B]
python读取图像原图:import cv2 # 利用opencv读取图像import numpy as np# 利用matplotlib显示图像import matplotlib.pyplot as pltimg = cv2.imread("./lena.png") #读取图像# 显示图像plt.imshow(img)plt.axis('off')pl...
2019-05-01 16:15:35
5201
转载 visual studio 2017，OpenGL程序运行提示glut32.dll丢失问题的解决方案
转自：http://blog.csdn.net/liufeng520/article/details/8064170 我的问题和以上一模一样，所以记录下来以供后续查看和查找。 今天调试OpenGl的源程序，编译通过，但一运行就提示，计算机丢失 glut32.dll文件，郁闷的不行，上网查了下，网上提供的绝大多是做法都是，先下载这个文件复制这个文件到 C:\WINDOWS\sys...
2019-02-18 21:14:04
1386
1
原创 keras, CNN, mnist手写数字识别，实例
import numpy as npfrom keras.datasets import mnistfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers import Dense,Dropout,Convolution2D,MaxPooling2D,Flattenfrom...
2019-02-17 18:37:49
510
原创 keras，FCN，mnist手写数字识别，实例，添加隐藏层，添加正则化L2，防止过拟合
正则化（Regularization）L1和L2正则都是比较常见和常用的正则化项，都可以达到防止过拟合的效果。L1正则化的解具有稀疏性，可用于特征选择。L2正则化的解都比较小，抗扰动能力强。在求解过程中，L2通常倾向让权值尽可能小，最后构造一个所有参数都比较小的模型。因为一般认为参数值小的模型比较简单，能适应不同的数据集，也在一定程度上避免了过拟合现象。参数足够小，数据偏移得多一点也不会对结果...
2019-02-17 17:24:42
1750
1
原创 keras，FCN，mnist手写数字识别，实例，添加隐藏层，添加Dropout，防止过拟合
import numpy as npfrom keras.datasets import mnistfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers import Dense,Dropoutfrom keras.optimizers import SGD#载入数据...
2019-02-17 17:06:23
1331
转载 keras.preprocessing.image.ImageDataGenerator（）图片生成函数
keras.preprocessing.image.ImageDataGenerator(featurewise_center=False, samplewise_center=False, featurewise_std_normalization = False, samplewise_std_normalization = False, zca_whiteni...
2019-02-16 22:20:43
1812
1
原创 keras，mnist手写数字识别，实例
import numpy as npfrom keras.datasets import mnistfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers import Densefrom keras.optimizers import SGD#载入数据(x_trai...
2019-02-16 18:54:04
243
原创 keras非线性回归，实例，两种加激活函数的方式
import kerasimport numpy as npimport matplotlib.pyplot as plt#Sequential 按顺序构成的模型from keras.models import Sequential#Sequential是模型结构，输入层，隐藏层，输出层#Dense 全连接层,Activation激活函数from keras.layers impor...
2019-02-16 17:56:42
3871
原创 keras线性回归，实例
import kerasimport numpy as npimport matplotlib.pyplot as plt#Sequential 按顺序构成的模型from keras.models import Sequential#Sequential是模型结构，输入层，隐藏层，输出层#Dense 全连接层from keras.layers import Dense#使用num...
2019-02-16 16:45:16
732
原创 循环神经网络RNN，实例
import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#载入数据集mnist=input_data.read_data_sets('mnist_data',one_hot=True)#输入图片是28*28n_inputs=28#输入一行，一行有28个数据。输入层有28个神经元...
2019-02-11 21:20:39
534
原创 循环神经网络RNN原理
循环神经网络RNN主要用于语音识别，机器翻译，图像描述等。语音和文字不能单独拿出来处理，必须连起来处理，所以RNN适用。1、传统的神经网络，x1和x2和x3和x4之间是没有联系的。 2、循环神经网络RNN，多了一个回路，每项之间都有联系 经过改进变成LSTM（Long Short Term Memory） 这是RNN循环神经网络中隐藏层...
2019-02-11 17:50:29
838
原创 卷积神经网络CNN，mnist实例
import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist=input_data.read_data_sets('mnist_data',one_hot=True)#每个批次的大小，训练模型时，一次放入一批次batch_size=100 #一批次100张图#计算一共有多...
2019-02-10 23:10:20
325
原创 卷积神经网络CNN原理介绍
1、卷积神经网络CNN通过感受野和权值共享减少了神经网络需要训练的参数个数。 2、图像与卷积核作用，得到特征图。卷积核有多样，可以理解成是滤波器 3、池化。 最大值池化，平均值池化，随机值池化。 一般在卷积层后会加一个池化层操作。 4、对于卷积操作：same padding，为了在卷积后得到与原平面相同大小的特征图，在卷积操作之前给原平...
2019-02-10 23:07:26
258
原创 tensorflow基础知识10，三维可视化embedding
import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datafrom tensorflow.contrib.tensorboard.plugins import projector #导入一个projector的包#载入数据集mnist=input_data.read_data_set...
2019-02-10 01:06:18
1339
原创 python基础知识2，文件夹路径引用的正确方式
f = open('f:\\Python 3.6\\test.txt','r') 或：f = open('f:/Python 3.6/test.txt','r')
2019-02-09 21:12:16
1033
原创 tensorflow基础知识9，tensorboard网络运行中各种数据显示
import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#载入数据mnist=input_data.read_data_sets('mnist_data',one_hot=True)#noe_hot把像素点都转变成0或1的形式#每个批次的大小，训练模型时，一次放入一批次bat...
2019-02-08 19:26:49
611
原创 tensorflow基础知识8，可视化工具tensorboard运用实例
1、修改之前的mnist程序，利用tensorboard显示算法图形，桃色字体为tensorboard部分import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#载入数据mnist=input_data.read_data_sets('mnist_data',one_hot=T...
2019-02-08 18:10:18
238
原创 tensorflow基础知识7，优化器
1、梯度下降法（1）标准梯度下降法： 标准梯度下降先计算所有样本汇总误差，然后根据总误差来更新权值。（2）随机梯度下降法： 随机梯度下降随机抽取一个样本来计算误差，然后更新权值。 （3）批量梯度下降法： 批量梯度下降算是一种折中的方案，从总样本中选取一个批次（比如一共有10000个样本，随机选取100个样本作为一个bat...
2019-02-07 22:45:13
161
原创 tensorflow基础知识6，防止过拟合，dropout
防止过拟合，用dropout（）函数，取值0-1.0，表示多少比例的神经元在工作。1、以下是100%的神经元在工作，出现过拟合现象。import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#载入数据mnist=input_data.read_data_sets('mnist_...
2019-02-07 19:34:49
501
原创 python深度知识5，手写字分类实例改进，用交叉熵代价函数替代二次代价函数
import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#载入数据mnist=input_data.read_data_sets('mnist_data',one_hot=True)#noe_hot把像素点都转变成0或1的形式#每个批次的大小，训练模型时，一次放入一批次batc...
2019-02-07 13:33:08
242
原创 tensorflow基础知识4, 优化器的搭配函数，二次代价函数、交叉熵代价函数、对数释然代价函数
1、二次代价函数（quadratic cost） 假设我们目标是收敛到1，A点为0.82离目标比较远，梯度比较大，权值调整比较大。B点为0.98，离目标比较近，梯度比较小，权值调整比较小，调整方案合理。假设我们目标是收敛到0，A点为0.82离目标比较近，梯度比较大，权值调整比较大。B点为0.98，离目标比较远，梯度比较小，权值调整比较小，调整方案不合理。 ...
2019-02-07 13:21:26
624
原创 python深度知识4，手写字分类理论与实例
1、 softmax函数 2、import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#载入数据mnist=input_data.read_data_sets('mnist_da...
2019-02-02 00:07:33
273
原创 tensorflow基础知识3，回归例子
1、线性回归例子import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt#使用numpy生成200个随机点x_data=np.linspace(-0.5,0.5,2000)[:,np.newaxis]#在-0.5到0.5之间生成200个随机数,[]里是增加一个维度，200行1列noise=np...
2019-02-01 19:18:12
189
原创 tensorflow基础知识2，fetch，feed，线性拟合实例
1、tensorflow中的fetch ，同时运行多个op操作，得到多个结果import tensorflow as tf#fetch同时运行多个op操作，得到多个结果input1=tf.constant(3.0)input2=tf.constant(2.0)input3=tf.constant(5.0)add=tf.add(input2,input3)mul=tf.multi...
2019-01-31 17:09:31
188
原创 tensorflow基本知识1
1、使用图（graphs）表示计算任务。在被称之为会话（session）的上下文（context）中执行图使用tensor表示数据通过变量（variable）维护状态使用feed和fetch可以为任意的操作赋值或者从其中获取数据 2、tensorflow是一个编程系统，使用图（graphs）来表示计算任务，图（graphs）中的节点称之为op（operation），一个op...
2019-01-30 23:51:27
124
原创 npz、npy文件生成与读取
在Numpy中提供了多种文件操作函数，我们可以通过这些文件操作函数，快速地对numpy数组进行存取，十分方便。下面介绍如何生成和读取npz、npy文件1、np.save（）函数可以存储一个np.array（）数组，并生成npy文件（1）生成一个数组import numpy as npa = np.random.rand(3, 3)print(a)# 输出：[[0...
2019-01-28 19:57:11
12307
1
转载 Keras数据增强ImageDataGenerator
在实际训练自己的网络模型时,基本都会遇到数据不够的难题.Keras.preprocessing.imgae.ImageDataGenerator图片生成器,可以批量生成数据,防止模型过拟合并提高泛化能力.使用方法如下:#coding:utf-8from keras.preprocessing.image import ImageDataGenerator,load_img,img_t...
2019-01-28 15:44:53
2062
原创 python深度知识3
1、numpy.mean（）函数，求均值mean()函数功能：求取均值经常操作的参数为axis，以m * n矩阵举例：axis 不设置值，对 m*n 个数求均值，返回一个实数axis = 0：压缩行，对各列求均值，返回 1* n 矩阵axis =1 ：压缩列，对各行求均值，返回 m *1 矩阵举例：>>> import numpy as np>...
2019-01-25 21:18:32
155
原创 python深度知识2
1、在给数组赋初始值的时候，经常会用到0数组，而Python中，我们使用zero（）函数来实现。ones函数可以创建任意维度和元素个数的数组，其元素值均为1；empty一样，只是它所常见的数组内所有元素均为空，没有实际意义，所以它也是创建数组最快的方法。 创建一个一维数组时，只需要一个参数就可以了，代表数组长度。 在默认的情况下，zeros创建的数组元素类型是浮点型的，如...
2019-01-25 17:00:00
193
转载 关于SimpleITK
随着最近几大肺部图像处理相关的竞赛的推出，如LUNA16、Kaggle Data Science Bowl，AI领域的科研人员对肺部CT图像变得越来越熟悉，尤其是DICOM序列，以及这些竞赛官方所提供的mhd数据格式。ITK是一个功能很强大的医学图像处理公开库，搭配VTK用以显示图像，可以实现几乎所有医学图像处理的功能需要。ITK通常以C++包进行提供，当然也可以自己编译为Python包，不过...
2019-01-22 20:13:15
8136
4
原创 keras---python的深度学习库
在开始深度学习项目之前，选择一个合适的框架是非常重要的，因为选择一个合适的框架能起到事半功倍的作用。研究者们使用各种不同的框架来达到他们的研究目的，侧面印证出深度学习领域百花齐放。全世界最为流行的深度学习框架有PaddlePaddle、Tensorflow、Caffe、Theano、MXNet、Torch和PyTorch。 Keras是一个高层神经网络...
2019-01-20 20:49:18
1038
原创 python深度知识1
1、 from __future__ import division, print_function在开头加上from __future__ import print_function这句之后，即使在python2.X，使用print就得像python3.X那样加括号使用。python2.X中print不需要括号，而在python3.X中则需要。# python2.7 print "H...
2019-01-20 14:43:11
213
转载 仿射变换和弹性变换
仿射变换 相当于对于图像做了一个平移、旋转、放缩、剪切、对称。与刚体变换相同的是，可以保持线点之间的平行和共线关系。即 原来平行的直线变化后还是平行的。但是和刚体变换不同的是线段之间的长度会发生变化。 在python中用opencv实现： 由于变换矩阵的确定太过复杂，所以会采用3点去定法。即给出3个点在原图和变换后图像的位置，返回一个变换矩阵。pts1和pts2是3个点的li...
2019-01-19 19:13:39
3070
原创 安装SimpleITK
python利用SimpleITK 来读取DICOM文件在命令中输入：python -m pip install SimpleITK
2019-01-18 16:43:55
3469
转载 反向传播算法
深度神经网络如CNN、FCN等结构中包含两类参数：超参数和可调整参数。 其中超参数指需要预先设定的初始化参数，如网络层数、激活函数、卷积核大小等等。 可调整参数指的是在模型训练过程中被不断调整的参数，主要指隐藏层的权重和偏置项等，可调整参数直接决定了模型输出结果的精度。因此深度神经网络模型训练的目的是为了得到最佳的模型参数组合，最常用的模型训练方法是反响传播算法（Back Propa...
2019-01-16 23:42:23
8852
1
原创 U-Net模型
U-Net模型是一种改进的FCN结构，因其结构经论文作者画出来形似字母U而得名，应用于医学图像的语义分割。它由左半边的压缩通道（Contracting Path）和右半边扩展通道（Expansive Path）组成。压缩通道是典型的卷积神经网络结构，它重复采用2个卷积层和1个最大池化层的结构，每进行一次池化操作后特征图的维数就增加1倍。在扩展通道，先进行1次反卷积操作，使特征图的维...
2019-01-16 16:07:45
13421
2
原创 FCN全卷积神经网络
FCN是在CNN基础上的发展和延申。CNN的强大之处在于它的多层神经网络结构能够自动学习影像的深层次特征。同时CNN的局部感知、权值共享、下采样的特点，是学习到的特征具有平移、旋转、缩放不变性，这保证了网络结构能够适应不同形态的二维图像，更重要的是，它能够学习影像中由于拍摄角度不同、尺度不同等原因造成的地物不同形态的特征，有利于提高影像的分类i精度。然而CNN的下采样会降低影像分辨率，丢...
2019-01-15 16:20:25
5531
原创 CNN卷积神经网络2
卷积层 卷积层是CNN的最核心部分，它是利用卷积核对上一层得到的特征图进行卷积运算并产生相应输出的网络层。卷积运算的作用就是提取图像的特征，利用不同的卷积核提取图像不同的特征。见下图，其输入图像为3*3大小的图像，通常边界填充（Padding）补0得到一个5*5大小的图像。从图像的左上角开始，用一个3*3的卷积核（Kernel Size）以步距（Stride）为1在原图中从左至右、...
2019-01-14 21:43:21
714
原创 CNN卷积神经网络1
CNN卷积神经网络，包括卷积层、池化层、全连接层，其中卷积层和池化层的作用是提取信号的深层特性，全连接层是的作用是实现分类。CNN采用局部感知，权值共享和下采样的方式，一面减少使用参数量使网络易于优化，另一方面提高网络训练性能，提升分类效果。 CNN的结构与原理：CNN是针对二维图像处理的复杂神经网络结构，与普通神经网络相比，它包含了卷积层和池化层。 ...
2019-01-14 19:24:49
214
原创 关于U-Net笔记一
U-Net 是卷积神经网络的一种变形，对医学影像进行分割（segmentation）。因其结构经论文作者画出来形似字母U而得名。 U-Net利用数据增强可以对一些比较少样本的数据进行训练，适用于医学影像。数据增强可用弹性变换方法，把原图做了弹性变形，相当与扩大了数据集。 U-Net 采用的是包含下采样和上采样的网络结构。下采样用来逐渐展现环境信息，上采样的过...
2019-01-13 15:29:35
487
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