4 青鸠

尚未进行身份认证

我要认证

暂无相关简介

等级
TA的排名 18w+

YOLOv1~v4入门

一、开山之作:YOLOv11.1 简介在YOLOv1提出之前,R-CNN系列算法在目标检测领域独占鳌头。R-CNN系列检测精度高,但是由于其网络结构是双阶段(two-stage)的特点,使得它的检测速度不能满足实时性,饱受诟病。为了打破这一僵局,设计一种速度更快的目标检测器是大势所趋。2016年,Joseph Redmon、Santosh Divvala、Ross Girshick等人提出了一种单阶段(one-stage)的目标检测网络。它的检测速度非常快,每秒可以处理45帧图片,能够轻松地实时运行。

2020-09-22 14:34:33

neo4j 基础知识补充(1):一例入门neo4j

neo4j基础知识补充(1)前言今天,我们来聊一聊知识图谱中的Neo4J。首先,什么是知识图谱?先摘一段百度百科: 知识图谱(Knowledge Graph),在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用 可视化技术描述知识资源及其载体,挖掘、分析、 构建、绘制和显示知识及它们之间的相互联系。 知识图谱是通过将应用数学、 图形学、信息可视化技术、 信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核

2020-09-08 10:22:48

深度学习分类任务(6):TF2.0基于fashion数据集的DenseNet神经网络搭建

TF2.0基于fashion数据集的DenseNet神经网络搭建

2020-08-29 21:04:14

Oracle数据库常用操作总结

Oracle数据库总结ORACLE数据库系统是美国ORACLE公司(甲骨文)提供的以分布式数据库为核心的一组软件产品,是目前最流行的客户/服务器(CLIENT/SERVER)或B/S体系结构的数据库之一。一般用于大型企业,具有数据安全性强和稳定性强的特点。1、基础知识总结:1.1、创建表空间:create tablespace Jss -- Jss是表空间的名字datafile 'F:\dataspace\jss.dbf' -- 表空间文件的路径size 20M

2020-08-25 17:03:08

深度学习分类任务(5):TF2.0基于fashion数据集的ResNet神经网络搭建

TF2.0基于fashion数据集的ResNet神经网络搭建1、ResNet简介随着网络的加深,出现了训练集准确率下降的现象,我们可以确定这不是由于Overfit过拟合造成的(过拟合的情况训练集应该准确率很高)。传统的卷积网络或者全连接网络在信息传递的时候或多或少会存在信息丢失,损耗等问题,同时还有导致梯度消失或者梯度爆炸,阻碍网络收敛,导致很深的网络无法训练。ResNet(Residual Neural Network)由微软研究院的Kaiming He等四名华人提出,通过使用ResNet Unit

2020-08-20 17:11:57

深度学习分类任务(4):TF2.0基于fashion数据集的GoogLeNet神经网络搭建

TF2.0基于fashion数据集的GoogLeNet神经网络搭建1、GoogLeNet简介2014年,GoogLeNet和VGG是当年ImageNet挑战赛(ILSVRC14)的双雄,GoogLeNet获得了第一名、VGG获得了第二名,这两类模型结构的共同特点是层次更深了。VGG继承了LeNet以及AlexNet的一些框架结构(详见 大话CNN经典模型:VGGNet),而GoogLeNet则做了更加大胆的网络结构尝试,虽然深度只有22层,但大小却比AlexNet和VGG小很多,GoogleNet参数

2020-08-18 11:28:40

深度学习分类任务(3):TF2.0基于fashion数据集的VGG16神经网络搭建

TF2.0基于fashion数据集的VGG16神经网络搭建1、VGG16简介VGG是由Simonyan 和Zisserman在文献《Very Deep Convolutional Networks for Large Scale Image Recognition》中提出卷积神经网络模型,其名称来源于作者所在的牛津大学视觉几何组(Visual Geometry Group)的缩写。该模型参加2014年的 ImageNet图像分类与定位挑战赛,取得了优异成绩:在分类任务上排名第二,在定位任务上排名第一。

2020-08-11 10:17:07

深度学习分类任务(2):TF2.0基于fashion数据集的AlexNet神经网络搭建

TF2.0基于fashion数据集的AlexNet神经网络搭建1、AlexNet模型简介这张图片本来上半部分就没有,论文中就是给的这个图。然后之所以用的上下两半一样的结构,是因为他们当时用的GPU计算力有限,所以用了两块GPU:GTX 580。现在都是2020年了,你笔记本上的GPU估计都是GTX1080了,所以下面讲的时候就当作是只用的一个GPU来分析。AlexNet共有八层,有60M以上的参数量。前五层为卷积层:convolutional layer;后三层为全连接层,fully conn

2020-08-10 10:17:18

深度学习分类任务(1):TF2.0基于fashion数据集的LeNet神经网络搭建

TF2.0基于fashion-mnist数据集的LeNet神经网络搭建1、Fashion数据集简介不同于mnist手写字数据集那么简单,Fashion——mnist数据集包含了10个类别的图像,分别是:t-shirt(T恤),trouser(牛仔裤),pullover(套衫),dress(裙子),coat(外套),sandal(凉鞋),shirt(衬衫),sneaker(运动鞋),bag(包),ankle boot(短靴)。数据及已经被集成在keras中,通过tf.keras.datasets.fash

2020-08-07 10:31:11

Neo4j图数据库的Cypher 语句总结

Cypher 语句总结Cypher语言的关键字不区分大小写,但是属性值,标签,关系类型和变量是区分大小写的。Neo4j中不存在表的概念,只有标签(labels),节点(Node),关联(Relation),路径(path),标签里存的节点,节点和关联可以简单理解为图里面的点和边,路径是用节点和关联表示的如:(a)-[r]->(b),表示一条从节点a经关联r到节点b的路径。在数据查询中,节点一般用小括号(),关联用中括号[]。1、节点的创建和查询注意:执行多条cypher语句时,语句之间用分号

2020-08-06 13:18:34

tensorflow2.0基础(10)——使用tensorflow-serving部署模型

使用tensorflow-serving部署模型TensorFlow训练好的模型以tensorflow原生方式保存成protobuf文件后可以用许多方式部署运行。例如:通过 tensorflow-js 可以用javascrip脚本加载模型并在浏览器中运行模型。通过 tensorflow-lite 可以在移动和嵌入式设备上加载并运行TensorFlow模型。通过 tensorflow-serving 可以加载模型后提供网络接口API服务,通过任意编程语言发送网络请求都可以获取模型预测结果。通过 te

2020-08-05 13:42:42

tensorflow2.0基础(9)——模型的层layers

模型的层layers深度学习模型一般由各种模型层组合而成。tf.keras.layers内置了非常丰富的各种功能的模型层。例如,layers.Dense,layers.Flatten,layers.Input,layers.DenseFeature,layers.Dropoutlayers.Conv2D,layers.MaxPooling2D,layers.Conv1Dlayers.Embedding,layers.GRU,layers.LSTM,layers.Bidirectional等等。如

2020-08-04 11:28:24

tensorflow2.0基础(8)——评估函数及回调函数

评估函数及回调函数

2020-08-03 11:34:59

tensorflow2.0基础(7)——损失函数,优化器

损失函数,优化器,评估函数及回调函数

2020-07-31 17:30:14

MySQL基础知识总结——这一篇就够了

一、MySQL概述1、什么是数据库 ? 答:数据的仓库,如:在ATM的示例中我们创建了一个 db 目录,称其为数据库2、什么是 MySQL、Oracle、SQLite、Access、MS SQL Server等 ? 答:他们均是一个软件,都有两个主要的功能:a. 将数据保存到文件或内存b. 接收特定的命令,然后对文件进行相应的操作3、什么是SQL ? 答:MySQL等软件可以接受命令,并做出相应的操作,由于命令中可以包含删除文件、获取文件内容等众多操作,对于编写的命令就是是SQL语句。二、

2020-07-30 18:09:55

tensorflow2.0基础(6)——模型的训练

模型训练的方式有三种:内置fit方法,内置train_on_batch方法,自定义训练循环。注:fit_generator方法在tf.keras中不推荐使用,其功能已经被fit包含。import numpy as np import pandas as pd import tensorflow as tffrom tensorflow.keras import * #打印时间分割线@tf.functiondef printbar(): ts = tf.timestamp()

2020-07-30 13:53:00

tensorflow2.0基础(5)——模型的构建

构建模型的三种方法构建模型有三种方法:使用Sequential按层顺序构建模型,使用函数式API构建任意结构模型,继承Model基类构建自定义模型。对于顺序结构的模型,优先使用Sequential方法构建。如果模型有多输入或者多输出,或者模型需要共享权重,或者模型具有残差连接等非顺序结构,推荐使用函数式API进行创建。如果无特定必要,尽可能避免使用Model子类化的方式构建模型,这种方式提供了极大的灵活性,但也有更大的概率出错。下面以IMDB电影评论的分类问题为例,演示3种创建模型的方法。imp

2020-07-29 15:24:00

tensorflow2.0基础(4)——数据集的加载

数据管道Dataset如果需要训练的数据大小不大,例如不到1G,那么可以直接全部读入内存中进行训练,这样一般效率最高。但如果需要训练的数据很大,例如超过10G,无法一次载入内存,那么通常需要在训练的过程中分批逐渐读入。使用 tf.data API 可以构建数据输入管道,轻松处理大量的数据,不同的数据格式,以及不同的数据转换。1,构建数据管道可以从 Numpy array, Pandas DataFrame, Python generator, csv文件, 文本文件, 文件路径, tfrecord

2020-07-28 14:13:50

tensorflow2.0基础(3)——图片数据的常用训练步骤

图片数据的常用训练步骤由于mnist数据集的别捷性,在讲解原理性的知识时,是首选的数据集。本文整理了一个模型从数据及准备到训练的完整步骤,可以作为模板使用。一、数据集的加载这一步是将数据标注工具标注完的数据加载到内存的过程,关于数据标注的具体内容请参考 深度学习,先学会制作自己的数据集由于是深度学习的起步阶段,我们先简单试用一下mnist数据集。from __future__ import absolute_import, division, print_function, unicode_li

2020-07-27 13:34:52

tensorflow2.0基础(2)——张量的数学运算

张量的数学运算张量数学运算主要有:标量运算,向量运算,矩阵运算,张量运算采用的广播机制。张量的数学运算符可以分为标量运算符、向量运算符、以及矩阵运算符。加减乘除乘方,以及三角函数,指数,对数等常见函数,逻辑比较运算符等都是标量运算符。标量运算符的特点是对张量实施逐元素运算。有些标量运算符对常用的数学运算符进行了重载。并且支持类似numpy的广播特性。许多标量运算符都在 tf.math模块下。一、标量运算import tensorflow as tfimport numpy as npa

2020-07-24 11:42:25

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Lv3
    勤写标兵Lv3
    授予每个自然周发布7篇到8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。
  • 分享学徒
    分享学徒
    成功上传1个资源即可获取