03 2019 档案
摘要：1，目录和前言 https://blog.csdn.net/itplus/article/details/37969519 2，预备知识：逻辑回归、贝叶斯公式、霍夫曼树 https://blog.csdn.net/itplus/article/details/37969635 3，背景知识：统计语言
阅读全文
摘要：https://realpython.com/python-speech-recognition/ The Ultimate Guide To Speech Recognition With Python by David Amos advanced data-science machine-lea
阅读全文
摘要：1，语音识别程序 https://blog.csdn.net/a18852867035/article/details/78565293 2，python语音识别指南终极版 https://blog.csdn.net/j2IaYU7Y/article/details/79878310 3，pytho
阅读全文
摘要：lane detection Paper 2019 2018 2017 Code Blog Dateset Paper 2019 《Robust Lane Detection from Continuous Driving Scenes Using Deep Neural Networks》 《En
阅读全文
摘要：0001， object-detection [TOC] This is a list of awesome articles about object detection. If you want to read the paper according to time, you can refer
阅读全文
摘要：A curated list of deep learning image classification papers and codes since 2014, Inspired by awesome-object-detection, deep_learning_object_detection
阅读全文
摘要：Semantic segmentation U-Net [https://arxiv.org/pdf/1505.04597.pdf] [2015] https://github.com/zhixuhao/unet [Keras] https://github.com/jocicmarko/ultra
阅读全文
摘要：【深度学习】目标检测算法总结（R-CNN、Fast R-CNN、Faster R-CNN、FPN、YOLO、SSD、RetinaNet） 目标检测是很多计算机视觉任务的基础，不论我们需要实现图像与文字的交互还是需要识别精细类别，它都提供了可靠的信息。本文对目标检测进行了整体回顾，第一部分从RCNN开
阅读全文
摘要：Object Detection with 10 lines of code Moses Olafenwa Jun 16, 2018 Moses Olafenwa Jun 16, 2018 Moses Olafenwa Jun 16, 2018 One of the important fields
阅读全文
摘要：基本知识 BOW，word2vector，glove cbow，skip-gram Hierarchical Softmax，Negative Sampling https://www.cnblogs.com/wkang/p/9611257.html https://www.cnblogs.com/
阅读全文
摘要：0000，标注工具 https://blog.csdn.net/chaipp0607/article/details/79036312 0001，概述 太优秀了，收藏用！转载自：https://www.cnblogs.com/Jie-Liang/archive/2017/06/29/6902375.
阅读全文
摘要：https://www.cnblogs.com/Determined22/p/6910277.html https://www.cnblogs.com/Determined22/p/6914926.html 原作者：Determined22
阅读全文
摘要：转自：https://blog.csdn.net/Chunfengyanyulove/article/details/86414810 简要概述文章精华 本篇文章主要解决了在目标检测中，检测框不是特别准，容易出现噪声干扰的问题，即close false positive，为什么会有这个问题呢？作者实
阅读全文
摘要：A,https://www.cnblogs.com/zhengzhe/p/7783270.html RCNN选择性搜索（Selective Search） RCNN选择性搜索（Selective Search） 基于： 1）图片大小 2）颜色 3）纹理 4）附件 算法一：分组分类算法 输入：（图层颜
阅读全文
摘要：https://blog.csdn.net/weixin_42398658/article/details/84639391 https://blog.csdn.net/qq_31050167/article/details/79161077 https://pan.baidu.com/s/1VQa
阅读全文
摘要：0001，常识1 计算机视觉的任务很多，有图像分类、目标检测、语义分割、实例分割和全景分割等，那它们的区别是什么呢？1、Image Classification（图像分类）图像分类（下图左）就是对图像判断出所属的分类，比如在学习分类中数据集有人（person）、羊（sheep）、狗（dog）和猫（c
阅读全文
摘要：1，原文：https://blog.csdn.net/u010725283/article/details/78593410 感受野（receptive field）被称作是CNN中最重要的概念之一。为什么要研究感受野呐？主要是因为在学习SSD，Faster RCNN框架时，其中prior box和
阅读全文
摘要：1,introduction Estimator 会封装下列操作： 训练 评估 预测 导出以供使用 预创建的 Estimator，也可以编写自定义 Estimator。所有 Estimator（无论是预创建的还是自定义）都是基于 tf.estimator.Estimator 类的类 2,Estima
阅读全文
摘要：1,tf-data两个新的抽象类 dataset表示一系列元素，其中每个元素包含一个或多个 Tensor 对象 创建来源（例如 Dataset.from_tensor_slices()），以通过一个或多个 tf.Tensor 对象构建数据集。 应用转换（例如 Dataset.batch()），以通过
阅读全文
摘要：1,Goodness An intuitive interface—Structure your code naturally and use Python data structures. Quickly iterate on small models and small data. Easier
阅读全文
摘要：1,Sequential model model = tf.keras.Sequential() # Adds a densely-connected layer with 64 units to the model:model.add(layers.Dense(64, activation='re
阅读全文
摘要：1，获取数据 imdb = keras.datasets.imdb(train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000) 2，查看处理变形数据 2.1，查看 print(train_
阅读全文
摘要：1，数据集下载 2，一系列数据检查 这一条特别 3，Create feature columns and input functions，特征列和输入函数 3.1，one-hot-encoding, normalization, and bucketization 3.2，数字型和分类型 fc =
阅读全文
摘要：1，机器学习的基本步骤 Import and parse the data sets. Select the type of model. Train the model. Evaluate the model's effectiveness. Use the trained model to ma
阅读全文
摘要：1，一般描述 we saw that the accuracy of our model on the validation data would peak after training for a number of epochs, and would then start decreasing.
阅读全文
摘要：1，tf.layers基础函数 conv2d(). Constructs a two-dimensional convolutional layer. Takes number of filters, filter kernel size, padding, and activation funct
阅读全文
摘要：1，以类的方式定义一个模型 class Model(object): def __init__(self): # Initialize variable to (5.0, 0.0) # In practice, these should be initialized to random values
阅读全文
摘要：1，share的内容 code to create the model, and the trained weights, or parameters, for the model 2，ways There are different ways to save TensorFlow models—d
阅读全文
摘要：1，dataset的方法 Dataset.make_one_shot_iterator() or get_next() 2，使用python的方法-当eager mode enabled时 print('Elements of ds_tensors:')for x in ds_tensors: pr
阅读全文
摘要：map, batch, shuffle
阅读全文
摘要：1，几种方法 Create a source dataset using one of the factory functions like Dataset.from_tensors, Dataset.from_tensor_slices or using objects that read fro
阅读全文
摘要：1，tensor的特点 Tensors can be backed by accelerator memory (like GPU, TPU). Tensors are immutable 2，双向转换 TensorFlow operations automatically convert NumP
阅读全文
摘要：1， def get_flat_weights(model): weight_names = [ name for name in model.get_variable_names() if "linear_model" in name and "Ftrl" not in name] weight_
阅读全文
摘要：1， model_l1 = tf.estimator.LinearClassifier( feature_columns=base_columns + crossed_columns, optimizer=tf.train.FtrlOptimizer( learning_rate=0.1, l1_r
阅读全文
摘要：1，数字类型的 education_num = tf.feature_column.numeric_column('education_num')capital_gain = tf.feature_column.numeric_column('capital_gain')capital_loss =
阅读全文
摘要：1，简单数pandas import pandas train_df = pandas.read_csv(train_file, header = None, names = census_dataset._CSV_COLUMNS)test_df = pandas.read_csv(test_fil
阅读全文
摘要：1,25张图片 plt.figure(figsize=(10,10)) for i in range(25): plt.subplot(5,5,i+1) //plt.subplot(a,b,i+1) a*b>=25 plt.xticks([]) plt.yticks([]) plt.grid(Fal
阅读全文
摘要：https://tensorflow.google.cn/tutorials/representation/word2vec 暂时我们使用 vanilla 定义，将“上下文”定义为目标字词左侧和右侧的字词窗口 通过噪声对比训练进行扩展 神经概率语言模型一直以来都使用最大似然率 (ML) 原则进行训练
阅读全文
