08 2020 档案
摘要：实现前向传播，给物识图仅需三步： 复现模型 加载参数 预测结果 # 复现模型 mode = tf.keras.models.Sequential([ tf.keras.layers.Flatten(), tf.keras.layers.Dense(128, activation="relu"), t
阅读全文
摘要：断点续训，即在一次训练结束后，可以先将得到的最优训练参数保存起来，待到下次训练时，直接读取最优参数，在此基础上继续训练。 读取模型参数： 存储模型参数的文件格式为 ckpt（checkpoint）。 生成 ckpt 文件时，会同步生成索引表，所以可通过判断是否存在索引表来判断是否存在模型参数。 #
阅读全文
摘要：数据增强可以帮助扩展数据集。对图像的增强，就是对图像的简单形变，用来应对因拍照角度不同而引起的图片变形。 数据增强函数 image_gen_train = tf.keras.preprocessing.image.ImageDataGenerator( # 调整输入特征大小，每个输入特征将乘以该参数
阅读全文
摘要：在实际应用中，我们常常需要自制数据集，解决本领域应用，而数据通常是图片或文字，需要做格式转换，才能在训练时使用。 代码： import tensorflow as tf from PIL import Image import numpy as np import os # 训练用的输入特征和标签
阅读全文
摘要：FASHION 数据集一共有 7 万张图片，每张图片都是 28x28 像素点的灰度值数据，其中 6 万张用于训练，1 万张用于测试。 一共有 10 个分类： 0 T恤 1 裤子 2 帽头衫 3 连衣裙 4 外套 5 凉鞋 6 衬衫 7 运动鞋 8 包 9 靴子 f.keras + Sequentia
阅读全文
摘要：MNIST 数据集一共有 7 万张图片，都是 28x28 像素点的 0~9 手写数字，其中 6 万用于训练，1 万张用于测试。 f.keras + Sequential() 详解 代码： import tensorflow as tf # 读入训练所需的输入特征和标签 mnist = tf.kera
阅读全文
摘要：tf.keras + Sequential() 可以搭建出上层输入就是下层输出的顺序网络结构，但是无法写出一些带有跳连的非顺序网络结构。 这时候可以选择用类 class 搭建神经网络结构，即使用 class 类封装一个网络结构： ... class MyModel(Model): def __ini
阅读全文
摘要：tf.keras 是 tensorflow API，可以快速搭建神经网络模型。 六步： import 相关模块。 指定要喂入网络的训练集和测试集。 在 Sequential() 中搭建网络结构。 在 compile() 中配置训练方法。 在 fit() 中执行训练过程。 用 summary() 打印
阅读全文
摘要：神经网络的复杂度 1.空间复杂度 层数 = 隐藏层的层数 + 1个输出层 总参数 = 总w + 总b 2.时间复杂度 乘加运算次数 = 总w 指数衰减学习率 学习率lr表征了参数每次更新的幅度，设置过小，参数更新会很慢，设置过大，参数不容易收敛。 在实际应用中，可以先使用较大学习率，快速找到较优值，
阅读全文
摘要：主要步骤： 1.准备数据 数据集读入 数据集乱序 将数据集分为训练集和测试集 将输入特征和标签配对，每次喂入神经网络一小撮（batch） 2.搭建网络 定义神经网络中所有可训练参数 3.参数优化 反向传播，不断减少loss 4.测试效果 计算当前参数前向传播后的准确率 代码： import tens
阅读全文
摘要：强制类型转换 tf.cast() 计算张量最小值 tf.reduce_min() 计算张量最大值 tf.reduce_max() 返回行/列最大值的索引 tf.argmax() 计算张量沿行/列的平均值 tf.reduce_mean() 计算张量沿行/列的和 tf.reduce_sum() 声明可训
阅读全文
摘要：张量（tensor）：可以表示0阶到n阶的数组 0阶张量（标量）：单独的一个数 1阶张量（向量）：一维数组 2阶张量（矩阵）：二维数组 n阶张量（张量）：n维数组 tensorflow 中几种常见的数据类型： tf.int，tf.float tf.int32 tf.float32 tf.float6
阅读全文
摘要：当今人工智能主流方向 —— 连接主义，即仿脑神经元连接，实现感性思维，如神经网络。 神经网络的一般设计过程： 准备数据：采集大量“特征/标签”数据 搭建网络：搭建神经网络结构 优化参数：训练网络获取最佳参数（反向传播） 应用网络：将网络保存为模型，输入新数据，输出分类或预测结果（前向传播） 前向传播
阅读全文
摘要：1.缩放 代码： # 使用resize函数实现图片缩放 import cv2 src = cv2.imread("C:/360Downloads/1.jpg", 1) cv2.imshow("src", src) srcInfo = src.shape height = srcInfo[0] wid
阅读全文
摘要：神经网络有三层，输入层A，隐藏层B，输出层C，满足： A（10x1）*W1（1x10）+b1（1x10）=B（10x10） B（10x10）*W2（10x1）+b2（10x1）=C（10x1） 我们需要做的，便是通过多次训练（尝试不同 w、b 的值），找到合适的 w1w2、b1b2，使预测结果更接近
阅读全文
摘要：matplotlib 是 python 的绘图库，通过 matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。 1.绘制折线图和柱状图 代码： import numpy as np import matplotlib.pyplot as plt x
阅读全文
摘要：tensorflow 2.0 无法兼容 1.0 版本，所以需要加上一句 tf.compat.v1.disable_eager_execution()，以保障程序的正常运行。 在 tensorflow 2.0 中，变量初始化、声明会话 session 等函数均被定义在了 tensorflow.comp
阅读全文
摘要：图片在计算机中的存储形式为矩阵，故可通过 src [row, col] 的方式获取和修改相应位置上的像素值。 jpg 格式的彩色图片为三通道图片，分别为（blue， green， red），png 格式的图片为四通道图片，还有 alpha 通道，代表透明度。 1.在图片中画一条红色竖线 代码： im
阅读全文
摘要：将图片保存为 jpg 格式时，可实现有损压缩； 保存为 png 格式时，可实现无损压缩，同时还可以设置图片透明度。 原图片 1.保存为 jpg 格式 import cv2 src = cv2.imread("0.jpg",1) cv2.imwrite("saveImg.jpg",src,[cv2.I
阅读全文
摘要：说白了就是用 python 语言写 opencv 执行代码，写法大体跟 C++ 类似。 import cv2 src = cv2.imread("0.jpg",1) cv2.imshow("dst",src) cv2.waitKey(0)
阅读全文
