摘要：
主要还是对比一下非RNN和RNN处理序列问题的时间准确率的差别,但是因为数据的处理不同的关系下，我得出的正确率的曲线却得到了两个基本上不相同的曲线，并且在网络结构都是普通的全连接的神经网络的基础下得到的，看看第一种（低正确率的版本） import torch import torch.nn as n 阅读全文
摘要：
上面的就是googlenet的网络结构,这个网络结构是2014年由Google团队提出的,下面看看怎么实现: 代码在下面: import torch import torch.nn as nn import torch.nn.functional as F import matplotlib.pyl 阅读全文
摘要：
【Note1】先看看QT版本的界面,大概思路是利用QMap创建的数据结构进行用户和密码的存储，然后注册的时候进行插入，查找采用find函数进行判断是否登陆成功，两个界面的ui如下： 【1】基本窗口的布局： widget.ui 【2】注册窗口的布局：add.ui 看看代码的实现 widget.h #i 阅读全文
摘要：
【Note1】先看看高斯模糊实现的本质： 其中r是模糊半径,也就是你的模板中心到模板的两侧的距离， 其中m和n代表你的卷积模板的大小,利用上面的公式的到高斯卷积模板。然后对图像进行卷积，模板越大，处理速度偏慢，而且边缘得不到处理的地方就会越来越多，下面看代码的实现 #include<iostream 阅读全文
摘要：
【Define】图像的二值化就是在一定范围内突出图像的一些信息，让不太黑的或者不太白的变得更白（对于单通道而言），其他通道也可以根据这样的不同进行实现 其中A和B是像素的取值范围，当然，这个分段函数的R(T)也是可以进行改变的，下面看看两种代码的实现： 【c++】: #include<iostrea 阅读全文
摘要：
【目的】：图像掩膜的目的很单纯，亮的地方变亮一些，暗的地方变暗一些，公式如下 其实这个公式没什么意思，如果你有好的idea也可以，我们每次定位到中心5的那个地方，乘上5倍，然后减掉周围的像素值，举一个例子，中心是10，上下左右分别是20，30，40，50，你应用公式之后得到的是一个负值，这个时候有一 阅读全文