摘要：
训练模型需要的数据文件有： MNIST_data文件夹下的mnist_train、mnist_test、noisy_train、noisy_test。train文件夹下60000个图片，test下10000个图片 noisy_train、noisy_test下的图片加了椒盐噪声与原图序号对应 离线测 阅读全文
摘要：
使用深度学习模型时当然希望可以保存下训练好的模型，需要的时候直接调用，不再重新训练 一、保存模型到本地 以mnist数据集下的AutoEncoder 去噪为例。添加： 这里的tensorboard和checkpoint分别是 1、启用tensorboard可视化工具，新建终端使用tensorboar 阅读全文
摘要：
第一种方法： Keras官方给的图片去噪示例要自动下载mnist数据集并处理，不能修改和加入自己的数据集。 以上代码实现了把mnist数据集读到x_train 和x_test 中并且丢弃标签，全过程是封闭的 现需要将本地的mnist数据集，解压成图片格式，然后通过文件操作把图片一个一个读进去同样存在 阅读全文
摘要：
一、先安装codeblocks wget http://dl.fedoraproject.org/pub/epel/7/x86_64/Packages/e/epel-release-7-12.noarch.rpm wget http://rpm.jenslody.de/centos-jenslody 阅读全文
摘要：
IPP的资料网上比较少，主要还是参考Inter官网和文档 官方文档ipps.pdf主要是对数据做处理，包括加减乘除、FFT、DFT等 文档ippi.pdf只要是对图像做处理，包括通道转换、图片处理等 IPP最新的几个版本删掉了生成图片的函数，所以使用IPP加速计算，然后再用opencv生成本地图片 阅读全文
摘要：
首先Inter官网申请和下载：https://software.intel.com/en-us/intel-ipp 需要VS2013或更高版本(先装vs再装IPP，我的版本是VS2015社区版，IPP版本是w_ipp_2018.4.274，Opencv3.4.6) 查看文档和示例 ：file:/// 阅读全文
摘要：
一、FFmpeg 测试环境Centos 发布端： ffmpeg -re -stream_loop -1 -i test.ts -vcodec copy -acodec copy -f rtp_mpegts rtp://127.0.0.1:9999 接收端： ffplay -protocol_whit 阅读全文
摘要：
下载包： wget https://ffmpeg.org/releases/ffmpeg-4.1.tar.gz GCC如果没有yasm： http://yasm.tortall.net/Download.html 下载yasm tar -zxvf yasm.tar.gz ./configure ma 阅读全文
摘要：
需要移植一个vs2008的项目到linux上，代码比较复杂，重新写比较困难，于是开始折腾 首先移植到codeblocks上，sprints_s这类的vs函数都要改，windows调用要改 编译通过 cmd上直接用gcc命令编译源码失败，很多报错 直接用codeblocks编译好的.o文件 gcc p 阅读全文
摘要：
准确率只有70%，cpu版本的TF居然跑了两天才跑完，其他方法将继续尝试。 生成数据目录： import numpy as np import os train_label = {} for i in range(10): search_path = './data/train/{}'.format 阅读全文
摘要：
一、cifar10数据集 （http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz）源格式是数据文件，因为训练需要转换成图片格式 转换代码： 注意文件路径改成自己的文件路径，train文件夹需要自己建，等待转换完成 二、mnist数据集的转化 1 阅读全文
摘要：
TensorFlow常用的示例一般都是生成模型和测试模型写在一起，每次更换测试数据都要重新训练，过于麻烦， 以下采用先生成并保存本地模型，然后后续程序调用测试。 示例一：线性回归预测 make.py import tensorflow as tf import numpy as np def tra 阅读全文
摘要：
首先编译程序 多加一个 -g c++ test.cpp -o a -Wall -g 执行时使用 gdb a 此时输入 l 显示所有的代码 l 输入b 加入断点到某一行（break） b 108 运行代码到断点处（run） r 此时输入s单步运行（step ） s 监视某一个变量值的变化 watch 阅读全文
摘要：
寒假趁机在家折腾一下黑苹果 笔记本配置：神船K610D I7 4600 ，其他配置思路一样，驱动要自己找 镜像和工具：OS X Yosemite 10.10.3 镜像 WIN10 TLSB 2016 镜像 Transmac-11-2-en-win.exe （Win系统下使用） Clover_v2.3 阅读全文
摘要：
Minist数据集：MNIST_data 包含四个数据文件 一、方法一：经典方法 tf.matmul(X,w)+b 准确率大约是92%，TFboard： 二、方法二：deep learning 卷积神经网络 准确率达到98%，Board： 三、第三种 使用minist数据集做图像去噪 使用了kera 阅读全文