2017年11月8日
摘要: Docker,近两年才流行起来的超轻量级虚拟机,它可以让你轻松完成持续集成、自动交付、自动部署,并且实现开发环境、测试环境、运维环境三方环境的真正同步。本文从 Docker定义,作用,技术架构,安装和使用等全方位带你看懂 Docker。 Docker是啥? 打开翻译君输入 Docker结果显示码头工 阅读全文
posted @ 2017-11-08 15:28 jujua 阅读(496) 评论(0) 推荐(0) 编辑
  2017年11月3日
摘要: 前几天弄了下django的图片上传,上传之后还需要做些简单的处理,python中PIL模块就是专门用来做这个事情的。 于是照葫芦画瓢做了几个常用图片操作,在这里记录下,以便备用。 这里有个字体文件,大家可以在自己的系统中选取一个,我这打包放在网盘中 下载 一 图样 原始图片 操作一: 缩略图(通常不 阅读全文
posted @ 2017-11-03 09:27 jujua 阅读(1819) 评论(0) 推荐(0) 编辑
  2017年11月2日
摘要: 最新上传的mcnn中有完整的数据读写示例,可以参考。 关于Tensorflow读取数据,官网给出了三种方法: 供给数据(Feeding): 在TensorFlow程序运行的每一步, 让Python代码来供给数据。 从文件读取数据: 在TensorFlow图的起始, 让一个输入管线从文件中读取数据。 阅读全文
posted @ 2017-11-02 17:26 jujua 阅读(2329) 评论(0) 推荐(0) 编辑
摘要: 很多正在入门或刚入门TensorFlow机器学习的同学希望能够通过自己指定图片源对模型进行训练,然后识别和分类自己指定的图片。但是,在TensorFlow官方入门教程中,并无明确给出如何把自定义数据输入训练模型的方法。现在,我们就参考官方入门课程《Deep MNIST for Experts》一节的 阅读全文
posted @ 2017-11-02 17:24 jujua 阅读(6148) 评论(1) 推荐(1) 编辑
摘要: 在TensorFlow的官方入门课程中,多次用到mnist数据集。 mnist数据集是一个数字手写体图片库,但它的存储格式并非常见的图片格式,所有的图片都集中保存在四个扩展名为idx3-ubyte的二进制文件。 如果我们想要知道大名鼎鼎的mnist手写体数字都长什么样子,就需要从mnist数据集中导 阅读全文
posted @ 2017-11-02 17:22 jujua 阅读(3212) 评论(0) 推荐(0) 编辑
摘要: TensorFlow是一种符号编程框架(与theano类似),先构建数据流图再输入数据进行模型训练。Tensorflow支持很多种样例输入的方式。最容易的是使用placeholder,但这需要手动传递numpy.array类型的数据。第二种方法就是使用二进制文件和输入队列的组合形式。这种方式不仅节省 阅读全文
posted @ 2017-11-02 11:31 jujua 阅读(632) 评论(0) 推荐(0) 编辑
摘要: AlexNet(Alex Krizhevsky,ILSVRC2012冠军)适合做图像分类。层自左向右、自上向下读取,关联层分为一组,高度、宽度减小,深度增加。深度增加减少网络计算量。 训练模型数据集 Stanford计算机视觉站点Stanford Dogs http://vision.stanfor 阅读全文
posted @ 2017-11-02 11:17 jujua 阅读(1553) 评论(0) 推荐(0) 编辑
摘要: 一、前言 本文主要尝试将自己的数据集制作成lmdb格式,送进lenet作训练和测试,参考了http://blog.csdn.net/liuweizj12/article/details/52149743和http://blog.csdn.net/xiaoxiao_huitailang/article 阅读全文
posted @ 2017-11-02 10:11 jujua 阅读(3007) 评论(0) 推荐(0) 编辑
  2017年10月29日
摘要: 贴一张自己画的思维导图 数据集准备 kaggle猫狗大战数据集(训练),微软的不需要FQ 12500张cat 12500张dog 生成图片路径和标签的List step1:获取D:/Study/Python/Projects/Cats_vs_Dogs/data/Cat下所有的猫图路径名,存放到cat 阅读全文
posted @ 2017-10-29 17:05 jujua 阅读(13671) 评论(4) 推荐(0) 编辑
  2017年10月16日
摘要: Face Recognition软件包 这是世界上最简单的人脸识别库了。你可以通过Python引用或者命令行的形式使用它,来管理和识别人脸。 该软件包使用dlib中最先进的人脸识别深度学习算法,使得识别准确率在《Labled Faces in the world》测试基准下达到了99.38%。 它同 阅读全文
posted @ 2017-10-16 17:20 jujua 阅读(103989) 评论(0) 推荐(3) 编辑