对opencv读取的图片进行像素调整(1080, 1920) 1.cv2.VideoCapture(构造图片读取) 2.cv2.nameWindow(构建视频显示的窗口) 3.cv2.setWindowProperty(设置图片窗口的像素) 4.video_capture(对图片像素进行设置)
摘要：1. cv2.VideoCapture(0) #构建视频抓捕器 参数说明：0表示需要启动的摄像头，这里也可以写视频的路径 2. cv2.nameWindow(name, cv2.WINDOW_NORMAL) # 构建视频的窗口 参数说明: 表示窗口的名字, cv2.WINDOW_NORMAL表示窗口
阅读全文
posted @
2019-09-04 10:38
python我的最爱
阅读(4267)
推荐(0) 编辑
使用data_flow_ops构造batch数据集
摘要：1. tf.unstack(number, axis=0) 表示对数据进行拆分 对数据进行合理的解读
阅读全文
posted @
2019-08-20 22:54
python我的最爱
阅读(801)
推荐(0) 编辑
使用多块GPU进行训练 1.slim.arg_scope(对于同等类型使用相同操作) 2.tf.name_scope(定义名字的范围) 3.tf.get_variable_scope().reuse_variable(参数的复用) 4.tf.py_func(构造函数)
摘要：1. slim.arg_scope(函数, 传参) # 对于同类的函数操作，都传入相同的参数 2. tf.name_scope('tower') 对范围内的操作都添加上该操作名 3. tf.get_variable_scope.reuse_variable() 对于相同的操作传入使用同一个网络结构，
阅读全文
posted @
2019-08-15 15:41
python我的最爱
阅读(503)
推荐(0) 编辑
使用多个梯度下降的方式进行测试，同时使用ops.apply_gradient进行梯度的下降
摘要：1. ops = tf.train.GradientDescentOptimizer(learning_rate) 构建优化器 参数说明：learning_rate 表示输入的学习率 2.ops.compute_gradients(loss, tf.train_variables(), coloca
阅读全文
posted @
2019-08-14 19:57
python我的最爱
阅读(1252)
推荐(0) 编辑
使用KFold进行训练集和验证集的拆分，使用准确率和召回率来挑选合适的阈值(threshold) 1.KFold(进行交叉验证) 2.np.logical_and(两bool数组都是正即为正) 3.np.logical_not(bool数组为正即为反，为反即为正)
摘要：恢复内容开始 1. k_fold = KFold(n_split, shuffle) 构造KFold的索引切割器 k_fold.split(indices) 对索引进行切割。 参数说明：n_split表示切割的份数，假设切割的份数为10，那么有9份是训练集有1份是测试集，shuffle是否进行清洗，
阅读全文
posted @
2019-08-14 16:02
python我的最爱
阅读(861)
推荐(0) 编辑
使用tensorflow.data.Dataset构造batch数据集(具体用法在下一篇博客介绍)
摘要：import tensorflow as tf import numpy as np def _parse_function(x): num_list = np.arange(10) return num_list def _from_tensor_slice(x): return tf.data.Dataset.from_tensor_slices(x) sof...
阅读全文
posted @
2019-08-12 23:04
python我的最爱
阅读(4026)
推荐(0) 编辑
对保存的参数checkpoints进行可视化读取 1.pywrap_tensorflow.NewCheckpoint(获得checkpoint的读取器) 2.np.save(对npy文件进行保存) 3.tl.file.load_npy_to_any(对保存的npy文件进行读取)
摘要：1. pywrap_tensorflow.NewCheckpoint(path)获得checkpoint的读取器 参数说明： path表示checkpoint的路径 2.np.save(path, dict) 根据路径将数据保存为npy类型 参数说明：path表示进行参数保存的路径, dict 表示
阅读全文
posted @
2019-08-07 10:52
python我的最爱
阅读(2702)
推荐(0) 编辑
9. 获得图片路径，构造出训练集和验证集，同时构造出相同人脸和不同人脸的测试集，将结果存储为.csv格式 1.random.shuffle(数据清洗) 2.random.sample(从数据集中随机选取2个数据) 3. random.choice(从数据集中抽取一个数据) 4.pickle.dump(将数据集写成.pkl数据)
摘要：1. random.shuffle(dataset) 对数据进行清洗操作 参数说明:dataset表示输入的数据 2.random.sample(dataset, 2) 从dataset数据集中选取2个数据 参数说明:dataset是数据, 2表示两个图片 3. random.choice(data
阅读全文
posted @
2019-07-08 11:20
python我的最爱
阅读(779)
推荐(0) 编辑
8.进行图片的裁剪，同时使用resize将图片的维度进行变化
摘要：1.img.crop((x1, y1, x2, y2)) 进行图片的裁剪 参数说明: x1, y1, x2, y2 表示图片的大小 2. img.resize((w, h)) # 进行图片的维度变化 参数说明：(w, h) 表示变换以后的图片的大小 代码说明：创建一个新的文件，对每张图片进行1/4
阅读全文
posted @
2019-07-05 10:29
python我的最爱
阅读(1482)
推荐(0) 编辑
4. 获取当前的文件夹的路径，以及当前文件名的路径 os.path.realpath
摘要：使用os.path.realpath(__file__) 获得当前的文件夹的路径名, 使用os.path.split 进行路径切割 算法效果
阅读全文
posted @
2019-06-13 18:28
python我的最爱
阅读(692)
推荐(0) 编辑
3.将模型的参数写入到文件里面
摘要：第一步：构造argv参数 第二步：使用vars(argv) 构造字典 第三步：循环vars(argv), 将用f.write() 将键和值进行写入
阅读全文
posted @
2019-06-13 18:20
python我的最爱
阅读(1039)
推荐(0) 编辑
2.进行model和log的路径创建
摘要：第一步：使用datetime.strftime(datetime.now(), '%Y%m%d-%H%M%S') 用于生成当前时间 第二步： 使用os.path.join() 将文件的路径与subdir路径进行结合 第三步：使用os.path.isdir() 判断路径是否存在，如果不存在就创建mod
阅读全文
posted @
2019-06-13 17:52
python我的最爱
阅读(354)
推荐(0) 编辑
1. 参数的传入和添加 argparse.ArgumentParser()
摘要：# Edit configuration 传入的参数使用的是--file_dir picture， 获取使用的是argv.file_dir
阅读全文
posted @
2019-06-13 17:32
python我的最爱
阅读(3516)
推荐(1) 编辑
