上一页 1 ··· 16 17 18 19 20 21 22 23 24 ··· 48 下一页
摘要: 感受野:对于第一次卷积,如果卷积核是3*3,那么卷积的感受野就是3*3,如果在此卷积上,再进行一次卷积的话,那么这次的卷积的感受野就是5*5 因为5*5的区域,卷积核为3*3, 卷积后每一个点的感受野是3*3,卷积后的区域为3*3 第二次卷积还用用3*3的卷积的话,第二次卷积的结果就变成了1*1,因 阅读全文
posted @ 2019-03-12 10:07 python我的最爱 阅读(3083) 评论(0) 推荐(0) 编辑
摘要: 迁移学习:主要有3类, 第一类,使用别人训练好的权重参数,作为初始化权重参数,进行接下来的训练 第二类:使用别人训练好的权重参数,冻结预测层之前的所有的权重参数,进行接下来的训练 第三类:使用别人训练好的权重参数,即finetune,不冻结最后一个卷积层和全连接层,对这两个层进行参数的更新和训练 代 阅读全文
posted @ 2019-03-12 09:45 python我的最爱 阅读(2349) 评论(0) 推荐(0) 编辑
摘要: 数据增强表示的是,在原始图像的基础上,对数据进行一定的改变,增加了数据样本的数量,但是数据的标签值并不发生改变, 图片中可以看出对猫这张图片进行了灰度值的变化,但是猫的标签并没有发生改变 常见的数据增强的策略: 1. Horizontal flips 翻转, 左右翻转,将左边的像素点放在右边,将右边 阅读全文
posted @ 2019-03-12 09:31 python我的最爱 阅读(2465) 评论(0) 推荐(0) 编辑
摘要: 卷积神经网络:下面要说的这个网络,由下面三层所组成 卷积网络:卷积层 + 激活层relu+ 池化层max_pool组成 神经网络:线性变化 + 激活层relu 神经网络: 线性变化(获得得分值) 代码说明: 代码主要有三部分组成 第一部分: 数据读入 第二部分:模型的构建,用于生成loss和梯度值 阅读全文
posted @ 2019-03-12 00:43 python我的最爱 阅读(1411) 评论(4) 推荐(1) 编辑
摘要: 卷积神经网络的应用:卷积神经网络使用卷积提取图像的特征来进行图像的分类和识别 分类 相似图像搜索 目标识别 语义分割 卷积神经网络与神经网络的形状对比, 卷积是有厚度的 卷积在提取特征时的图像变化,从刚开始较低水平的特征图,到最后较高水平的特征图的变化,原先提取的是图片的特征,后面提取到的是一些高级 阅读全文
posted @ 2019-03-11 16:17 python我的最爱 阅读(727) 评论(0) 推荐(0) 编辑
摘要: 1. np.c[a, b] 将列表或者数据进行合并,我们也可以使用np.concatenate 参数说明:a和b表示输入的列表数据 2.np.linspace(0, 1, N) # 将0和1之间的数分成N份 参数说明:0表示起始数据,1表示末尾数据,N表示生成的分数 3.xx, yy = np.me 阅读全文
posted @ 2019-03-07 16:46 python我的最爱 阅读(1797) 评论(0) 推荐(0) 编辑
摘要: 横1. np.concatenate(list, axis=0) 将数据进行串接,这里主要是可以将列表进行x轴获得y轴的串接 参数说明:list表示需要串接的列表,axis=0,表示从上到下进行串接 2.np.hstack(list) 将列表进行横向排列 参数说明:list.append([1, 2 阅读全文
posted @ 2019-03-06 23:59 python我的最爱 阅读(1556) 评论(0) 推荐(0) 编辑
摘要: 神经网络构架:主要时表示神经网络的组成,即中间隐藏层的结构 对图片进行说明:我们可以看出图中的层数分布: input layer表示输入层,维度(N_num, input_dim) N_num表示输入层的样本个数, input_dim表示输入层的维度, 即变量的个数 hidden layer1 表示 阅读全文
posted @ 2019-03-05 19:33 python我的最爱 阅读(936) 评论(0) 推荐(0) 编辑
摘要: 神经网络由各个部分组成 1.得分函数:在进行输出时,对于每一个类别都会输入一个得分值,使用这些得分值可以用来构造出每一个类别的概率值,也可以使用softmax构造类别的概率值,从而构造出loss值, 得分函数表示最后一层的输出结果,得分函数的维度对应着样本的个数和标签的类别数 得分结果的实例说明:一 阅读全文
posted @ 2019-03-05 18:41 python我的最爱 阅读(752) 评论(0) 推荐(0) 编辑
摘要: 1.dist.eculidean(A, B) # 求出A和B点的欧式距离 参数说明:A,B表示位置信息 2.dlib.get_frontal_face_detector()表示脸部位置检测器 3.dlib.shape_predictor(args['shape_predictor]) 表示脸部特征位 阅读全文
posted @ 2019-03-03 13:42 python我的最爱 阅读(1982) 评论(0) 推荐(0) 编辑
上一页 1 ··· 16 17 18 19 20 21 22 23 24 ··· 48 下一页