摘要：
1，自编码器简介 传统机器学习任务很大程度上依赖于好的特征工程，比如对数值型，日期时间型，种类型等特征的提取。特征工程往往是非常耗时耗力的，在图像，语音和视频中提取到有效的特征就更难了，工程师必须在这些领域有非常深入的理解，并且使用专业算法提取这些数据的特征。深度学习则可以解决人工难以提取有效特征的 阅读全文
摘要：
之前一篇笔记： Python机器学习笔记：不得不了解的机器学习知识点（1） 1，什么样的资料集不适合用深度学习？ 数据集太小，数据样本不足时，深度学习相对其它机器学习算法，没有明显优势。 数据集没有局部相关特性，目前深度学习表现比较好的领域主要是图像／语音／自然语言处理等领域，这些领域的一个共性是局 阅读全文
摘要：
之前我们学习使用TensorFlow对图像数据进行预处理的方法。虽然使用这些图像数据预处理的方法可以减少无关因素对图像识别模型效果的影响，但这些复杂的预处理过程也会减慢整个训练过程。为了避免图像预处理成为神经网络模型训练效率的瓶颈，TensorFlow提供了一套多线程处理输入数据的框架。 下面总结了 阅读全文
摘要：
如果需要处理的原图及代码，请移步小编的GitHub地址 传送门：请点击我 如果点击有误：https://github.com/LeBron-Jian/ComputerVisionPractice 喜欢摄影的盆友都知道图像的亮度，对比度等属性对图像的影响是非常大的，相同物体在不同亮度，对比度下差别非常 阅读全文
摘要：
无论是之前学习的MNIST数据集还是Cifar数据集，相比真实环境下的图像识别问题，有两个最大的问题，一是现实生活中的图片分辨率要远高于32*32，而且图像的分辨率也不会是固定的。二是现实生活中的物体类别很多，无论是10种还是100种都远远不够，而且一张图片中不会只出现一个种类的物体。为了更加贴近真 阅读全文
摘要：
tensorflow学习笔记——使用TensorFlow操作MNIST数据（1） 一：神经网络知识点整理 1.1，多层：使用多层权重，例如多层全连接方式 以下定义了三个隐藏层的全连接方式的神经网络样例代码： import tensorflow as tf l1 = tf.matmul(x, w1) 阅读全文
摘要：
维基百科对深度学习的精确定义为“一类通过多层非线性变换对高复杂性数据建模算法的合集”。因为深层神经网络是实现“多层非线性变换”最常用的一种方法，所以在实际中可以认为深度学习就是深度神经网络的代名词。从维基百科给出的定义可以看出，深度学习有两个非常重要的特性——多层和非线性。那么为什么要强调这两个性质 阅读全文
摘要：
为什么选择TensorFlow？ 自从12年AlexNet获得ImageNet大赛的冠军后，深度学习开始流行起来，也因为硬件的快速发展GPU并行计算配合易用的API，让深度学习以及神经网络大方光彩。 深度学习的框架其实有很多，目前来说最火的还要数PyTorch，TensorFlow以及Keras。其 阅读全文
摘要：
如果需要处理的原图及代码，请移步小编的GitHub地址 传送门：请点击我 如果点击有误：https://github.com/LeBron-Jian/ComputerVisionPractice 下面来实战一个使用opencv检测及其分割图像的目标区域的例子。 注意：现在OpenCV for Pyt 阅读全文
摘要：
续集请点击我：tensorflow学习笔记——使用TensorFlow操作MNIST数据（2） 本节开始学习使用tensorflow教程，当然从最简单的MNIST开始。这怎么说呢，就好比编程入门有Hello World，机器学习入门有MNIST。在此节，我将训练一个机器学习模型用于预测图片里面的数字 阅读全文