随笔分类 - python、deepLearn
深度学习框架让我了解到了很多新鲜事物。
摘要：1、AlexNet网络模型，pytorch1.1.0 实现 注意：AlexNet，in_img_size >=64 输入图片矩阵的大小要大于等于64 # coding:utf-8 import torch.nn as nn import torch class alex_net(nn.Module)
阅读全文
摘要：1、vgg19模型——pytorch 版本= 1.1.0 实现 # coding:utf-8 import torch.nn as nn import torch class vgg19_Net(nn.Module): def __init__(self,in_img_rgb=3,in_img_si
阅读全文
摘要：# coding:utf-8 import pandas as pd import numpy as np # path = r'C:\Users\wuzaipei\Desktop\签到.xlsx' # # data = pd.read_excel(path,header=0) df=pd.Data
阅读全文
摘要：https://www.jianshu.com/p/2ff8e6f98257
阅读全文
摘要：https://github.com/amdegroot/ssd.pytorch
阅读全文
摘要：八戒你瘦了！测试python selenium。你的头发还好吗？呵呵呵！
阅读全文
摘要：1、连接 https://www.jianshu.com/p/3943be47fe84
阅读全文
摘要：在TensorFlow中，保存模型与加载模型所用到的是tf.train.Saver()这个类。我们一般的想法就是，保存模型之后，在另外的文件中重新将模型导入，我可以利用模型中的operation和variable来测试新的数据。 什么是TensorFlow中的模型 首先，我们先来理解一下Tensor
阅读全文
摘要：卷积网络博大精深，不同的网络模型，跑出来的结果是不一样，在不知道使用什么网络的情况下跑自己的数据集时，我建议最好去参考基于cnn的手写数字识别网络构建，在其基础上进行改进，对于一般测试数据集有很大的帮助。 分享一个网络构架和一中训练方法： # coding:utf-8 import os impor
阅读全文
摘要：1、心得： 在使用TensorFlow做非线性拟合的时候注意的一点就是输出层不能使用激活函数，这样就会把整个区间映射到激活函数的值域范围内无法收敛。 # coding:utf-8 import tensorflow as tf import numpy as np import matplotlib
阅读全文
摘要：# coding:utf-8 import time import matplotlib.pyplot as plt from autokeras import ImageClassifier # 保存和导入模型方法 from autokeras.utils import pickle_to_fil
阅读全文
摘要：下面是深度学习的入门代码。需要入门视频的可联系博主。
阅读全文
摘要：在测试中分析一下ide的效果，在pycharm中测试的时候老师提示内存溢出，而且跑autoKeras的cnn时确实消耗很大空间。但是同样的电脑，换了vscode进行测试的时候没有问题。我也不知道什么回事。推荐如果电脑运行内存没有12G建议别跑了。刚好的话建议使用vscode这款ide执行效率比较高。
阅读全文
摘要：测试本地mnist数据集 图片只用500张，450张做train与50张test， 代码如下： 测试结果：accuracy值为0.93而已，然而我用时5分钟（min），自己建立的网络可以达到 0.948，不过自动搜索网络感觉还行吧，有待提高。毕竟是自动的。能到达这种精度是非常厉害的了。如果给他 更多
阅读全文
摘要：autoKeras autoKeras GitHub：https://github.com/jhfjhfj1/autokeras 百度网盘下载地址：http://pandownload.com/ 大牛博客：http://nooverfit.com/wp/ autoKeras官方文档：https://
阅读全文
摘要：# coding:utf-8 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' from Sigmoid import sigmoid x_data = np.arange(-2*np.pi,2...
阅读全文
摘要：# conding:utf-8 import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' import numpy as np from keras.models import Sequential from keras.layers import Dense, Dropout, Flatten from keras.layers import Con...
阅读全文
