摘要：
import numpy as np import cv2 # 从文件读取视频内容 cap = cv2.VideoCapture('videos/cats.mp4') # 视频每秒传输帧数 fps = cap.get(cv2.CAP_PROP_FPS) # 视频图像的宽度 frame_width = 阅读全文
摘要：
from keras.processing.image import ImageDataGenerator,array_to_img,img_to_array,load_img import numpy as np datagen =ImageDataGenerator( rotation_rang 阅读全文
摘要：
# 保存模型,数据和网络全部保存 model.save('model.h5') # HDF5文件，pip install h5py #网络训练好以后就可以按照上面保存了。 # 载入模型 model = load_model('model.h5') # 评估模型，载入后可以直接用于评估 loss,ac 阅读全文
摘要：
训练的数据输入可以全部载入内存，下面这两种方法 #按照批次进行训练（传入的是一个批次的样本和标签）样本少，将所有的样本作为一个批次 cost = model.train_on_batch(x_data,y_data) #划分批次进行训练（传入的是所有的数据进行分批次训练）样本数量多。 model.f 阅读全文
摘要：
顺序模型用的多 # Sequential按顺序构成的模型 from keras.models import Sequential # 构建一个顺序模型 model = Sequential() #model中添加层 #方法一 # 构建一个顺序模型 model = Sequential() # 在模型 阅读全文
摘要：
from keras.applications.vgg16 import VGG16 from keras.models import Sequential from keras.layers import Conv2D,MaxPool2D,Activation,Dropout,Flatten,De 阅读全文
摘要：
from keras.applications.vgg16 import VGG16 from keras.models import Sequential from keras.layers import Conv2D,MaxPool2D,Activation,Dropout,Flatten,De 阅读全文
摘要：
from keras.models import Sequential from keras.layers import Conv2D,MaxPool2D,Activation,Dropout,Flatten,Dense from keras.optimizers import Adam from 阅读全文
摘要：
Haar特征+Adaboost级联分类器 from imutils import * image = imread('face.png') show(image) """ 1 image：输入图像 2 scaleFactor=1.1：这个是每次缩小图像的比例，默认是1.1 3 minNeighbor 阅读全文
摘要：
import numpy as np import cv2 # 从文件读取视频内容 cap = cv2.VideoCapture('videos/cats.mp4') # 视频每秒传输帧数 fps = cap.get(cv2.CAP_PROP_FPS) # 视频图像的宽度 frame_width = 阅读全文