勋章
我关注的人
粉丝
技术能力
暂时未有相关云产品技术能力~
暂无个人介绍
-
发表了文章 2022-10-19
基于Fashion-MNIST数据集的模型剪枝（上）
1. 介绍 1.1 背景介绍 目前在深度学习中存在一些困境，对于移动是设备来说，主要是算不好；穿戴设备算不来；数据中心，大多数人又算不起 。这就是做模型做压缩与加速的初衷。
-
发表了文章 2022-10-19
tebsorflow2.0 语义分割(Oxford-IIIT数据集)（下）
语义分割是在像素级别上的分类，属于同一类的像素都要被归为一类，因此语义分割是从像素级别来理解图像的。The Oxford-IIIT Pet Dataset是一个宠物图像数据集，包含37种宠物，每种宠物200张左右宠物图片，并同时包含宠物轮廓标注信息。下面就是tensorflow2.0的对该数据集的语义分割实现。本文基于TF2.0 , 谷歌Colab平台。
-
发表了文章 2022-10-19
tebsorflow2.0 语义分割(Oxford-IIIT数据集)（上）
语义分割是在像素级别上的分类，属于同一类的像素都要被归为一类，因此语义分割是从像素级别来理解图像的。The Oxford-IIIT Pet Dataset是一个宠物图像数据集，包含37种宠物，每种宠物200张左右宠物图片，并同时包含宠物轮廓标注信息。下面就是tensorflow2.0的对该数据集的语义分割实现。本文基于TF2.0 , 谷歌Colab平台。
-
发表了文章 2022-10-19
tebsorflow2.0 图像定位+分类(Oxford-IIIT数据集)
对于单纯的分类问题，比较容易理解，给定一副图画，我们输出一个标签的类别。而对于定位问题，需要输出四个数字（x,y,w,h），图像的某一点坐标(x,y)，以及图像的宽度和高度，有了这四个数字，我们很容易找到物体的边框。
-
发表了文章 2022-10-19
tebsorflow2.0 多输出模型实例
1. 简单介绍 2. 加载相关数据包 2.1 图片的路径的配置 2.2 读取图片 3. 图片预处理 4. 训练阶段 4.1 设置验证集与数据集 4.2 构建模型并训练 5. 模型评估
-
发表了文章 2022-10-19
tebsorflow2.0 使用Keras编写自定义图层和模型（下）
1.构建自定义层 1.1 基本模型框架构建 1.2 延迟创建权重，直到知道输入的形状 1.3 层的递归组合 1.4 层中创建loss张量 1.5 选择性地将层序列化 1.6 在call方法中给与训练参数特权 2. 建立模型
-
发表了文章 2022-10-19
tebsorflow2.0 使用Keras编写自定义图层和模型（上）
1.构建自定义层 1.1 基本模型框架构建 1.2 延迟创建权重，直到知道输入的形状 1.3 层的递归组合 1.4 层中创建loss张量 1.5 选择性地将层序列化 1.6 在call方法中给与训练参数特权 2. 建立模型
-
发表了文章 2022-10-19
MATLAB-直方图均衡化
直方图均衡化(Histogram Equalization) 又称直方图平坦化,实质上是对图像进行非线性拉伸,重新分配图像象元值,使一定灰度范围内象元值的数量大致相等。这样,原来直方图中间的峰顶部分对比度得到增强,而两侧的谷底部分对比度降低,输出图像的直方图是一个较平的分段直方图:如果输出数据分段值较小的话,会产生粗略分类的视觉效果。
-
发表了文章 2022-10-19
tebsorflow2.0 eager模式与自定义训练网络(上)
对比tensorflow1.x版本静态图模式，tensorflow2.x推荐使用的是eager模式，即动态计算模式，它的特点是运算可以立即得到结果。我们可以通过tf.executing_eagerly()来判断是不是eager模式，如果返回的为True,使用的则为eager模式。首先我们简答介绍一下在eager模式下的计算。
-
发表了文章 2022-10-18
tebsorflow2.0 tf.keras猫狗识别(1)(下)
1. 简单介绍 本文的应用场景是二分类问题，采用的数据集为猫狗分类数据集，为了减少训练时间，训练集图片有2123张，验证集有909 张图片，测试的图片有1000张，分为猫和狗两个类别，图片已经放置在dc_2000文件夹下面。
-
发表了文章 2022-10-18
tebsorflow2.0 tf.keras猫狗识别(1)(上)
1. 简单介绍 本文的应用场景是二分类问题，采用的数据集为猫狗分类数据集，为了减少训练时间，训练集图片有2123张，验证集有909 张图片，测试的图片有1000张，分为猫和狗两个类别，图片已经放置在dc_2000文件夹下面。
-
发表了文章 2022-10-18
tebsorflow2.0 tf.keras序列问题
本节是主要介绍的是序列问题的处理，采用的数据集为电影评论数据集，我们通过keras.datasets.imdb直接导入，之后我们建立模型，对其进行分类，并处理过拟合问题。
-
发表了文章 2022-10-18
tebsorflow2.0 深度学习基础和tf.keras（上）
1. tf.keras实现线性回归(1) 1.1 Income数据导入可视化
-
发表了文章 2022-10-18
tebsorflow2.0 深度学习基础和tf.keras（下）
1. tf.keras实现线性回归(1) 1.1 Income数据导入可视化
-
发表了文章 2022-10-18
python中的语法使用(easydict set() plt.subplots() assert)
目录 1 easydict的使用 2. 集合（set） 3 plt.subplots()使用 3.1 方法1 3.2 方法2 4. assert断言
-
发表了文章 2022-10-18
（2）tf.Variable中trainable作用
如果为True，则会默认将变量添加到图形集合GraphKeys.TRAINABLE_VARIABLES中。此集合用于优化器Optimizer类优化的的默认变量列表，如果为False则在训练时不会更新该值。
-
发表了文章 2022-10-18
模式识别与机器学习(作业6)基于聚类的图片分割
流程： 读图片(512, 512, 3)–>下采样，降低维度(256, 256, 3)–>将通道展平，data = (65536, 3)–>归一化
-
发表了文章 2022-10-18
(3)tesorflow 计算模型复杂度
目录 1. 计算模型复杂度的衡量 2 . 典型层的复杂性计算原理 2.1 全连接层的复杂性计算 2.2 卷积层的复杂性计算 3. 全连接Tensorflow实现
-
发表了文章 2022-10-18
（1）tf中tensor和numpy
ensor和numpy
-
发表了文章 2022-10-18
（0）global_step学习率衰减用法
主要是用在梯度下降中的学习率问题上，设置学习率的大小， 是在精度和速度之间找到一个平衡：
-
发表了文章 2022-10-18
python-opencv(10)图像金字塔
文章目录 1. 图像金字塔特点 2. 向下采样 2.1. 特点
-
发表了文章 2022-10-18
python-opencv(13)傅里叶变换(下)
文章目录 1. 傅里叶变换的理论基础 2. numpy实现傅里叶变换 2.1. 相关的函数 2.1 代码实现
-
发表了文章 2022-10-18
python-opencv(11)图像轮廓
文章目录 1. 什么是轮廓 2. 使用的函数 3. 代码实现
-
发表了文章 2022-10-18
模式识别与机器学习(作业5)基于PCA–LDA的人脸识别
本次的实验是在模式识别与机器学习(作业4)，PCA降维的基础上加入了线性判别分析，对维度进行了进一步的降低。
-
发表了文章 2022-10-18
python-opencv(4)--几何变换
文章目录 1. 图像缩放 1.1. resize()函数 1.2. 指定大小的缩放 1.3. resize函数（fx,fy） 2. 图像翻转-flip函数
-
发表了文章 2022-10-18
python-opencv(3)图像类型转换
python-opencv(2)图像类型转换 将图像由一种类型转换为另外一种类型
-
发表了文章 2022-10-18
python-opencv(1)图像的基础操作
文章目录 1. 获取图像的属性 2. 图像ROI 3. 通道的拆分与合并 3.1. 通道的拆分 3.2. 通道的合并 4. 参考
-
发表了文章 2022-10-18
数据结构与算法(3)--栈抽象数据类型及Python实现
1. 什么是栈？ 是一种有次序的数据项集合，在栈中数据项的加入和移除都发生在同一端。一端叫做栈顶，另一端叫做栈底。
-
发表了文章 2022-10-18
数据结构与算法(2)--什么是线性结构
什么是线性结构Linear Structure
-
发表了文章 2022-10-18
Matalb-图像均值滤波，中值滤波，梯度锐化(sobel算子)的实现
Matalb-图像均值滤波，中值滤波，梯度锐化(sobel算子)的实现
-
发表了文章 2022-10-18
模式识别与机器学习(作业4)
基于PCA降维的人脸识别
-
发表了文章 2022-10-18
argparse使用方法简单总结
argparse使用方法简单总结 argparse是python自带的命令行参数解析包，可以用来方便地读取命令行参数，当你的代码需要频繁地修改参数的时候，使用这个工具可以将参数和代码分离开来，让你的代码更简洁，适用范围更广。
-
发表了文章 2022-10-18
01目标检测之一(RCNN)
目标检测 训练部分 第一阶段
-
发表了文章 2022-10-17
05 yolo v3的理解
yolo v3的理解
-
发表了文章 2022-10-17
模式识别与机器学习(1) 皮肤检测
基于贝叶斯判决皮肤检测的简单实现
-
发表了文章 2022-10-17
模式识别与机器学习(作业1)（下）
数据集 Dataset1.txt 328 个同学的身高、体重、性别数据（78 个女生、250 个男生）
-
发表了文章 2022-10-17
模式识别与机器学习(作业1)（上）
数据集 Dataset1.txt 328 个同学的身高、体重、性别数据（78 个女生、250 个男生）
-
发表了文章
2022-10-19
verilog牛客网刷题代码汇总（下）（4）
-
发表了文章
2022-10-19
verilog牛客网刷题代码汇总（下）（3）
-
发表了文章
2022-10-19
verilog牛客网刷题代码汇总（下）（2）
-
发表了文章
2022-10-19
verilog牛客网刷题代码汇总（下）（1）
-
发表了文章
2022-10-19
verilog牛客网刷题代码汇总（上）（4）
-
发表了文章
2022-10-19
verilog牛客网刷题代码汇总（上）（3）
-
发表了文章
2022-10-19
verilog牛客网刷题代码汇总（上）（2）
-
发表了文章
2022-10-19
verilog牛客网刷题代码汇总（上）（1）
-
发表了文章
2022-10-19
半加器，全加器，串行加法和超前加法器
-
发表了文章
2022-10-19
verilog_边学边练习（6） 相邻点累加（时序逻辑电路）
-
发表了文章
2022-10-19
硬件描述语言Verilog学习（一）（上）
-
发表了文章
2022-10-19
建立时间与保持时间
-
发表了文章
2022-10-19
HDLBits(2)——Procedures（下）
-
发表了文章
2022-10-19
HDLBits(2)——Procedures（上）
-
发表了文章
2022-10-19
HDLBits(1)——Modules：Hierarchy（上）
-
发表了文章
2022-10-19
HDLBits(1)——Modules：Hierarchy（下）
-
发表了文章
2022-10-19
HDLBits(1)——Modules：Hierarchy（中）
-
发表了文章
2022-10-19
最大最小归一化的demo
-
发表了文章
2022-10-19
深度学习神经网络的部署
-
发表了文章
2022-10-19
创建keras环境步骤
