- 博客(19)
- 收藏
- 关注
RSS订阅原创 【无标题】zen ax
您可能需要在初始化时添加 self.opt_timeout = timeout 或者直接使用默认值。# 注意：此处使用了 self.opt_timeout，但在 __init__ 中未定义该变量，raise Exception("光斑窗口初始化失败")raise Exception("文件加载失败")# 代码在此处截断，通常后面还有 Critic 的定义。
2026-06-12 14:02:10
218
原创 【无标题】
echo ‘export PATH=$PATH:/usr/src/tensorrt/bin’ >> ~/.bashrc source ~/.bashrc
2024-10-24 16:10:20
167
2
原创 python对目标检测数据集xml文件操作
https://blog.youkuaiyun.com/weixin_38632246/article/details/90710139?ops_request_misc=&request_id=&biz_id=102&utm_term=%E8%A7%A3%E6%9E%90xml%E6%95%B0%E6%8D%AE%E9%9B%86%E6%96%87%E4%BB%B6&utm_medium=distribute.pc_search_result.none-task-blog-2allso
2020-07-21 10:17:27
348
原创 Anaconda 自带的 python版本降级为3.5 or 3.6
今天写程序，发现之前的代码现在重新运行遇到了点问题，貌似是 python 版本带来了，因为我现在用的是 Anaconda 官网直接下载的安装包，目前自带的 python 版本是3.7，但是之前用的是3.6，感觉还是出了点问题。 • 看了文档之后，发现可以降级为 3.5 或者 3.6，这里我选择了3.6 • 操作：Anaocnda Prompt 下输入 conda install python=3.5 or conda install python=3.6 ...
2020-07-20 17:10:27
2211
原创 怎样用预训练模型搞定深度学习？
引言 跟传统的监督式机器学习算法相比，深度神经网络目前最大的劣势是什么？贵！尤其是当我们在尝试处理现实生活中诸如图像识别、声音辨识等实际问题的时候。一旦你的模型中包含一些隐藏层时，增添多一层隐藏层将会花费巨大的计算资源。庆幸的是，有一种叫做“迁移学习”的方式，可以使我们在他人训练过的模型基础上进行小改动便可投入使用。在这篇文章中，我将会讲述如何使用预训练模型来加速解决问题的过程。 注：这篇文章默认读者对于神经网络和深度学习有着一定的了解，如果你不了解深度学习，那么我强烈建议你先了解一下深度学习的基础概念。
2020-07-11 17:06:51
1855
原创 【OpenCV + Python】ret, frame = cap.read()返回值含义&视频读取
ret, frame = cap.read()返回值含义： 参数ret 为True 或者False,代表有没有读取到图片 第二个参数frame表示截取到一帧的图片 camera = cv2.VideoCapture(0) ret, frame = camera.read()
2020-07-07 11:18:04
3646
原创 帧高度宽度
帧宽度bai和帧高度分别指就是图像的宽和高的像素数du，也可以是画面的宽高尺寸zhi，单位可是英寸也可以是毫米dao。 分辨率可以从显示分辨率与图像分辨率两个概念： 显示分辨率（屏幕分辨率）是屏幕图像的精密度，是指显示器所能显示的像素有多少。由于屏幕上的点、线和面都是由像素组成的，显示器可显示的像素越多，画面就越精细，同样的屏幕区域内能显示的信息也越多，所以分辨率是个非常重要的性能指标之一。 图像分辨率则是单位英寸中所包含的像素点数，其定义更趋近于分辨率本身的定义。 区别主要是单位不同： 描述分辨率的单位有
2020-07-07 11:12:52
4306
原创 python—OpenCV2中 cv2.VideoCapture()，read()，waitKey()的使用
程序段里， 1、cap = cv2.VideoCapture(0) VideoCapture()中参数是0，表示打开笔记本的内置摄像头，参数是视频文件路径则打开视频，如cap = cv2.VideoCapture("…/test.avi") 2、ret,frame = cap.read() cap.read()按帧读取视频，ret,frame是获cap.read()方法的两个返回值。其中ret是布尔值，如果读取帧是正确的则返回True，如果文件读取到结尾，它的返回值就为False。frame就是每一帧的图.
2020-07-07 11:06:12
1349
原创 级联分类
级联分类器包括两个：训练和检测； 这里主要是介绍检测部分； 关于CascadeClassifier的简介： CascadeClassifier是opencv下objdetect模块中用来做目标检测的级联分类器的一个类；简而言之是滑动窗口机制+级联分类器的方式；早期opencv版本仅支持haar特征的目标检测，分别在opencv2.2和2.4之后开始支持LBP和HOG特征的目标检测。 Haar特征： 类Haar-like特征描述如下图： 在所有缩放尺度下，这些特征组成了boosting分类器使用的全部“原材
2020-07-07 10:24:50
1115
原创 OpenCV从图片路径读入图片的方法
OpenCV从图片路径读入图片的方法 OpenCV中将图片和源文件放在同一个文件目录下，我们可以很熟悉的调用，例如 可是如果我们将图片放在桌面上，怎么用路径的方法读入?? 首先想到的是直接用图片路径替换上面程序双引号中图片的名称 显示错误。 这是由于在C和C++里面，例如，输出字符串时，如果想输出一个换行，那就要加上’\n’这个标志，类似的，输出一个TAB，就加上’\t’，也就是说，反斜杠("")这个符号会把跟在它后面的字符结合起来转义成其它字符。根据这个原理，如果想输出("")，就需要输入"\"，这样才
2020-07-04 22:29:23
1170
转载 正则化
[Keras] ImportError: Failed to import pydot. You must install pydot and graphviz for pydotprint to Xovee 2019-06-14 10:13:49 3877 收藏 4 分类专栏： 报错 版权 问题描述 事情是这样的，当时我正在愉快地使用Keras搭建模型，发现官方还有一个绘制模型的函数plot_model()，于是我愉快地调用了这个函数keras.utils.plot_model(model, ‘m
2020-07-04 11:01:58
181
原创 Xception
Xception keras.applications.xception.Xception(include_top=True, weights=‘imagenet’, input_tensor=None, input_shape=None, pooling=None, classes=1000) 在 ImageNet 上预训练的 Xception V1 模型。 在 ImageNet 上，该模型取得了验证集 top1 0.790 和 top5 0.945 的准确率。 该模型可同时构建于 channels_fi
2020-07-04 07:11:20
391
原创 Xception
Xception keras.applications.xception.Xception(include_top=True, weights=‘imagenet’, input_tensor=None, input_shape=None, pooling=None, classes=1000) 在 ImageNet 上预训练的 Xception V1 模型。 在 ImageNet 上，该模型取得了验证集 top1 0.790 和 top5 0.945 的准确率。 该模型可同时构建于 channels_fi
2020-07-04 07:08:53
270
原创 预训练模型 xception 参数量少 准确率高 最好的nasnet参数有点大
模型 大小 Top-1 准确率 Top-5 准确率 参数数量 深度 Xception 88 MB 0.790 0.945 22,910,480 126 VGG16 528 MB 0.713 0.901 138,357,544 23 VGG19 549 MB 0.713 0.900 143,667,240 26 ResNet50 98 MB 0.749 0.921 25,636,712 - ResNet101 171 MB 0.764 0.928 44,707,176 - ResNet152 232 MB 0
2020-07-04 06:51:36
2078
1
原创 通道优先 通道略后
CIFAR100 小图像分类数据集 50,000 张 32x32 彩色训练图像数据，以及 10,000 张测试图像数据，总共分为 100 个类别。 用法： from keras.datasets import cifar100 (x_train, y_train), (x_test, y_test) = cifar100.load_data(label_mode=‘fine’) 返回： 2 个元组： x_train, x_test: uint8 数组表示的 RGB 图像数据，尺寸为 (num_samples
2020-07-03 21:30:02
408
原创 数据预处理shape +none
第一个例子中 tf.placeholder(tf.float32, shape=(None, 1024)) 1024是指的数据的尺寸，None指的batch size的大小，所以可以是任何数。 第二个例子里 tf.placeholder(tf.float32, shape=[None, img_height, img_width, channels]) 类似地，后面几个是图片尺寸的参数，第一个参数为None，表示batch size的大小。 ...
2020-07-03 16:33:07
1189
原创 shape
对于图像来说： img.shape[0]：图像的垂直尺寸（高度） img.shape[1]：图像的水平尺寸（宽度） img.shape[2]：图像的通道数 举例来说，下面是一张300X534X3的图像，我们用代码，进行验证。 代码如下： import matplotlib.image as mpimg # mpimg 用于读取图片 if name == ‘main’: img = mpimg.imread(‘cat.jpg’) # 读取和代码处于同一目录下的 img.pn
2020-07-03 15:45:20
264
原创 c.shape[0] +shape[1] +c.shape
Python: numpy–函数 shape用法 shape函数是numpy.core.fromnumeric中的函数，它的功能是查看矩阵或者数组的维数。 举例说明： 建立一个3×3的单位矩阵e, e.shape为（3，3），表示3行3列,第一维的长度为3，第二维的长度也为3 [plain] view plain copy e = eye(3) e array([[ 1., 0., 0.], [ 0., 1., 0.], [ 0., 0., 1.]]) e.shape (3, 3)
2020-07-03 15:40:12
595
原创 numpy reshape
在学习TensorFlow入门课程的时候，碰到了reshape这个函数，比较神奇，话不多说，直接上干货。 首先，最基本的，比如 arr = [1,2,3,4,5,6,7,8,9] 一个一维的list，长度为9 现在，我想把arr变成一个3*3的矩阵，这就可以用的reshape了，两个方法，第一 arr.reshape(3,3) 这个很好理解，不多说，重点看第二个方法 arr.reshape(-1,3) 这样也可以把arr变成3*3的矩阵，这个-1代表的意思就是，我不知道可以分成多少行，但是我的需要是
2020-07-03 15:33:00
167
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人