helen1313的专栏

# 加载MNIST数据from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("MNIST_data/", one_hot=True)import tensorflow as tfsess = tf.InteractiveSession()# 权重在初始化时应该加入少量的噪声来打破对称性以及避免0梯度# truncated_normal:产生正态分布的随机数d.

# 加载MNIST数据# i通过nput_data.read_data_sets自动下载和导入MNIST数据集# mnist是一个轻量级的类。它以Numpy数组的形式存储着训练、校验和测试数据集。同时提供了一个函数，用于在迭代中获得minibatch，后面我们将会用到。from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("MNIST_data/", one_hot=.

收集了亚洲人脸进行模型验证的时候，运行如下代码：python validate_on_lfw.py ../data/AsiaStar_160 ../20180402-114759 --lfw_pairs ../data/pairs_AsiaStar.txt报错如下：AssertionError: The number of LFW images must be an integer multiple of the LFW batch size翻译一下就是，图片数量必须是batch siz

准备工作下载FaceNet源码https://github.com/davidsandberg/facenetLFW评估测试数据下载http://vis-www.cs.umass.edu/lfw/lfw.tgz下载亚洲人脸数据CASIA-FaceV5原上传者地址：https://download.youkuaiyun.com/download/weixin_42179317/10405384若无csdn积分可以直接用百度云盘下载：https://pan.baidu.com/s/1WS4nooN

本文方法针对的验证码为定长验证码，不包含中文。本文的思路是：1. 使用keras中预训练好的模型，在python生成的验证码（5万条）上fine tune，得到python验证码模型；2. 使用python验证码模型，在实际验证码（500条）上fine tune；3. 增加样本，提高精度。通俗的解释2个问题：keras中预训练好的模型是什么东西？答： keras上有很多已经...