深度学习
关注
分享
扫一扫
文章平均质量分 71
基于TensorFlow的深度学习开发
赛博老维
不动笔墨不读书
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
【TensorFlow学习笔记】目标识别篇（五）：基于Faster-rcnn-tensorflow-python3.5-master打造属于自己的物体检测模型
一、环境配置 win10系统，显卡GeForce GTX 960M； TensorFlow-gpu 1.13.0-rc2，CUDA 10.0，Cudnn 7.4.2； python 3.6 Tensorflow-gpu是在windows PowerShell里用pip安装的，同时安装一些必要的库：cython、easydict、matplotlib、python-opencv等，可直接使用pip安装或者下载相应的.whl离线文件安装。 Faster RCNN下载 下载地址https://github.c原创 2021-03-17 14:47:24 · 512 阅读 · 1 评论 -
【TensorFlow学习笔记】人工智能绪论
绪论 图灵在1950年写过一篇论文《计算机器与智能》，图灵让我们思考：“机器能否拥有智能？（Can machines think？）”这个问题。图灵成功定义了什么是计算机器（即图灵机），但却不能定义什么是智能（Think）,没有办法用机器或算法来准确定义。因此图灵设计了一个模拟测试——图灵测试（一种用于判定机器是否具有智能的试验方法）。图灵测试的核心想法是要求计算机在没有直接物理接触的情况下接受人...原创 2020-03-19 20:31:45 · 348 阅读 · 0 评论 -
【TensorFlow】开发环境搭建：win10+ Anaconda+Tensorflow（GPU）+pycharm+opencv
引言 Anaconda指的是一个开源的Python包管理器，其包含了conda、Python等180多个科学包及其依赖项，极大的方便开发者对python各种库的安装和管理，是python开发的一大利器。 我们接下来主要基于Anaconda来进行tensorflow和opencv库的安装。 配置环境 Win10 x64操作系统 python3.6.2 Anaconda 2019 tensorflo...原创 2020-02-08 02:08:19 · 1554 阅读 · 3 评论 -
【TensorFlow学习笔记】基础篇（一）— —开发环境搭建全攻略
引言 在此汇总深度学习开发过程中常用库的安装配置教程 1.Python的开发环境— —Pycharm的安装 2.win10+ Anaconda+Tensorflow（GPU）+pycharm+opencv环境配置 3.使用Anaconda安装scikit-learn 4.Keras 安装与兼容性问题 ...原创 2020-03-19 20:34:20 · 324 阅读 · 0 评论 -
【TensorFlow学习笔记】基础篇（三）— —TensorFlow框架
1.简介2. 数据流图3. 基本使用框架3.1 张量（tensor）3.2 计算图（graph）3.3 会话（session）3.4 Fetch3.5 Feed总结： 1.简介 TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（t...原创 2020-03-19 20:38:34 · 793 阅读 · 0 评论 -
【TensorFlow学习笔记】基础篇（四）— —搭建神经网络的八股：准备、前传、反传、迭代
绪论 神经网络的实现过程— — ① 准备数据集，提取特征，作为输入喂给神经网络 (Neural Network，NN) ② 搭建NN结构，从输入到输出（先搭建计算图，再用会话执行） (NN前向传播算法–>计算输出) ③ 大量特征数据喂给NN，迭代优化NN参数 (NN反向传播算法–>优化参数训练模型) ④ 使用训练好的模型预测和分类 目录绪论1.准备数据： import、常量定义、生成...原创 2020-03-19 20:40:01 · 323 阅读 · 0 评论 -
【TensorFlow学习笔记】基础篇（五）— —神经网络的优化
绪论 优化是非常困难的一类问题,而这正是深度学习的核心。优化问题是如此困难,以至于在神经网络引入几十年后,深度神经网络的优化问题仍阻碍着它们的推广,并导致了其 20世纪 90 年代到 21 世纪初的衰落。网络越深，优化问题就越难。 目录绪论1、激活函数① 作用：② 常见的激活函数Sigmoid函数Tanh函数Softmax激活函数ReLU激活函数③ 选择正确的激活函数2、损失函数常见的三种损失函...原创 2020-03-20 11:11:47 · 317 阅读 · 0 评论 -
【TensorFlow学习笔记】基础篇（六）— —全连接网络实现MNIST手写集
绪论 MNIST 手写数据集，作为一个经典的数据集，已经被大家所“嚼烂”, 无论是初学者还是高手，几乎都会用到它。那么接下来，我们将以MNIST数据集作为入门学习工具，从全连接网络到CNN，一步一步实现不同神经网络下的MNIST手写数据集分类，从而系统地学习和理解深度学习。 MNIST数据集 ① 数据集安装 MNIST数据集的官网是Yann LeCun’s website。当然，你也可以...原创 2020-03-20 14:07:50 · 603 阅读 · 0 评论 -
【TensorFlow学习笔记】基础篇（七）— —Tensorflow模型的保存，恢复，断点继训和Finetuning
绪论 在训练神经网络模型的时候，当模型训练完之后，确切地说当训练的session关闭之后，我们训练出来的模型参数会全部丢失，从而无法有效复用模型，而TensorFlow中提供了很好地保存模型和提取模型的方法。 目录绪论1. Tensorflow的模型到底是什么样的？2. Tensorflow模型的保存3.Tensorflow模型的加载4. 如何保存pb文件和读取pb文件5. 断点继训6. 如何使...原创 2020-03-20 14:10:24 · 834 阅读 · 0 评论 -
【TensorFlow学习笔记】基础篇（八）— —MNIST手写集模型的可视化（Tensorboard）
绪论 在使用Tensorflow训练深层的神经网络的时候，我们希望去跟踪神经网络的整个训练过程中的信息，比如迭代的过程中每一层参数是如何变化与分布的、每次循环参数更新后模型在测试集与训练集上的准确率是如何的、损失值的变化情况，等等。在训练的过程中将一些信息加以记录并可视化得表现出来，对我们探索模型有更深的帮助与理解呢。 Tensorflow官方推出了可视化工具Tensorboard，可以帮助我们实...原创 2020-03-20 14:12:26 · 698 阅读 · 0 评论 -
【TensoFlow学习笔记】进阶篇（一）— —如何制作自己的图片数据集（TFRecords文件生成训练集和测试集）
在实际项目中，我们往往需要对特定的数据进行分类，那么首先就需要根据需求制作数据集了。接下来我将以自己之前做的一个手势识别分类项目为例子，详细讲解制作图片数据集的具体操作过程。 目录 1. 数据预处理1.1 数据准备1.2 数据增强2. TensorFlow读取数据的三种方式1.1 Preload data: constant 预加载数据1.2 Feeding: placeholder, feed...原创 2020-03-20 14:14:58 · 1746 阅读 · 0 评论 -
【TensorFlow学习笔记】进阶篇（二）卷积神经网络详解_MINIST实例（CNN_Lenet5）
绪论 在前一章中，我们学会了制作自己的数据集，不同于mnist数据集，我们自制的数据集图片是彩色图。 如果在全连接网络直接输入的是三通道的RGB彩色图片，待优化的参数过多容易导致模型过拟合，而且计算量过大。所以实际应用中会先对原始图像进行特征提取（卷积）再把提取到的特征喂给全连接网络，再让全连接网络进行参数优化，得到分类评估。这样可以减小计算量等。 卷积神经网络一般由卷积部分和全连接部分构成。卷积...原创 2020-03-20 14:16:38 · 1632 阅读 · 0 评论 -
【TensorFlow学习笔记】目标识别篇（一）简述
今天说说使用深度学习进行目标检测的文章，第一部分讲讲Single shot detector（SSD）和MobileNet。这二者相结合，可以用来实现更快速的，实时的目标检测，尤其是在资源有限的设备上（包括Raspberry Pi, smartphones等等）。 这里就说说如何使用OpenCV中的dnn模块，用来导入一个实现训练好的目标检测网络。使我们可以把图像传送到深度网络中，然后得到图中每个...原创 2020-09-19 12:51:19 · 474 阅读 · 1 评论 -
【TensorFlow学习笔记】目标识别篇（二）运行demo
结合MobileNets和SSDs进行更快更高效的深度学习目标检测 如果我们把MobileNets和SSDs框架结合起来，我们可以实现更快速，更高效的基于深度学习的目标检测。这里使用的模型是original tensorflow impetension的Caffe版本，是由chuanqi305训练的。 MobileNets SSDs最初是在COCO dataset 上训练的，然后在PASCAL VOC进行调试并得到了72.7%的平均准确率。可以检测20种物体（1种是背景类的），包括飞机、单车、鸟、船、瓶子、原创 2020-09-19 12:53:26 · 362 阅读 · 1 评论 -
【TensorFlow学习笔记】目标识别篇（三）：Win10+Anaconda+tensorflow Object-detection API的环境搭建
1、VOC2007数据集简介 知己知彼，方百战不殆。想制作自己的数据集当然要先了解SSD使用的数据集VOC2007长啥样。VOC2007下载链接 ，密码是：m5io。（VOC2007完整下载有3个压缩包+1个PDF，上面链接里只包含其中一个压缩包VOCtrainval_06-Nov-2007）。打开压缩包就如下图： VOC2007详细介绍在这里，提供给大家有兴趣作了解。而制作自己的数据集只需用到前...原创 2020-09-19 12:53:48 · 716 阅读 · 1 评论 -
【TensorFlow学习笔记】目标识别篇（四）：基于Tensorflow object detection API 打造属于自己的物体检测模型（填坑之路）
2、准备训练数据集：lambel 1、VOC2007数据集简介 知己知彼，方百战不殆。想制作自己的数据集当然要先了解SSD使用的数据集VOC2007长啥样。VOC2007下载链接 ，密码是：m5io。（VOC2007完整下载有3个压缩包+1个PDF，上面链接里只包含其中一个压缩包VOCtrainval_06-Nov-2007）。打开压缩包就如下图： VOC2007详细介绍在这里，提供给大家有兴趣作了解。而制作自己的数据集只需用到前三个文件夹，所以请事先建好这三个文件夹放入同一文件夹内，同时ImageSets原创 2020-09-19 12:54:06 · 1188 阅读 · 0 评论 -
【TensorFlow学习笔记】移动端篇（二） — —将tensorflow训练好的模型移植到Android (MNIST手写数字识别)
绪论 本博客将以最简单的方式，利用TensorFlow实现了MNIST手写数字识别，并将Python TensoFlow训练好的模型移植到Android手机上运行。网上也有很多移植教程，大部分是在Ubuntu(Linux)系统，一般先利用Bazel工具把TensoFlow编译成.so库文件和jar包，再进行Android配置，实现模型移植。不会使用Bazel也没关系，实质上TensoFlow已经为...原创 2021-01-19 21:02:06 · 1319 阅读 · 0 评论 -
【TensorFlow学习笔记】问题篇— —Dimensions must be equal, but are 32 and 3 for 'Conv2D_1' (op: 'Conv2D') with
问题分析 今天在运行卷积神经网络时遇到如下错误： ValueError: Dimensions must be equal, but are 32 and 3 for 'Conv2D_1' (op: 'Conv2D') with input shapes: [?,32,32,32], [3,3,3,32]. 解决方案 经过设置断点调试得知在进行第二层卷积的时候遇到了问题： 第二层卷积的输入值维度...原创 2020-03-02 20:42:19 · 1914 阅读 · 0 评论 -
【TensorFlow学习笔记】问题篇— —Python读取本地文件时报错Expected image (JPEG, PNG, or GIF)的解决方案
最近在训练自己的数据集时，在使用Python语言读取本地文件的时候，报错提示 Expected image (JPEG, PNG, or GIF), got unknown format starting with ‘\000\000\000\001Bud1\000\000 \000\000\000\010\000’ 根据报错信息提示是由于图片文件夹中包含非jpeg,png,gif格式的文件，然后...原创 2020-03-02 20:37:12 · 1173 阅读 · 3 评论 -
【TensoFlow学习笔记】项目篇【手势识别APP开发】（一）— —准备图片训练集
一：数据预处理（INPUT_DATA.py） 二、设计网络模型(MODEL.py) 前向网络 def inference(images, batch_size, n_classes): # conv1, shape = [kernel_size, kernel_size, channels, kernel_numbers] with tf.variable_scope("conv1...原创 2021-01-19 21:00:05 · 329 阅读 · 0 评论