liu100286的博客

最终得到答案的参考文章:https://blog.ailemon.me/2018/04/09/deep-learning-the-ways-to-solve-underfitting/以下为文章正文------------------------------------------------华丽分割------------------------------------------------------------------------------------------------华丽分割-

import requestsimport reimport osurl="https://storage.googleapis.com/tensorflow/"res=requests.get(url)strings=res.textpat="keras-applications/[a-zA-Z0-9]+/[a-zA-Z0-9_]+\.h5"math=re.findall(pat,strings)for s in math: print(s) pat = "keras-ap

与时俱进，tensoflow 已经到2.3 了，是时候学习keras了。习惯于图结构,官网的demo看着不爽，拿来改写一下。import tensorflow as tfimport numpy as npimport cv2(x_train, y_train), (x_test, y_test) = mnist.load_data()x_train, x_test = x_train / 255.0, x_test / 255.0x_inputs = tf.keras.layers.In

之前使用tensoflow 1.14 1.15 都是没问题的，使用2.3完蛋，各种dll加载失败就出现了。最终解决方案https://support.microsoft.com/zh-cn/help/2977003/the-latest-supported-visual-c-downloads下载对应系统版本的安装上就解决了。...

最近在做目标检测，为了合理的打标签想到了用聚类算法来对自己的数据进行分类，这样可以避免同样的标签打的太多，而有的标签又打的太少，浪费时间和精力。网上查了一下，都是注重讲解算法本身，不才来说一下我的使用流程，见笑。。。import numpy as npimport tensorflow as tffrom tensorflow.contrib.factorization import KMeansimport osimport cv2# 导入MNIST数据集from tensorflow.ex

使用labelImg标注目标检测数据。由于标注数据工作非常枯燥，标得自己头晕眼花。想了个办法扩充自己的标注数据集。使用labelImg标注后得到的数据是这样:使用代码对图片进行翻转，旋转180度，旋转180度再翻转。同时对xml中的坐标进行运算，得到图片变换后的目标区域。如此，标注1张图可得4张训练数据。代码如下：class ManufacturingData(): ''' 制造数据，对打好标签的数据进行翻转，旋转180,旋转180再翻转 ''' def __in

tensorflow-yolov3 训练自己的数据集使用项目 https://github.com/YunYang1994/tensorflow-yolov3,感谢大神。记录一下训练自己数据集的过程。环境使用ubt。1.下载项目。git clone https://github.com/YunYang1994/tensorflow-yolov3.git安装过程参照项目说明。2.下载标注工具https://github.com/tzutalin/labelImg安装过程参照项目说明。3.修改

假定有一个方程式 x=y+z .。我们要求出未知数x需要怎么做？ 当然是知道y和z才能求出x。（废话，读过小学的都知道,_）作为程序员,封装函数是家常便饭.参数传入函数得到结果 参数=》函数=》返回值 ，要想得到返回值，就需要两个必须条件 参数 ， 函数 （不要杠，我知道你这个方法不传参数，没有返回结果）。综上，x=返回值， y=函数 ， z=参数 。人工智能到底在干什么？？？人工智能...

I:\myPython\pythonCOM\venv\Scripts>python -m pysc2.bin.agent --map Simple64name 1 kernel32name 1 I:\myPython\pythonCOM\venv\lib\site-packages\numpy.libs\libopenblas.IPBC74C7KURV7CB2PKT5Z5FNR3SIBV...

tensrflow-cnntensorflow-cnn :cnn ：卷积神经网络关于cnn 网上很多例子，这里就不一一说了，大家随便下载一个都能,配置好环境，问题都不大。这里记录一下个人的理解,如果有不对的地方欢迎大家指出来。tf.nn.conv2d （）参数1： input 代表做卷积的输入图像的Tensor，其shape要求为[batch, in_height, in_width, ...