- 博客(28)
- 收藏
- 关注
RSS订阅原创 人工智能综合项目开发14----技术文档撰写
1、开发过程中会涉及很多文档，包括不同阶段、面向不同使用者的文档，凡需对外的文档均需统一意见后才可发布。技术文档 java_mob649e816209c2的技术博客_51CTO博客。技术文档架构_mob64ca12e41d46的技术博客_51CTO博客。项目开发文档编写规范【附文档模板】_开发文档模板-优快云博客。技术文档怎么写：从结构设计到内容编写的全部指南-优快云博客。2、技术文档撰写注意事项。
2025-11-30 22:57:47
807
原创 人工智能综合项目开发13——模型优化与调优——超参数
我们训练的目的，就是要找到一套好的模型参数，用于预测未知的结果。这些参数我们是不用调的，是模型来训练的过程中自动更新生成的。类似y=kx+b中的k、b。机器学习中在模型训练前需预先设定的参数，与通过数据训练获得的参数形成区分。是我们控制我们模型结构、功能、效率等的。最基本的就是神经网络的权重。
2025-11-30 22:10:42
315
原创 人工智能综合项目开发12——模型优化与调优——损失函数
1）训练过程中：预测后，根据损失函数回去调参数，直到损失函数降到最低。每当模型根据输入数据做出一次预测后，损失函数就会立即被调用来计算预测值与真实值之间的差距。预测值和真实值的差值，想让预测值无限接近于真实值，需要将差值降到最低，就是损失函数（一种特殊的目标函数）降到最低。模型需要知道“好”与“坏”的明确标准。这是损失函数在训练中的核心机制。优化算法（如梯度下降）通过计算损失函数相对于模型参数的。：参数应该向哪个方向调整才能让损失减小。2、损失函数在什么时候用，起什么作用？：参数应该调整多少。
2025-11-16 22:58:53
363
原创 人工智能综合项目开发10---手势识别predict
ax2.set_title(f"预测结果: {classes[pred_class]} (概率: {pred_probs[pred_class]:.4f})")preprocessed_img = preprocess_data(original_img[np.newaxis, ...]) # 增加批次维度。idx = np.random.randint(0, X_test_orig.shape[0]) # 随机索引。ax1.set_title(f"测试图片 (索引: {idx})")
2025-10-23 17:08:25
420
原创 人工智能综合项目开发9---手势识别resnetmodel_train
plt.plot(history.history['val_accuracy'], label='验证准确率')plt.plot(history.history['accuracy'], label='训练准确率')plt.plot(history.history['val_loss'], label='验证损失')plt.plot(history.history['loss'], label='训练损失')# 调整shortcut。# 构建极简ResNet。
2025-10-23 17:00:18
528
原创 人工智能综合项目开发8---手势识别data_processing
本文介绍了手势识别任务的数据预处理流程，主要包括：1)使用h5py库加载HDF5格式的数据集；2)通过train_test_split分割训练集和验证集；3)图像归一化处理将像素值缩放到[0,1]区间；4)标签转换为one-hot编码；5)创建数据增强生成器，仅采用不影响手势类别识别的变换（如水平翻转、微小平移）。数据预处理过程严格保持训练集、验证集和测试集的一致性，并打印关键数据形状进行验证，为后续模型训练做好准备。
2025-10-23 16:56:05
735
原创 人工智能综合项目开发6-----网络结构详解(基于InceptionV3)
Inception结构详解(从V1到V4，再到xcpetion)_inception模型-优快云博客。【模型】一篇入门之-Inception-V3卷积神经网络详述（模型结构与代码实现）-老饼讲解。2、用第二个链接中的模型结构图做一个示意，需要把下图的网络结构“翻译”成代码。
2025-10-17 11:43:07
171
原创 人工智能综合项目开发4--农业病虫害识别model_train.py
tf.keras.layers.Dense(256, activation="relu", kernel_regularizer=tf.keras.regularizers.l2(0.001)),# 添加全连接层，256个神经元，使用ReLU激活函数,kernel_regularizer添加L2正则化，进一步防止过拟合。tf.keras.layers.Dropout(0.4), # 添加Dropout层，随机丢弃40%的神经元，抑制过拟合。
2025-10-17 09:52:49
944
原创 人工智能综合项目开发3-农业病虫害识别dataprocessing.py
使用 train_test_split 函数,将所有图像划分为训练集train_imgs和测试集test_imgs,所有标签划分为训练集标签train_labels和测试集标签test_labels。save_root=os.path.join(new_data_root, "train"), # 目标：./new_data/train/类别名/save_root=os.path.join(new_data_root, "test"), # 目标：./new_data/test/类别名/
2025-10-17 09:37:27
874
原创 插曲2-----人工智能综合项目开发------没有放inception_v3在models里,需要自己放
放到C:\Users\Administrator\.keras\models下。
2025-09-22 11:04:27
311
原创 人工智能综合项目开发2——明确项目需求与数据准备
一份《数据报告》：记录数据来源、清洗过程、预处理方法、数据集划分结果；可直接使用的数据文件：如处理后的图像文件夹（train/val/test 子文件夹）。深度学习项目的 “前期准备”（需求 + 数据）往往占总耗时的 50% 以上，对后续项目质量影响很大。
2025-09-15 00:16:53
982
原创 人工智能综合项目开发1——创建环境
本文详细介绍了TensorFlow GPU版本的安装流程及环境配置要求。主要内容包括：1）硬件要求，需NVIDIA独立显卡并安装对应驱动；2）软件版本匹配，提供TensorFlow 2.0-2.10各版本对应的Python、CUDA、cuDNN等组件版本对照表；3）安装步骤，从驱动检查、CUDA/cuDNN安装到TensorFlow安装验证；4）常见问题解决方案。同时简要提及CPU版本的安装方式。文章强调版本兼容性的重要性，并提供了官方文档和参考博客链接。
2025-09-12 21:47:02
1312
原创 tensorflow学习记录13——重点学习的回调函数TensorBoard
update_freq: 常用的三个值为’batch’ 、 ‘epoch’ 或 整数。当使用 ‘batch’ 时，在每个 batch 之后将损失和评估值写入到 TensorBoard 中。使用回调函数可以在每次 批训练之后生成日志，以便监控指标、定期保存模型或保存最优模型、尽早停止训练等。histogram_freq: 对于模型中各个层计算激活值和模型权重直方图的频率。write_grads: 是否在 TensorBoard 中可视化梯度值直方图。1、回调函数应用场景、作用、语法规则。
2025-04-16 13:16:19
373
原创 tensorflow学习记录12——构建深度学习神经网络1
Sequential模型的基本组件有5个部分：model.add()、model.compile()、model.fit()、model.evaluate()、model.predict()。将输入层、隐藏层、输出层按需等添加进Sequential容器，Sequential模型的核心操作是添加layers（图层），是简单的线性、从头到尾的顺序结构。tensor：可选参数，若指定，该层将使用这个张量作为输入，而非创建新的占位符张量。# 创建模型，将前面定义的输入层和输出层关联起来，构建完整的神经网络模型。
2025-04-09 14:09:33
2402
原创 tensorflow学习记录11——构建深度学习神经网络0
隐藏层：位于输入层和输出层之间，是神经网络进行特征学习和非线性变换的核心部分。隐藏层中的每个神经元都会对输入数据进行加权求和，并通过激活函数进行非线性变换。输入层：接收原始数据输入，它不进行任何形式的函数计算或变换，仅仅是作为数据的入口。1) 如何构建以上网络的输入层、隐藏层、输出层，使用哪些函数，函数语法规则怎样？１）训练网络过程中会有哪些参数，分别起什么作用，怎么调整会有什么效果？输出层：接收隐藏层的输出，并根据具体的任务进行最终的预测或分类。3）损失函数是什么？有哪些损失函数，分别什么任务类型使用？
2025-04-02 13:43:03
359
原创 tensorflow学习记录10——数据准备（六）
二、数据预处理前两节加载数据后，可能需要对数据进行数据预处理操作，不同格式分开展示。将原始数据转换为适合分析和建模的格式，提高，确保模型的准确性和可靠性。
2025-03-26 13:47:19
535
原创 tensorflow学习记录9——数据准备（五）
构建文本与整数的映射关系：先迭代每个样本的值，再使用tfds.features.text.Tokenizer()实例化一个分词器tokenizer，再将分词器tokenizer放入一个集合中，依次清除重复项，然后获取该词汇表的大小。#正常每次编码结果是一样的，这里如果按书上代码写，输出不一样是因为单词存在set中，set无序。将原始数据转换为适合分析和建模的格式，提高数据质量，确保模型的准确性和可靠性。# 实例化一个分词器tokenizer，我的tf版本旧，是features。# 输出查看词汇样式。
2025-03-19 13:47:54
1871
原创 tensorflow学习记录8——数据准备（四）
targets: 接收int、float类型值，（如果不处理标签只处理数据，传入targets=None）表示目标值，和data长度一样。sequence_length: 接收int类型值，一个输出序列sequence的长度，即有多少个timestep。data:接收int、float类型值，表示要转换的原始时间序列数据，里面的每个叫做一个。将原始数据转换为适合分析和建模的格式，提高数据质量，确保模型的准确性和可靠性。sequence_stride:接收int类型值，表示连续输出序列的周期。
2025-03-19 11:30:50
728
原创 tensorflow学习记录6——数据准备（二）
random.shuffle(all_image_paths) # 打散数据,使其顺序随机打乱，你能看到上边截图中是cat.1.jpg、cat.2.jpg、cat.3.jpg、cat.4.jpg，下述结果中为cat.0.jpg、cat.1.jpg、cat.10.jpg、cat.100.jpg乱序的。all_image_paths = [str(path) for path in all_image_paths]# 将列表中的所有Path对象转换为字符串形式，并存储在新的列表中。
2025-03-12 13:42:15
1828
原创 tensorflow学习记录5——数据准备（一）
加载完成后，数据需调整格式，转换为Dataset对象，才能在tensorflow中流转，使用tensorflow中提供的各种便捷，使用tf.data.Dataset.from_tensor_slices(data)将data转为Dataset对象。使用load_data()函数加载，然后划分为训练数据集（data_x,data_y）及测试数据集(testdata_x,testdata_y)，并输出了分割后数据集的shape值。# 波士顿房价数据集加载csv2，每次运行得批数据可能不同，输出结果可能不同。
2025-03-06 23:49:47
944
原创 tensorflow学习记录4——搭建、训练网络并对网络进行评估
网络模型有很多，需要根据要解决的任务选择合适网络模型，以下以搭建Sequential网络结构为例先使用tf.keras.Sequential()函数创建一个空容器，再用add()函数添加层（add添加层可以是全连接层、卷积层、池化层等），如果是全连接层就是tf.keras.layers.Dense( inputs，activation， input_shape)，其中参数 inputs 表示指定该网络层中的神经元个数；参数 activation 表示激活函数，以字符串的形式给出，包括relu、
2025-03-03 23:47:54
856
原创 tensorflow学习记录3——张量操作
使用tf.concat()函数拼接张量，tf.concat函数是用于拼接张量的重要工具。它的基本用法是tf.concat([tensor1, tensor2, tensor3,...], axis)，其中axis参数指定了拼接的维度，axis=0代表在第0个维度拼接，axis=1代表在第1个维度拼接。可以用来改变张量的形状，它接受一个张量和一个新的形状作为输入，返回一个具有新形状的张量。元素个数不可以改变哦。可以用来在张量的指定轴上增加一个维度，它接受一个张量和一个轴作为输入，返回一个具有新形状的张量。
2025-02-20 22:33:57
473
原创 tensorflow学习记录7——数据准备（三）
分割数据，使用 tf.strings.split 函数将文件路径 filename 按照操作系统的路径分隔符 os.sep 进行分割# 读取并输出输入文件名的全部内容# 编码解码处理# 转换为float类型# 尺寸调整为128*128第四步、调用parse_image函数，操作数据集元素# 找到文件路径print('image的内容',image)print('label的内容',label)# 自定义函数绘制图像图形。
2025-02-12 12:53:47
346
原创 tensorflow学习记录2——创建常量、变量
verify_shape： 默认值为False，如果值为True时，在定义常量时会自动检测value和shape维度是否相同，不同则报错，例如value定义为1，而shape定义为一行两列的矩阵（1,2），那么肯定会报错。其中indices中的顺序必须有前后顺序，比如[0,6]不能在[0,2]前边，否则会报错，tf.sparse.reorder方法可以解决这个问题，自动调整顺序。：一个矩阵，一个数值表格，例如 [[1, 2], [3, 4],[5, 6]]。value：常量值，可以为数值、向量或矩阵。
2025-02-10 12:48:33
641
原创 tensorflow学习记录1——了解张量
向量的形状只包含一个元素，比如 (3,)，而标量的形状为空，即 ()。2）形状：这是一个元组，表示张量沿每个轴的维度大小（元素个数），因表示元素个数，一定是整数元组。（数据表）：一个矩阵，一个数值表格，例如 [[1, 2], [3, 4],[5, 6]]。（只有大小）：（也叫标量张量、零维张量、0D 张量）只有一个数值，比如1；（有大小有方向）：一个向量，一个数值序列，比如 [1, 2, 3]。1）阶：常用阶来表示张量的维度，几个阶就有几个维度，就有几个轴。每一个张量都有一个唯一的数据类型。
2025-01-31 14:36:51
550
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人