我来试试水-优快云博客

原创无人机目标检测

导师给了个练手项目，记录下第一个项目过程：项目要求：检测无人机降落时是否偏移，识别降落点。想法是用opencv，使用传统的轮廓检测泛化性不太好，新到一批数据检测效果不佳，下一步考虑使用yolov5来检测。...

2022-07-03 17:16:47 2234

原创吴恩达DeepLearning第五部分作业week3（2）触发字检测

未来应该不太接触语音识别，因此这次作业我就简单实现了下触发字识别模型以及随机音频插入实现数据增强。首先导入正例、负例以及背景数据：import osimport numpy as npimport td_utilsos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 忽略警告rate,data=td_utils.get_wav_info("audio_examples/example_train.wav")np.random.seed(5)#pr

2022-05-18 19:56:52 460

原创吴恩达DeepLearning第五部分作业week3（1）机器翻译

这次作业难度还是挺大的足足写了1天，主要任务是将人类的各种格式日期转换成yyyy-mm-dd的格式输出。首先导入数据，然后限定人类输入最大长度为30，机器输出长度为10.对x，y进行独热编码。import kerasimport nmt_utilsimport osimport numpy as npos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 忽略警告dataset, human, machine, inv_machine = nmt_

2022-05-18 18:08:32 341

原创吴恩达第五部分序列模型 week2—— 词向量的运算与Emoji生成器

一.词向量的运算导包和词嵌入数据import numpy as npimport pandas as pdimport w2v_utilsword, word_to_vec_map = w2v_utils.read_glove_vecs("data/glove.6B.50d.txt")word = pd.DataFrame(word)print(word.shape)word_to_vec_map = pd.DataFrame(word_to_vec_map)print(wor

2022-05-12 02:35:16 341

原创吴恩达第五部分序列模型 week1—— 搭建循环神经网络、LSTM

未来应该不太接触NLP，所以就大概看了下视频。主要完成了用numpy构造RNN和LSTM前向，后向不推导了。最后在附基于LSTM参加比赛的代码，LSTM时间序列模型参加比赛利器。RNN构造：import numpy as npimport rnn_utilsdef rnn_unit(apre, x, wax, waa, wya, ba, by): a = np.tanh(np.dot(wax, x.T) + np.dot(waa, apre)+ba) y = rnn_u

2022-05-09 14:15:31 765

原创吴恩达DeepLearning第四部分作业week4（2）神经风格迁移

这里也有好几个注意点，踩坑花了好长时间。首先导包，导模型，观察模型输入为400*300*3的图像import nst_utilsimport tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltimport cv2import osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 忽略警告nnmodel = nst_utils.load_vgg_model(ns

2022-04-29 23:15:38 572

原创吴恩达DeepLearning第四部分作业week4（1）人脸识别

这次作业坑也比较多。作业主要完成两部分任务：1.使用图像和名字判断人脸匹配情况 1:1判别2.不使用名字，直接图像判断 1：k首先导包，加载模型。这里有一个坑，他这通道是在图像大小之前的，他提供的模型文件里卷积层没有设置通道在前，导致报错A `Concatenate` layer requires inputs with matching shapes except for the concat axis. Got inputs shapes: [(None, 128, 12, 192), (

2022-04-28 15:02:46 688

原创吴恩达DeepLearning第四部分作业week3基于opencv和YOLO搭建目标识别系统

先展示成果，这点玩意写了两天。首先，导包，载入模型，观察模型。模型输入为608*608大小的图像，输出为19*19*425的预测。分19*19块，5个锚框，包含85个参数pc,x,y,w,h,以及80种分类import yolo_utilsimport pandas as pdos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 忽略警告yolo2_model = ks.models.load_model("./model_data/y.

2022-04-27 01:56:08 578

原创吴恩达DeepLearning第四部分作业week2 基于keras搭建CNN&Resnet50

今天终于体会到了好电脑有多爽了，我看别人博客说这次作业的运算量比较大，我就放弃了用自己这台烂电脑的打算，改用实验室的电脑。首先使用keras搭建一个CNN，熟悉下keras。感觉就是tensorflow的进阶版，具体的函数参数在这里都有：FAQ 常见问题解答 - Keras 中文文档搭建CNN：首先导包，导入数据import osimport timeimport keras as ksimport kt_utilsos.environ['TF_CPP_MIN_LOG_LEVEL

2022-04-25 02:16:13 1831

原创吴恩达DeepLearning第四部分作业week1(1) 使用tensorflow搭建CNN

手搓CNN还在尝试中，写了1天还没写完，先把简单的用tensorflow搭建的写出来。首先处理数据：import osimport numpy as npimport matplotlib.pyplot as pltimport tensorflow as tfimport cnn_utilsos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 忽略警告np.random.seed(1)# 数据处理train_set_x, train_se

2022-04-23 11:18:58 171

原创吴恩达DeepLearning第二部分作业week3(3) 基于opencv测试自己的图片

看到选做部分，自己拍了5张照片。对跑出来的模型进行测试。首先，导包、构造初始化和前向计算图：import cv2import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltimport osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 忽略警告def init(x, y): first_num = 25 second_num = 12

2022-04-18 21:29:37 2844

原创吴恩达DeepLearning第二部分作业week3(2) tensorflow搭建神经网络

踩了无数的坑，终于是完成了。过程和用numpy写神经网络差不多，就是没了后向。首先导包，对数据进行处理：import osimport numpy as npimport h5pyimport matplotlib.pyplot as pltimport tensorflow as tffrom tensorflow.python.framework import opsimport tf_utilsimport timeos.environ['TF_CPP_MIN_LOG_

2022-04-18 15:35:10 1048

原创吴恩达DeepLearning第二部分作业week3(1) Tensorflow环境搭建以及基本功能介绍

又麻了，搭建环境花了半天。因为兼容问题Tensorflow版本和其他库版本的要求非常复杂。推荐用anaconda和pycharm。anaconda很容易创建各个版本的python的环境。anaconda安装教程：Anaconda安装（过程详细）_基QI学习的博客-优快云博客_anaconda安装pycharm安装教程：Download PyCharm: Python IDE for Professional Developers by JetBrains下载右边那个Community版

2022-04-17 13:48:52 1619 1

原创吴恩达DeepLearning第二部分作业week2 优化器设计： min_batch、momentum梯度下降、adam优化算法

这次作业比较简单按照公式打就行：首先导包，读取数据并查看数据import numpy as npimport matplotlib.pyplot as pltimport opt_utilsimport timex_train, y_train = opt_utils.load_dataset()# print(x_train.shape)# print(y_train.shape)构建神经网络def init(x): first_num = 9 secon

2022-04-16 02:23:31 960

原创吴恩达DeepLearning第二部分作业week1（3）Grad-check梯度检查

开始完全整蒙了，还是半夜头脑清醒了。按着公式一点点打出来了，由于网上也没找到对照的也不知道对不对。首先搬来自己写的多层神经网络import scipy.io as scioimport numpy as npimport matplotlib.pyplot as pltdef init(x): first_num = 10 second_num = 7 third_num = 3 np.random.seed(5) w1 = np.random.r

2022-04-14 01:47:23 1224

原创吴恩达DeepLearning第二部分作业week1（2）正则化、dropout

这部分作业主要是为了体现正则化和dropout防止过拟合的作用（低偏差，高方差）不使用任何优化方法：import numpy as npimport matplotlib.pyplot as pltimport reg_utilsdef init(x): first_num = 20 second_num = 7 third_num = 3 np.random.seed(5) w1 = np.random.randn(first_num, x.sh

2022-04-13 18:03:58 3084

原创吴恩达DeepLearning第二部分作业week1（1）权重初始化

上次写的神经网络，让我抓狂的问题终于在这节课找到了答案。对于不同的激活函数，不同的初始权重值往往对学习结果起着至关重要的作用。RELU函数适合使用he初始化，tanh函数适合使用Xavier初始化。这次作业主要是了解不同初始化的学习效果。首先，使用he初始化：照搬之前自己手搓的神经网络。import numpy as npimport matplotlib.pyplot as pltimport init_utilsdef init(x): first_num = 2

2022-04-13 14:27:36 657

原创学习opencv第11章图像变换部分习题

最近一直在看深度学习，不能荒废cv，这两天啃完了图像变换部分的知识。11-1脸上找瞳孔，提示用拉普拉斯算法。用完效果还是不理想，目前没想到办法。等学成在回头来看看吧//查找眼睛，根据提示使用拉普拉斯算法 Mat src = imread("D:\\编程\\opencv\\opencv\\opencv\\sources\\samples\\data\\VX_work.png");//读取opencv自带的图像库中截取经典lena脸 Mat dst_lap,dst_sobel_x,src_gray

2022-04-12 18:21:40 2588

原创学习Opencv第10章卷积和滤波部分练习

不同窗口的高斯平滑11-1Mat m1 = imread("D:\\编程\\opencv\\opencv\\opencv\\sources\\samples\\data\\blox.jpg", -1); namedWindow("raw"); imshow("raw", m1); Mat m_3by3, m_5by5, m_9by9, m_11by11; GaussianBlur(m1, m_3by3, Size(3, 3), 0.0); namedWindow("3*3"); imsho

2022-04-11 09:24:56 1158

原创吴恩达DeepLearning第一部分作业week4——搭建多层神经网络

又是卡死的一天，本来以为只是很简单的按之前的差不多搭个多层神经网络。结果踩了无数的坑，从早上一直搞到现在终于算是完了。总结深坑：1.多层神经网络初始权重一定不要像之前一样乘0.01。说多了都是泪，因为这个我构建好多层神经网络后，loss一直降不下去害我一层层检查调试。2.根据loss变化情况调整迭代次数和学习率，这是个漫长的过程。累了，直接上代码了：先导包和初始化：mport numpy as npimport matplotlib.pyplot as pltimport lr

2022-04-11 01:06:30 1367

原创吴恩达DeepLearning第一部分作业week3——实现后向传播

花了大半天时间完成了手推反向和找bug，不得不说这个反向是真的恶心，特别要注意维数的变化。DeepLearning学习又前进一大步。这次作业要求：构建具有单隐藏层的二分类神经网络。使用具有非线性激活功能激活函数计算交叉熵损失（损失函数）。实现向前和向后传播正式开始首先，导入数据和包：导入包import planar_utilsimport testCases#以上是作业提供的py文件import numpy as npimport matplotlib.pyplot

2022-04-09 01:49:35 1098

原创学习opencv第8章练习

对视频进行转成灰度图，并进行canny边缘检测，并将3个影像合到一个影像中显示。VideoCapture cap("D:\\编程\\opencv\\opencv\\opencv\\sources\\samples\\data\\vtest.avi"); Mat m1,m2,m3,m_all; auto width=cap.get(CAP_PROP_FRAME_WIDTH); auto height = cap.get(CAP_PROP_FRAME_HEIGHT); while (true)

2022-04-06 13:56:33 1720

原创吴恩达DeepLearning第一部分作业week2

准研一开始学习DeepLearning，借鉴大神思路【中文】【吴恩达课后编程作业】Course 1 - 神经网络和深度学习 - 第二周作业_何宽的博客-优快云博客_吴恩达深度学习编程作业import lr_utils as lrimport numpy as npimport matplotlib.pyplot as plt#import scipyimport pylablearn_rate=0.01loop_num=10000train_x_raw, train_y, te.

2022-04-06 13:09:50 2357

qq_30805765的博客