lzy我就来随便逛逛的博客

国内镜像地址：http://pypi.douban.com/simple/　　 豆瓣http://mirrors.aliyun.com/pypi/simple/ 　　阿里http://pypi.hustunique.com/simple/ 　　华中理工大学http://pypi.sdutlinux.org/simple/ 　　山东理工大学http://pypi.mirrors....

近来大家对这个项目比较关注，也有好些人催我继续更新这个系列，因为博主前段时间一直在准备推免的事情，后来也一直在刷题，所以真的没有时间写，现在趁着这个暑假的小尾巴，更新一波，能写到哪里也不一定，但是我会确保每一步都不会让你走弯路的，也谢谢大家的支持喽。上一篇写到数据增强，数据增强应该算是数据预处理的一部分，而数据预处理对于模型的训练的重要性，相必大家也都清楚，从我自己的经验来说，进行完数据增强之...

数据增强非常重要，特别是在面对一个分布不是很均匀的数据集的时候。一个好的训练数据集是训练一个良好模型的前提，训练数据做好了在后面的模型训练时往往能够事半功倍。不多说，上代码"""Created on Tue May 7 08:38:42 2019@author: LZY"""from keras.preprocessing.image import ImageDataGene...

最近做了有关人脸表情识别的实验，还是挺有意思的，所以想在博客上记录这个过程，既是给自己做个记录，也想把这个过程分享给大家，如果能对你有一些帮助我会感到挺开心的，模型，数据集之类的我都会陆续上传，有需要的可以自己获取。先说在之后的文章会用到的东西，Ubuntu 16.04环境，Python 3.6.5，Keras框架，tensorflow框架，OpenCV，像一些Python中做科学计算的包比如...

https://www.zybuluo.com/hanbingtao/note/433855看到一个写的很赞的系列博客，非常清楚地介绍了深度学习相关的内容，留着作为收藏。

很多计算机视觉问题能转化为图片分类问题。图片分类中有那些问题：1.角度变化2.大小变化3.形状变化，物体不一定是刚体，有可能极端变形4.部分遮挡5.光照条件6.背景杂斑7.同一物体但是外观不同，比如椅子，可能有很多种不同的外观图片分类问题所用到的方法一般是数据驱动的方法NN算法：1.训练时只是记住所有训练数据2.分类预测时把测试数据...

我的电脑配置：cpu：i5-4200Hgpu：gtx 950M昨天测试了训练一般的神经网络使用cpu和gpu各自的速度，使用gpu比使用cpu大概能节省42%的时间，当时我以为这么个程度已经很不错了。今天我测试了一下使用keras框架训练一个简单的卷积神经网络，在分别测试cpu和gpu所消耗的时间之前，我其实心里是明白的，节约的时间肯定会比42%要多，因为卷积神经网络的数据特性使然，...

好不容易配好了tensorflow-gpu的环境，当然要试试使用gpu到底比用cpu快多少啦。在跑程序之前，我们先要知道程序所能调用的设备信息，在spyder中使用以下代码即可，当然其他编辑器也是可以的。from tensorflow.python.client import device_libprint(device_lib.list_local_devices())　输入代码后，...

本机配置：cpu：i5-4200Hgpu：gtx 950M照例，先查看本机可以使用的设备在spyder中输入：from tensorflow.python.client import device_libprint(device_lib.list_local_devices())　也就是说，我可以选择调用cpu，也可以选择调用gpu。先上测试代码：impo...

首先，我配置的环境是在ubuntu16.04系统下，首先安装了英伟达384驱动，然后安装了Anaconda3 5.2.0版本，然后就是keras-gpu框架和spyder编辑器。如果你想配置的环境与我的环境差的比较大，那我建议你不要按照我的方法继续进行下去，因为一点小小的错误都有可能造成全盘皆输的后果，甚至你都不知道哪里错了，需要重装系统才能继续重来！谨慎！谨慎！谨慎！安装英伟达驱动是个大坑，...

安装keras前后也算费了挺大劲的，所以在这里记录一下。首先python3.7是无法安装成功的，因为现在keras还不支持python3.7，要用的话可以降低Anaconda的python版本，降到3.6就可以了，降低python版本的方法见链接：https://blog.youkuaiyun.com/Fhujinwu/article/details/85851587降低了版本后就安装MinGW包,打...