qq_42805483的博客

数据增强方法是指将数据集的数量增大十倍以上，从而极大化利用小样本集中的每个样本，使之也可以训练得到一个较好的模型。数据增强方法还可以提高模型的鲁棒性，防止其易在训练中出现过拟合的现象。常用的数据增强方法有：1.平移（Shift）变换：对原始图片在图像平面内以某种方式（预先定义或者随机方式确定平移的步长、范围及其方向）进行平移。2.翻转（Flip）变换：沿竖直或者水平方向对原始图片进行翻转。...

import tensorflow as tfimport numpy as np# 产生随机数x_data = np.random.rand(100).astype(np.float32)y_data = x_data * 0.1 + 0.3# 初始化Weight和biasWeight = tf.Variable(tf.random_uniform([1], -1.0, 1.0))...

这篇博客主要记录Keras中搭建模型常用的API函数，和一个综合的例子，方便之后的学习和使用。参考内容：https://keras-cn.readthedocs.io/en/latest/， https://keras.io/zh1.卷积层，包含一维卷积层、二维卷积层、二维图像裁剪层、二维图像边界填充层等2.池化层，包括二维平均池化、二维最大池化和二维全局平均池化、二维全局最大池化等3.常用层，包括激活函数层、展开层、全连接层、reshape层、dropout层，Lambda层

这篇博客主要记录tf.layer库中常用的一些API函数，方便后续的学习和使用1.池化层，包括一维平均池化、二维平均池化、一维最大池化、二维最大池化2.卷积层，包括一维卷积、二维卷积3.全连接层,包括展开层和全连接层4.dropout层和batch_normalization层

tf.train库包含优化器设置、梯度更新、梯度计算、梯度裁剪、学习率衰减等训练过程中需要用到的API函数1.优化器设置2.优化器最小化loss3.梯度裁剪4.学习率衰减5.例子：应用梯度裁剪、学习率衰减、优化器设置和loss最小化

Tensorflow中有三种创建常数数据的方式，分别是Constants, Sequences, 和 Random Values。1.Constants：产生常数Tensortf.zeros(shape, dtype=tf.float32, name=None)shape：int列表或者一个1维的Tensordtype：Tensor类型，float32, float64, int8, in...

tf.nn库能提供神经网络相关操作的支持，包括卷积操作（conv）、池化操作（pooling）、归一化、loss、分类操作、embedding、RNN、Evaluation等，相对tf.layer更底层一些。**1.激活函数Activation Functions2.dropout层3.卷积层4.池化层5.Normalization6.Losses7.Evaluation ...

from PIL import Imageimport numpy as npfrom PIL import Imagefrom keras.preprocessing import imageimport matplotlib.pyplot as pltimport osimport cv2# from scipy.misc import toimageimport matplo...

第一步：数据预处理1.生成图片地址和对应标签def get_files(file_dir): image_list = [] label_list = [] class_list = [] cate = [file_dir + x for x in os.listdir(file_dir) if os.path.isdir(file_dir + x)] #图片地...

DenseNet：Densely Connected Convolutional Networks论文地址：https://arxiv.org/pdf/1608.06993.pdfDenseNet 是一种具有密集连接的卷积神经网络。在该网络中，任何两层之间都有直接的连接，也就是说，网络每一层的输入都是前面所有层输出的并集，而该层所学习的特征图也会被直接传给其后面所有层作为输入。下图是 Dens...

ResNet -v2:Identity Mappings in Deep Residual Networks论文地址：https://arxiv.org/abs/1603.0502优点：在整个网络中信息可以“直接”传播残差网络（ResNet）由“残差单元（Residual Units）”堆叠而成，每个单元可以表示为：其中，F代表残差函数，h代表恒等映射，即h(xl)=xl，通过添加恒等快...

本文主要记录博主阅读的深度学习论文后的总结Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition论文地址：https://arxiv.org/abs/1406.4729传统的CNN算法包含两部分，卷积层和全连接层。卷积层并不需要固定的输入，但是全连接层需要一开始就设置好参数大小，导致CNN算法...

这篇博客主要介绍两个轻量级网络SqueezeNet和MobilNetSqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size论文地址：https://arxiv.org/abs/1602.07360深度卷积神经网络的研究主要的关注点是提升其准确度。但是在给定准确度水平的条件下，通...

1.将标签数字转化成列向量，如def convert_to_one_hot(Y, C):#Y为标签，C为类别数 Y = np.eye(C)[Y.reshape(-1)].T return YY.shape = (1,m)，m为样本数np.eye()返回一个单位矩阵，[Y.reshape(-1)]的shape = (m,)中的m决定列方向的延展数量，而行方向的元素个数由C...

为了学习Faster RCNN，需要将自己的数据集制作成V0C2007的格式，搜索了许多的资料发现都不太完整，所以记录一下自己的学习过程，以便后续可能的使用。文件夹名字为VOC2007,里面分别是JPEGImages，Annotations，ImageSets三个文件，按顺序依次处理。1.图片的重命名VOC2007中图片名资是六位数字，如000001.jpg，因此最好将JPEGImages文...

# The train/test net protocol buffer definition //对训练和测试网络的定义//网络的路径，可以使用绝对路径或者相对路径net: "examples/mnist/lenet_train_test.prototxt" //位置//test_iter参数定义训练流程中前向传播的总批次数# test_iter specifies how ma...