sdsc1314的博客

作用可以用神经网络解决本领域的应用代码#第一步：import库import tensorflow as tffrom PIL import Image#引入了PIL库用来管理图片import numpy as np#引入numpy库管理数组import os#第二步：输入网络的训练集和测试集train_path = './mnist_image_label/mnist_train_jpg_60000/'#用来进行制作自制训练数据的路径train_txt = './mnist_image_

前言本系列文章是根据北大教授曹健老师的tensorflow笔记改写而成，我个人的版本情况：anaconda: 4.3.21python:3.6.0tensorflow:1.7.0keras: 2.1.6pycharm:2017.2.3代码实现#第一步：import库import tensorflow as tf#第二步：输入网络的测试集和验证集mnist = tf.keras.datasets.mnist(x_train, y_train), (x_test, y_test) = m

转载：https://blog.youkuaiyun.com/m0_37407756/article/details/80904580理解1：卷积取的是局部特征，全连接就是把以前的局部特征重新通过权值矩阵组装成完整的图。因为用到了所有的局部特征，所以叫全连接。理解2：从卷积网络谈起，卷积网络在形式上有一点点像咱们正在召开的“人民代表大会制度”。卷积核的个数相当于候选人，图像中不同的特征会激活不同的“候选人”（卷积核）。池化层（仅指最大池化）起着类似于“合票”的作用，不同特征在对不同的“候选人”有着各自的喜好

一直不理解MLP的作用，今天细看了下几篇博客，记录下自己心得：MLP实质MLP中文叫法是多层感知机，其实质就是神经网络。其提出主要是为了解决单层感知机无法解决的非线性问题。个人理解个人理解，MLP的forward结构可以简单看成:Output=Input×Weights+biases其中：Input：N×C1Weights：C1×C2biases：C2×1Output：N×C2Input一共N行，每行C1个Feature，MLP能够实现将C1维转换为C2维。这C2维中每一维都整合了原

做过多分类任务的同学一定都知道softmax函数。softmax函数，又称归一化指数函数。它是二分类函数sigmoid在多分类上的推广，目的是将多分类的结果以概率的形式展现出来。下图展示了softmax的计算方法：softmax形式首先，我们知道概率有两个性质：1）预测的概率为非负数；2）各种预测结果概率之和等于1。softmax就是将在负无穷到正无穷上的预测结果按照这两步转换为概率的。1）将预测结果转化为非负数下图为y=exp(x）的图像，我们可以知道指数函数的值域取值范围是零到正无穷。sof

邻近算法(Nearest Neighbor)概念原理 邻近算法(Nearest Neighbor)的思想实际上十分简单，就是将测试图片和储存起来的训练集一一进行相似度计算，计算出最相近的图片，这张图片的标签便是赋给测试图片的分类标签。那么如何比较两组数据之间的相似长度呢？算法分析 最常用的两种方式： ①L1距离(Manhattan distance)②L2距离(Euclidean distance)Manhattan distance计算公式：在图片上的具体反映：

缩小图像缩小图像（或称为下采样（subsampled）或降采样（downsampled））的主要目的是两个：1.使得图像符合显示区域的大小；2.生成对应图像的缩略图；下采样的原理：对于一幅图像尺寸为MN，对其进行s倍的下采样，即得到（M/s）（N/s）尺寸的分辨率图像，当然，s应该是M和N的公约数才可以，如果考虑是矩阵形式的图像，就是把原始图像s*s窗口内的图像变成一个像素，这个像素点就是窗口内所有像素的均值 Pk = (∑ Xi)/ S^2放大图像放大图像（或称为上采样（upsampling

有一点像控制变量的感觉。因为作者提出了一种方案，同时改变了多个条件/参数，他在接下去的消融实验中，会一一控制一个条件/参数不变，来看看结果，到底是哪个条件/参数对结果的影响更大。下面这段话摘自知乎，@人民艺术家：你朋友说你今天的样子很帅，你想知道发型、上衣和裤子分别起了多大的作用，于是你换了几个发型，你朋友说还是挺帅的，你又换了件上衣，你朋友说不帅了，看来这件衣服还挺重要的。————————————————原文链接：https://blog.youkuaiyun.com/Sandwichsauce/artic

geodesic distance ，这个单词的中文翻译是测地距离，其实测地距离的意思就是在三维空间中，两点之间的最短路径，归根究底就是最短路径，在三维中间从一个点到另外一个点的路径有无数种，但是最短路径只有一条，那么这个最短路径的长度就是测地距离 geodesic distance。————————————————原文链接：https://blog.youkuaiyun.com/HNU_wang_chao/article/details/78612479...

简介在 PointNet++ 中用到了FPS(Farthest Point Sampling) 最远点采样法，该方法比随机采样的优势在于它可以尽可能的覆盖空间中的所有点。实现步骤假设一共有n个点,整个点集为N = {f1, f2,…,fn}, 目标是选取n1个起始点做为下一步的中心点:①随机选取一个点fi为起始点，并写入起始点集 B = {fi};②选取剩余n-1个点计算和fi点的距离，选择最远点fj写入起始点集B={fi,fj};③选取剩余n-2个点分别计算和点集B中每个点的距离,..

排列不变性（permutation invariance）：指输入的顺序改变不会影响输出的值。例如，f()就有排列不变性 ：

主要参考这里备注1.血的教训，在安装之前，一定要注意anaconda的版本，现在很多库不支持python3.7，又为python2比较老，许多功能不足，所以推荐安装python3.5或者python3.6，然后下载与python相对应的anaconda的版本。2.tensorflow的版本可以修改，版本看这里如果觉得文章有用，请给个赞...