<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[sunniness_7的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/sunniness_7</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; sunniness_7]]></copyright><item><title><![CDATA[飞桨图像分类入门——多种网络模型在手写数字识别的应用]]></title><link>https://blog.youkuaiyun.com/sunniness_7/article/details/114598066</link><guid>https://blog.youkuaiyun.com/sunniness_7/article/details/114598066</guid><author>sunniness_7</author><pubDate>Tue, 09 Mar 2021 20:12:35 +0800</pubDate><description><![CDATA[什么是图像分类
图像分类是基于深度学习的cv分类任务。 核心是从给定的分类集合中给图像分配一个标签的任务。 实际上我们的任务是分析一个输入图像并返回一个图像分类的标签。 标签总是来自预定义的可能类别集。
首先导入必要的包
numpy----------&gt;python第三方库，用于进行科学计算
PIL------------&gt; Python Image Library,python第三方图像处理库
matplotlib-----&gt;python的绘图库 pyplot:matplotlib的绘图]]></description><category></category></item><item><title><![CDATA[图像分类学习笔记DAY04]]></title><link>https://blog.youkuaiyun.com/sunniness_7/article/details/114487377</link><guid>https://blog.youkuaiyun.com/sunniness_7/article/details/114487377</guid><author>sunniness_7</author><pubDate>Sun, 07 Mar 2021 16:12:13 +0800</pubDate><description><![CDATA[柠檬分类实战
思考并动手进行调优，以在验证集上的准确率为评价指标，验证集上准确率越高，得分越高！
思考：数据本身已进行了数据增强，所以可以从其他方面入手来实现提高准确率。本文通过修改定义Adam优化器以及batch_size(从32改为128）提高了准确率。因为效果比较好，所以没有对网络模型进行优化。模型的优化也是一个重要的方面。
# 导入所需要的库
from sklearn.utils import shuffle
import os
import pandas as pd
import numpy as]]></description><category></category></item><item><title><![CDATA[图像分类学习笔记DAY03]]></title><link>https://blog.youkuaiyun.com/sunniness_7/article/details/114448639</link><guid>https://blog.youkuaiyun.com/sunniness_7/article/details/114448639</guid><author>sunniness_7</author><pubDate>Sat, 06 Mar 2021 18:58:53 +0800</pubDate><description><![CDATA[1.蝴蝶图像分类
思路一:数据增强
图像增强之numpy格式
1）图像缩放

def resize_img(img, target_size):
    img = cv2.resize(img, (target_size, target_size))
    return img

2）图片中央剪切

def center_crop_img(img, target_size):
    w, h = img.shape[0], img.shape[1]
    tw, th = target_size, ]]></description><category></category></item><item><title><![CDATA[图像分类学习笔记DAY02]]></title><link>https://blog.youkuaiyun.com/sunniness_7/article/details/114385223</link><guid>https://blog.youkuaiyun.com/sunniness_7/article/details/114385223</guid><author>sunniness_7</author><pubDate>Fri, 05 Mar 2021 10:37:57 +0800</pubDate><description><![CDATA[1.手写数字识别
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
import os
import paddle
#导入数据集Compose的作用是将用于数据集预处理的接口以列表的方式进行组合。
#导入数据集Normalize的作用是图像归一化处理，支持两种方式： 1. 用统一的均值和标准差值对图像的每个通道进行归一化处理； 2. 对每个通道指定不同的均值和标准差值进行归一化处理。
from paddle.vi]]></description><category></category></item><item><title><![CDATA[图像分类学习笔记DAY01]]></title><link>https://blog.youkuaiyun.com/sunniness_7/article/details/114373246</link><guid>https://blog.youkuaiyun.com/sunniness_7/article/details/114373246</guid><author>sunniness_7</author><pubDate>Thu, 04 Mar 2021 17:23:01 +0800</pubDate><description><![CDATA[1.颜色空间转换

RGB或BGR到灰度（COLOR_RGB2GRAY，COLOR_BGR2GRAY）
RGB或BGR到YcrCb（或YCC）（COLOR_RGB2YCrCb，COLOR_BGR2YCrCb）
RGB或BGR到HSV（COLOR_RGB2HSV，COLOR_BGR2HSV）
RGB或BGR到Luv（COLOR_RGB2Luv，COLOR_BGR2Luv）
灰度到RGB或BGR（COLOR_GRAY2RGB，COLOR_GRAY2BGR）

2.阈值分割

小结
cv2.threshold()]]></description><category></category></item><item><title><![CDATA[百度飞浆领航团零基础python速成营学习心得]]></title><link>https://blog.youkuaiyun.com/sunniness_7/article/details/113781085</link><guid>https://blog.youkuaiyun.com/sunniness_7/article/details/113781085</guid><author>sunniness_7</author><pubDate>Wed, 10 Feb 2021 12:51:32 +0800</pubDate><description><![CDATA[一.统计英语文章词频并排序
统计英语6级试题中所有单词的词频，并返回一个如下样式的字典
{‘and’:100,‘abandon’:5}
英语6级试题的文件路径./artical.txt
Tip: 读取文件的方法
&gt; def get_artical(artical_path):
    with open(artical_path) as fr:
        data = fr.read()
    return data
 
get_artical('./artical.txt')

处理要求
(]]></description><category></category></item></channel></rss>