锅锅的博客

一、介绍这里主要介绍卷积相关函数用c语言实现，如卷积、池化、全零填充等等二、单核单通道卷积//单卷积 #define IMG_SIZE 5#define W_SIZE 3#define OUT_SIZE 3int conv(float img[IMG_SIZE][IMG_SIZE], float w[W_SIZE][W_SIZE], float out[OUT_SIZE][OUT_SIZE]){ int i,j,k,r,m,n; float tmp; //单张图片卷积 for(

一、介绍输入28x28的图片像素点范围0-1浮点数输出0-9的概率二、代码实现核心代码int my_predict(float *x, float *w1, float *b1, float *w2, float *b2){ float l1[64] = {0},l2[10] = {0},tmp = 0; int i,j,k; //第一层64个神经元 x 28x28 w 784*64个 b 64个 输出 64个输出 //w1x1+w2x2 ... wnxn+b printf(

一、介绍输入为28x28的图片的浮点型数据输出0-9的概率值二、代码#导入库import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#产生权重参数变量def w_value(shape): w_v = tf.truncated_normal(shape, stddev=0.1)#生成张量产生随机数填充 return tf.Variable(w_v)#返回变量张量，填充随

一、介绍输入为28x28的图片的浮点型数据输出0-9的概率值二、代码#导入库import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#产生权重参数变量def w_value(shape): w_v = tf.truncated_normal(shape, stddev=0.1)#生成张量产生随机数填充 return tf.Variable(w_v)#返回变量张量，填充随

一、介绍输入为28x28的图片的浮点型数据输出0-9的概率值二、代码#导入tensorflow库import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_dataimport numpy as np#下载数据集mnist = input_data.read_data_sets('MNIST_data/', one_hot=True)#输入x = tf.placeholder(tf.f

#导入tensorflow库import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_dataimport numpy as np#下载数据集mnist = input_data.read_data_sets('MNIST_data/', one_hot=True)#输入x = tf.placeholder(tf.float32, [None, 784])#目标输出y = tf.pla

一、Tensorflow使用1、Tensorflow简介TensorFlow是一个软件库，封装了建构神经网络的API，类似于MatLab的神经网络工具箱，是Google于2015年推出的深度学习框架(目前最流行的深度学习框架)计算图①计算图(Graph)，如上图，表述了一个计算任务（也可以说是训练任务）。②张量(Tensor)，是对矢量和矩阵向潜在的更高维度的泛化。TensorFlow在内部将张量表示为基本数据类型的 n 维数组。例：线性代数中用秩来表示矩阵的维度，同样在TensorFlow中也

一、下载安装python3.7.9二、下载安装tensorflowpip install tensorflow1.15 jupyter三、安装相关库pip install opencv-python pillow scipy1.2.1四、安装virtualenv虚拟的python环境pip3 install virtualenv测试五、使用设置虚拟环境位置cd C:\Users\AWcloud\Desktop\python_env搭建虚拟环境virtualenv py_test