丁小飞的博客

1.统一调整图像尺寸 __author__ = 'ding' ''' TensorFlow 图像处理 ''' import tensorflow as tf import matplotlib.pyplot as plt image_raw_data = tf.gfile.FastGFile('./path/to/picture1.jpeg', 'rb').read() with tf.Ses...

1.创建工程结构目录如下 data目录 包含train目录与validation目录，将需要训练的图片放入到对应的文件夹中，名称可以自命名 saved_models目录 储存训练完成后的模型 4.mp4 视屏文件，训练完成之后可通过这个视屏文件进行预测 model_cnn_train.py 模型训练文件 详细代码如下 #!/usr/bin/env pyt...

Sigmoid 和 ReLU 比较： sigmoid 的梯度消失问题，ReLU 的导数就不存在这样的问题，它的导数表达式如下： 曲线如图 对比sigmoid类函数主要变化是： 1）单侧抑制 2）相对宽阔的兴奋边界 3）稀疏激活性。 Sigmoid 和 Softmax 区别： softmax is a generalization of logistic function t...

__author__ = 'ding' ''' 完整的图像预处理案例 ''' import tensorflow as tf import numpy as np import matplotlib.pyplot as plt def distort_color(image, color_ordering=0): if color_ordering == 0: imag...

__author__ = 'ding' ''' 完整的图像预处理案例 ''' import tensorflow as tf import numpy as np import matplotlib.pyplot as plt def distort_color(image, color_ordering=0): if color_ordering == 0: imag...

整体流程： 1.定义算法公式 2.定义loss 选定优化器，并制定优化器优化loss 3.迭代数据进行训练 4.在测试集或验证集上对准确率进行测评 首先导入tensorflow 与mnist的input-data 用来获取traning test 包 from tensorflow.examples.tutorials.mnist import input_data import ...

卷积的好处是，不管图片尺寸如何，我们需要训练的权值数量只和卷积核大小、卷积核数量有关。 每个卷积层包含三个部分：卷积、池化和非线性激活函数 __author__ = 'ding' ''' Tensorflow 实现简单CNN ''' import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_d...

1.将输入数据保存为TFRecord格式 __author__ = 'ding' ''' 将数据保存为TFRecord格式 ''' import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data import numpy as np # 生成整数型的属性 def _int64_feature(...

ReLU对比Sigmoid主要变化： 1.单侧抑制 2.相对宽阔的兴奋边界 3.稀疏激活性 (1) sigmoid函数（曲线很像“S”型） 公式： 曲线： 也叫 Logistic 函数，用于隐层神经元输出 取值范围为(0,1) 它可以将一个实数映射到(0,1)的区间，可以用来做二分类。（它不像SVM直接给出一个分类的结果，Logistic Regression给出的是...