weixin_42189597的博客

加载必要的包和读取图像路径。 # 利用透视变换对纸张进行矫形 import cv2 import numpy as np import math im = cv2.imread('../img_data/paper.jpg') cv2.imshow('im', im) 显示原始图像： # 灰度化 im_gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY) cv2.imshow('im_gray', im_gray) 灰度化图像并显示： canny边沿提取图像的轮廓

形状简介 张量有形状。下面是几个相关术语： 形状：张量的每个轴的长度（元素数量）。 秩：张量轴数。标量的秩为 0，向量的秩为 1，矩阵的秩为 2。 轴或维度：张量的一个特殊维度。 大小：张量的总项数，即乘积形状向量 注：虽然您可能会看到“二维张量”之类的表述，但 2 秩张量通常并不是用来描述二维空间。 import tensorflow as tf rank_4_tensor = tf.zeros([3, 2, 4, 5]) print("Type of every element:", rank_4_

梯度下降 一、梯度下降的定义 梯度（gradient）是一个向量（矢量，有方向），表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大.损失函数沿梯度相反方向收敛最快（即能最快找到极值点）.当梯度向量为零（或接近于零），说明到达一个极值点，这也是梯度下降算法迭代计算的终止条件. 这种按照负梯度不停地调整函数权值的过程就叫作“梯度下降法”.通过这样的方法，改变权重让损失函数的值下降得更快，进而将值收敛到损失函数的某个极小值. 通过损失函数，我们将“寻

线性回归-代码示例 导入所需要的包。 import numpy as np #数据转换的包 import matplotlib.pyplot as plt #绘图用的包 from pylab import mpl #处理中文的包 实现中文显示。 # matplotlib没有中文字体，动态解决 plt.rcParams['font.sans-serif'] = ['Simhei'] # 显示中文 mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号