虾米龟儿-优快云博客

原创使用tensorboard遇到的几个问题

1.在keras中使用tensorboard的使用方法 Tensorboard= TensorBoard(log_dir="./model", histogram_freq=1,write_grads=True) history=model.fit(x_train, y_train, batch_size=batch_size, epochs=epochs, shuffle=True, validation_split=0.2, callbacks=[Tensorboard]) 在

2021-06-16 16:33:37 427

原创 tensorflow学习笔记keras（5）------北京大学曹健

tf.keras搭建网络八股 1. import import tensorflow as tf from sklearn import datasets import numpy as np 2. train,test x_train = datasets.load_iris().data y_train = datasets.load_iris().target 3. tf.keras.models.Sequential（逐层描述网络结构，走一边前向传播） Sequential 函数是一个容器，描述

2020-10-17 15:17:31 391

原创 tensorflow学习笔记（4）------北京大学曹健

Tensorflow常用API import tensorflow as tf # 指数衰减学习率策略 tf.keras.optimizers.schedules.ExponentialDecay( initial_learning_rate=0.5, decay_steps=10, decay_rate=0.9, staircase=False ) # initial_learning_rate （初始学习率） decay_steps(衰减步数，staircase) # decay_rate(

2020-10-16 15:07:00 342

原创 tensorflow学习笔记（3）------北京大学曹健

基础函数本次学习到以后可能会用到的基本函数 1. tf.where # 1. tf.where() import tensorflow as tf a = tf.constant([1, 2, 3, 1, 1]) b = tf.constant([0, 1, 3, 4, 5]) c = tf.where(tf.greater(a, b), a, b) # 若a>b（由greater函数充当这里的条件， # greater就是比较它里面的元素，左边是否大于右边，是则返回1），返回a对应位置的元素，

2020-10-10 19:36:21 366

原创 tensorflow学习笔记（2）------北京大学曹健

神经网络实现鸢尾花的分类准备数据数据集的读入 from sklearn import datasets x_data = datasets.load_iris().data # 返回输入特征 y_data = datasets.load_iris().target # 返回标签视频中有的代码是有问题的，但是他给的文档的代码没问题。数据集乱序 # 打乱数据特征和标签 np.random.seed(116) np.random.shuffle(x_data) np.random.seed(116)

2020-10-10 15:55:55 449 1

原创 tensorflow学习笔记（1）------北京大学曹健

tensorflow学习笔记（1） 0 环境搭建 tensorfolw的环境搭建（anaconda版，一步到位）视频里环境搭建过程很详细，就不细说了。(视频中也有配置视频，链接在文末) 另外，本笔记只是我记忆难记的地方写的，不喜勿喷。课程环境（python3.7 、tensorfow2.1） 1.1 梯度下降公式 lr为学习率，w为权重。（lr太小，参数更新很慢；lr太大，会在最小的损失值左右摆动）代码1.1 反向传播，梯度下降，使损失函数减小的过程，权重更新的过程。 import tensorf

2020-10-08 21:13:51 622

原创 PYQT5的学习------QMessageBox的按钮中文化

写界面退出符号时， def closeEvent(self, event): reply = QMessageBox.question(self, 'Message', "are sure to quit?",QMessageBox.Yes| QMessageBox.No,QMessageBox.No) if reply == QMessageBox.Yes: event.accept() else : event.ignore() 显示结果：按钮

2020-09-23 14:24:45 752

原创 SIFT与SURF算法

SIFT与SURF算法 1. SIFT与SURF的特征 SIFT即尺度不变特征变换，是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。 Sift算法的优点是特征稳定，对旋转、尺度变换、亮度保持不变性，对视角变换、噪声也有一定程度的稳定性；缺点是实时性不高，并且对于边缘光滑目标的特征点提取能力较弱。 Surf（Speeded Up Robust Features）改进了特征的提取和描述方式，用一种更为高效的方式完成特征的提取和描述。 2. SIFT算法实现流程

2020-09-22 20:57:21 7646 1

weixin_46331334的博客