- 博客(6)
- 收藏
- 关注
RSS订阅原创 深度学习笔记（二）卷积层 Convolutional tf.keras.layers.conv2D
如何理解tf.keras.layers.Conv2D（）在介绍，此函数之前，我们先了解卷积层在深度学习中的作用：什么卷积卷积是指将卷积核应用到某个张量的所有点上，通过卷积核在输入的张量上滑动而生成经过滤处理的张量。不同的卷积核对图像中不同特征的敏感程度不同，因此不同的卷积核提取的图像特征不同卷积层完成的是：对图像特征的提取或者信息匹配tf.keras.layers.Conv2D（）的函数参数具体如下：tf.keras.layers.Conv2D( filters, ke
2020-10-05 16:42:01
1778
原创 深度学习（一）如何理解tf.keras.Input
如何理解tf.keras.Input( shape=None, batch_size=None, name=None, dtype=None, sparse=False, tensor=None, ragged=False, **kwargs, )（1）含义Input()函数用于实例化keras张量，主要用特定的属性来增强它，使我们能够构建Keras模型，并且只需要知道模型的输入与输出。参数含义shape:形状元组(整数)，不包括批大小。例如，' shape=(32，) '表示期望的输入.
2020-09-24 17:48:26
1258
原创 AttributeError: module ‘labelme.utils‘ has no attribute ‘label_colormap‘
AttributeError: module 'labelme.utils' has no attribute 'label_colormap'出现这个问题，我上网上找了很多方法，后来发现原因：原先安装的labelme的版本是4.x的版本，发现这个版本的labelme中的untils包中无label_colormap这个函数，后来找了不少方法，大概主要的方法就是降低labelme的版本，我先后降为3.21.1和3.16.2版本，发现只有3.16.2才可以。主要步骤：第一步：卸载之前安装..
2020-09-21 14:28:32
1356
原创 深度学习之-神经元权重以及偏置的介绍
深度学习之-神经元权重以及偏置的介绍**1.深度学习的来历2.什么是深度学习3.偏置以及权重的介绍- 认识简单的3层神经网络在深度学习或者机器学习中，各个信号被称作“神经元”，首先我们以3层神经网络为对象认识下3层神经网络中的输入层，隐藏层以及输出层，如下图所示注意：3层神经网络中输入层为第0层3层神经网络中输出层为第3层- 权重以及偏置的基本含义但是针对不同问题，每个神经元的权重（w1,w2,···，wn)以及偏置(b)均不同，在对权重以及偏置进行解释前，我们可以观察下面这张
2020-06-10 23:30:00
19920
9
原创 用pip命令安装sklearn包时出现版本找不到的问题时如何解决
**用pip命令安装sklearn包时出现版本找不到的问题时如何解决**在dos窗口内安装skearn包时有时候会遇到如下问题，如下所示：ERROR: Could not find a version that satisfies the requirement threadpoolctl>=2.0.0 (from scikit-learn->sklearn) (from versions: 1.0.0, 1.1.0)ERROR: No matching distribution fo
2020-05-18 15:22:21
15619
1
转载 图像处理中常见的时域与频域区别与关系
一、什么是时域时域是描述数学函数或物理信号对时间的关系。例如一个信号的时域波形可以表达信号随着时间的变化。二、什么是频域频域（频率域）——自变量是频率,即横轴是频率,纵轴是该频率信号的幅度,也就是通常说的频谱图。频谱图描述了信号的频率结构及频率与该频率信号幅度的关系。三、什么是空间域空间域又称图像空间(image space)。由图像像元组成的空间。在图像空间中以长度(距离)为自变量...
2020-02-15 14:08:20
5493
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人