- 博客(8)
- 收藏
- 关注
RSS订阅原创 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
288
原创 tensorflow学习笔记keras（5）------北京大学 曹健
tf.keras搭建网络八股1. importimport tensorflow as tffrom sklearn import datasetsimport numpy as np2. train,testx_train = datasets.load_iris().datay_train = datasets.load_iris().target3. 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
267
原创 tensorflow学习笔记（4）------北京大学 曹健
Tensorflow常用APIimport 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
233
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 tfa = 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
256
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 datasetsx_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
302
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
434
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
554
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
7062
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