Mathjax:2.x整理一<script type="text/x-mathjax-config"> MathJax.Hub.Config({ showProcessingMessages: false, messageStyle: "none", extensions: ["tex2jax.js"], jax: ["input/TeX", "output/HTML-CSS"], tex2jax: { inlineMat...

目标检测rcnn：根据颜色等特征，将图像分为许多小区域（一般情况下颜色相同的都是一类物体）合并区域，然后进行区域内的物体检测 即到卷积中进行预测（每个框一个卷积网络）缺点：找到的框太多fast-rcnn:整张图片卷积得到特征图图片映射到特征图，faster-rcnn:RPN 层，根据标注中框的位置，让卷积网络自己学习框应该在哪 （在特征图上提取框）怎么学习？有基数128,256,512，3种方式对于一个像素点生成9个框，以他为中心128*256,256*128,128*128256*5...

1，初识爬虫import requestsfrom bs4 import BeautifulSoupimport osurl="https://www.58pic.com/"response = requests.get(url)response.encoding='utf8'# print(response.text)soup = BeautifulSoup(response.text,"html.parser")# div = soup.find(name="div",attrs="i...

分布式Tensorflow单机多卡（gpu）多级多卡（分布式）自实现分布式API：​ 1，创建一个tf.train.ClusterSpec，用于对集群的所有任务进行描述，该描述对于所有任务相同​ 2，tf.train.Server 创建ps，worker 并运行相应的计算任务​ cluster=tf.train.ClusterSpec({"ps":ps_spec,"worker":worker_spec})​ ps_spec = ["ps0.example....

验证码识别1，分割2，整体识别 一张图片n个字母 即不再是一个目标值，是n个​ 例：NZPP​ N ------>[0.01，0.02,0.03.......] 概率 N------->[0，0,0,0,1.......] one-hot编码​ Z-------->[0.01，0.02,0.03.......] Z------->[0,1,0,0,0......]​ 最后得出n*26个概率 ​ 交叉熵计算​ ...

深度神经网络------>卷积神经网络1，卷积神经网络与简单神经网络的比较全连接网络的缺点：参数太多，图片过大时，计算太多没有利用像素之间位置信息层数限制2，卷积神经网络发展史3，卷积神经网络结构神经网络：输入层，隐藏层，输出层卷积神经网络：隐藏层分为​ 卷积层过滤器：通过在原始图像上平移来提取特征，定义过滤器观察窗口（大小，步长）单位为像素​ 移动越过图片大小，例如步长过长，会导致最后一次越界，或不足（使用填充 0填充解决）​ 1，不越过，直接停止...

神经网络感知机解决分类问题http://playground.tensorflow.org神经网络定义:​ 在机器学习领域和认知科学领域,人工神经网络(artificial neural network) 简称ann或类神经网络,一种放生物 神经网络的结构和功能的计算模型,用于对函数进行估计或近似.种类:​ 基础神经网络:单层感受器,线性神经网络,BP神经网络,Hopfield神经网络​ 进阶神经网络:玻尔兹曼机,受限玻尔兹曼机,递归神经网络​ 深度神经网...

tensorflow 数据读取队列和线程文件读取,图片处理问题:大文件读取,读取速度,在tensorflow中真正的多线程子线程读取数据 向队列放数据(如每次100个),主线程学习,不用全部数据读取后,开始学习队列与对垒管理器,线程与协调器tf.FIFOQueue(capacity=None,dtypes=None,name="fifo_queue") # 先进先出队列dequeue() 出队方法enqueue(vals,name=None) 入队方法enqueue_many(vals,...

# 深度学习 # 图像识别,自然语言处理 # 机器学习 深度学习 # 分类:神经网络(简单) 神经网络(深度) # 回归 图像:卷积神经网络 # 自然语言处理:循环神经网络 # cpu:运行操作系统,处理业务,计算能力不是特别突出 # gpu:专门为计算设计的 import tensorflow as tf a = tf.constant(5....