原创 pyinstaller pyqt5 打包

參考: https://blog.csdn.net/j_starry/article/details/82261807 https://www.jianshu.com/p/c451db99adca 一個小程序包括3個python文件,1個

原创 深度學習調參技巧----可視化

  在網上看了一下額深度學習調參技巧,放在這篇文章做個整理。 https://www.zhihu.com/question/25097993 1.Visualize Layer Activations 2.Visualize Layer

原创 [Flask] 學習筆記1:如何清除佔用了localhost的process

1. 一個小的demo-來自廖雪峯的教程:https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/00143201274580

原创 對Python3+gdal 讀取tiff格式數據的實例講解

今天小編就爲大家分享一篇對Python3+gdal 讀取tiff格式數據的實例講解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧 1、遇到的問題:numpy版本 im_data = dataset

原创 遷移學習簡述

遷移學習是一種機器學習方法,就是把爲任務 A 開發的模型作爲初始點,重新使用在爲任務 B 開發模型的過程中。 深度學習中在計算機視覺任務和自然語言處理任務中將預訓練的模型作爲新模型的起點是一種常用的方法,通常這些預訓練的模型在開發

原创 Win10-Tensorflow-FasterRcnn訓練環境配置手冊

1、安裝顯卡驅動:根據自己電腦的顯卡下載適合的顯卡驅動2、安裝CUDA8.0 安裝完成後查看cuda版本: 在命令行輸入nvcc -V3、安裝cudnn v6.0將該文件夾下的cuda文件夾下對應的文件目錄拷貝到第一步安裝的CUDA  文

原创 Python—RGB2GRAY 彩色圖像R、G、B分量的提取與合併及其相關顏色空間的轉化

原始圖片:用PIL中Image做圖片的RGB2GRAY,有噪聲from PIL import Imageimage = Image.open('./example.jpg') # open colour imageimage = imag

原创 CNN發展

https://www.leiphone.com/news/201708/3J34FP06VPbSdhRm.html https://www.zhihu.com/question/53727257/answer/136261195

原创 Tensorflow實現Softmax Regression識別手寫數字

實現代碼: #coding:utf-8 # load MNIST datasets from tensorflow.examples.tutorials.mnist import input_data mnist = input_dat

原创 綜述:深度學習時代的目標檢測算法

目標檢測算法脈絡 綜述:深度學習時代的目標檢測算法更新算法至2017.12.31目前目標檢測領域的深度學習方法主要分爲兩類:two stage的目標檢測算法;one stage的目標檢測算法。前者是先由算法生成一系列作爲樣本的候選框,再通

原创 python數據擴充:gamma+重採樣+旋轉+鏡像

訓練的時候因爲數據出現問題,把做數據擴充的重新整理了一下,應該一步步檢查的。 1、gamma變換調節圖像對比度 """ ================================= Gamma and log contrast ad

原创 C++調用python

命令行模式(含參數)1、sys.argv獲取①cpp_python.cpp:#include "stdafx.h" #include <iostream> #include <stdio.h> #include <stdlib.h> #

原创 IPAT測試題型

參考:https://masteribmipat.com/

原创 python數據結構

1、列表 List添加、刪除、搜索  list.append()list.sort()del list[index]列表中的元素可以是不同的數據類型。2、元組元組與打印的關係print('%s have %d %s') %(name, n

原创 Tensorflow實現多層感知機Multi-layer Preceptron

# coding:utf-8 ''' 使用Tensorflow訓練神經網絡的4個步驟 ①定義算法公式 即神經網絡的forward時的計算 ②定義損失函數和選擇優化器來優化loss ③訓練步驟 ④對模型進行準確率評測 隱含層:解決XOR問