原创 tensorflow讀取一個模型後多次使用
訓練好一個模型後,將其投入使用,會有在項目初始化後多次加載測試數據的需求,可以採用保存graph的思想實現 (在一個項目中需要加載多個模型同樣可用) 另:這條博客接我的上一條https://blog.csdn.net/qq_3447021
原创 python + tensorflow 神經網絡多分類
新電腦的所有項目資料都沒了,現在想搞一個簡單的CNN多分類問題都還得重新寫好麻煩,簡單記錄一下實現步驟,用於今後備用。 1、以服裝分類爲例,在百度圖片上搜了各類衣服的圖片,裁成方塊,分成5類,每一類都放到一個文件夾,爲了方便取名0-4
原创 數據庫BC範式(BCNF)判斷和分解
書中的概念: 關係模式R〈U,F〉∈1NF。若X→Y且Y不包含X時X必含有碼,則R〈U,F〉∈BCNF。 也就是說,關係模式R〈U,F〉中,若每一個決定因素都包含碼,則R〈U,F〉∈BCNF。 由關係模式的定義可以得到如下結論,若R屬於B
原创 數據庫BC範式(BCNF)
書中的概念: 關係模式R〈U,F〉∈1NF。若X→Y且YX時X必含有碼,則R〈U,F〉∈BCNF。 也就是說,關係模式R〈U,F〉中,若每一個決定因素都包含碼,則R〈U,F〉∈BCNF。 由關係模式的定義可以得到如下結論,若R屬於BCN
原创 基於RNN實現古詩詞生成模型
我們知道,RNN(循環神經網絡)模型是基於當前的狀態和當前的輸入來對下一時刻做出預判。而LSTM(長短時記憶網絡)模型則可以記憶距離當前位置較遠的上下文信息。 在此,我們根據上述預判模型來進行 古詩詞的生成模型訓練。 首先,我們需要準備好
原创 ROS關於movebase的局部路徑規劃代碼解析
終於做完了機器人movebase路徑規劃算法的修改工作,現在把工作時寫的筆記分享出來,希望可以起到搞清楚算法步驟的作用(建議配合代碼一起食用) -----------------------------------------------
原创 一百行代碼實現一個GAN網絡
GAN:對抗性生成網絡,通俗來講,即有兩個網絡一個是g(generator )網絡,用於生成,一個是d(discriminator)網絡,用於判斷。GAN網絡的目的就是使其自己生成一副圖片,比如說經過對一系列貓的圖片的處理,g網絡可以自己
原创 遷移網絡的實現原理
補發一段對於遷移網絡的學習筆記。手動訓練一些層數較深的神經網絡會花費大量的時間。我們可以利用一些常見的神經網絡模型,使用已經訓練好的參數,對圖像的特徵進行提取,這樣來實現避免手動訓練參數而花費太多時間的作用。函數主題非常簡單,以Incep
原创 Tensorflow一些常用基本概念與函數
摘要:本文主要對tf的一些常用概念與方法進行描述。 1、tensorflow的基本運作 爲了快速的熟悉TensorFlow編程,下面從一段簡單的代碼開始: import tensorflow as tf #定義‘符號’變量,也稱爲佔
原创 遷移網絡的應用-圖像風格遷移
圖片風格遷移指的是將一個圖片的風格轉換到另一個圖片中,如圖所示:原圖片經過一系列的特徵變換,具有了新的紋理特徵,這就叫做風格遷移。VGG網絡在實現風格遷移之前,需要先簡單瞭解一下VGG網絡(由於VGG網絡不斷使用卷積提取特徵的網絡結構和準
原创 MCTS學習筆記
MCTS樹學習MCTS,即蒙特卡羅樹搜索,是一類搜索算法樹的統稱,可以較爲有效地解決一些搜索空間巨大的問題。 如一個8*8的棋盤,第一步棋有64種着法,那麼第二步則有63種,依次類推,假如我們把第一步棋作爲根節點,那麼其子節點就有63個,
原创 tensorflow+python3訓練網絡模型,opencv3.4+C++調用
opencv3.3之後推出了DNN的神經網絡接口,這樣的OpenCV的中就可以調用tensorflow訓練得到的網絡了。 我這裏使用的版本是tensorflow1.4.0 + python3.5,搭建一個簡單的模型,用來訓練得到pb文件。
原创 梯度優化 SGD, BGD,MBD,Adagrad,Adadelta,Momentum,NAG,牛頓法
在騰訊的筆試題中,作者遇到了這樣一道題:下面哪種方法對超參數不敏感:1、SGD2、BGD3、Adadelta4、Momentum神經網絡經典五大超參數:學習率(Learning Rate)、權值初始化(Weight Initializat
原创 AI必知的十大深度學習算法
首先先讓我們來定義一下什麼是“深度學習”。對很多人來說,給“深度學習”下一個定義確實很有挑戰,因爲在過去的十年中,它的形式已經慢慢地發生了很大的變化。先來在視覺上感受一下“深度學習”的地位。下圖是AI、機器學習和深度學習三個概念的一個關係
原创 線程和隊列
線程和隊列 在使用TensorFlow進行異步計算時,隊列是一種強大的機制。正如TensorFlow中的其他組件一樣,隊列就是TensorFlow圖中的節點。這是一種有狀態的節點,就像變量一樣:其他節點可以修改它的內容。具體來說,其他節點