原创 SVM4種核函數在簡單數據集下的效果對比

小彩筆的學習筆記,時間匆忙只貼代碼 import numpy as np import matplotlib.pyplot as plt from matplotlib.colors import ListedColormap f

原创 SVM非線性簡單實現

小彩筆的學習筆記 from sklearn.datasets import make_circles X,y = make_circles(100, factor=0.1, noise=.1) X.shape y.shap

原创 SVM 參數調整過程實例

小彩筆的學習筆記 from sklearn.datasets import load_breast_cancer from sklearn.svm import SVC from sklearn.model_selection i

原创 數字圖像處理概述PPT學習1

學習過程記錄,基本都是課件內容 第1章 位圖基礎 1.1數字圖像的基本概念 人類約有75%的信息是通過視覺獲取的,數字圖像處理是用計算機處理所獲取視覺信息的技術。 圖形 由指令集合組成, 指令由位置、形狀、顏色等描述。 顯

原创 圖像的格式學習2

基本就是按照PPT內容來的 1. 圖像的存儲格式 按照顏色深度分類,常用圖像文件: 黑白圖像 8位索引圖像 24位真彩色圖像 黑白圖像 1)單色圖像(二值圖像) 8位索引圖像 灰度圖像 8位灰度索引圖像 (1) 文件帶有圖

原创 Caffe 快速上手MNIST數據集分類(windows)

下載數據集 http://yann.lecun.com/exdb/mnist/ 爲了簡便我直接下載到你的path\caffe-master\examples\mnist,並創建文件夾MNIST_data,將數據解壓後存放於此

原创 tensorflow使用兩層CNN訓練測試minst

import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import input_data mnist = input_data.re

原创 tensorflow模型的保存和讀取

數據的保存和讀取 import tensorflow as tf v1 = tf.Variable(tf.random_normal([1,2]), name="v1") v2 = tf.Variable(tf.random

原创 tensorflow使用訓練好的VGG模型進行測試

import scipy.io import numpy as np import os import scipy.misc import matplotlib.pyplot as plt import tensorflo

原创 tensorflow訓練RNN網絡

小彩筆的摸爬滾打之路orz 一、本程序的使用環境 python:3.7.4 tensorflow:1.9.0 寫這個的目的是,請大家在程序開發的過程中千萬注意使用的tensorflow版本問題,因爲可能出現很多奇奇怪怪的問題 編寫

原创 tensorflow常用基本操作

小彩筆的摸爬滾打之路orz norm = tf.random_normal([2, 3], mean=-1, stddev=4) # Shuffle the first dimension of a tensor c = tf.

原创 tensorflow使用簡單兩層神經網絡訓練測試minst

import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import input_data mnist = input_data.re

原创 tensorflow構造線性迴歸模型

小彩筆的摸爬滾打之路orz import numpy as np import tensorflow as tf import matplotlib.pyplot as plt # 隨機生成1000個點,圍繞在y=0.1x+0.

原创 tensorflow基本計算單元-變量

小彩筆的摸爬滾打之路orz import tensorflow as tf a = 3 # Create a variable. w = tf.Variable([[0.5,1.0]]) x = tf.Variable([[2.

原创 tensorflow邏輯迴歸框架

小彩筆的摸爬滾打之路orz import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import input_data mnist