原创 目標檢測:Faster R-CNN、Faster RCNN接口

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新)   5.5 Faster R-CNN 學習目標 目標 瞭解Faster R-CNN的特點 知道R

原创 目標檢測:SSD 算法

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新)   5.9 SSD算法原理 學習目標 目標 知道SSD的結構 說明Detector & clas

原创 目標檢測:SPPNet

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新)   5.3 SPPNet 學習目標 目標 知道SPPNet與RCNN的對比特點 掌握空間金字塔池

原创 手勢識別:使用EfficientNet模型遷移、VGG16模型遷移

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新) EfficientNet中的每個模型要求的輸入形狀大小 每個網絡要求的輸入形狀大小: E

原创 callbacks回調函數(Checkpoint、TensorBoard)、tf.data、ImageDataGenerator

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新)   4.6 TF常用功能模塊 4.6.1 fit的callbacks詳解 回調是在訓練過程的給定階段

原创 Tensorflow執行模式:Eager Execution動態圖模式、Graph Execution圖模式、@tf.function實現Graph Execution圖模式、tf.Session

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新)   4.7 Tensorflow執行模式 4.7.1 Eager Execution與Graph

原创 報錯:Make sure that your dataset or generator can generate at least `steps_per_epoch * epochs`

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新)   1.使用repeat() 解決如下報錯: WARNING:tenso

原创 tf.saved_model.save模型導出、TensorFlow Serving模型部署、TensorBoard中的HParams 超參數調優

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新)   4.11 綜合案例:模型導出與部署 學習目標 目標 掌握TensorFlow模型的導出(sa

原创 目標檢測:Fast R-CNN

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新)   5.4 Fast R-CNN 學習目標 目標 Fast R-CNN的與RCNN等結構的比較

原创 報錯:tensorflow.python.eager.core._FallbackException

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新)   1.問題:同時使用 tf.compat.v1.disable_eager_execution

原创 偏差與方差、L1正則化、L2正則化、dropout正則化、神經網絡調優、批標準化Batch Normalization(BN層)、Early Stopping、數據增強

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新)   3.2 深度學習正則化 3.2.1 偏差與方差 3.2.1.1 數據集劃分 首先我們對機器學習當

原创 模型融合stacking

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新) In [1]: from sklearn.linear_model import

原创 TensorFlow Serving:基於TensorFlow Serving的模型部署實踐

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新)  

原创 計算機視覺

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新)   1.1 計算機視覺概念 1.1.1 什麼是計算機視覺 定義:計算機視覺(Computer vis

原创 動量梯度下降(Momentum、指數加權平均)、逐參數適應學習率方法(Adagrad、RMSprop、Adam)、學習率退火、歸一化/標準化

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新) 3.1.3 優化算法 這裏我們會介紹三種類型的優化算法,不過很多原理都大同小異。 1、動量更新方法