原创 Python os.path() 模塊詳解

Python os.path() 模塊詳解

原创 yolo3使用文檔

yolo3使用文檔 前言:本文主要詳細介紹如果從數據集開始到訓練好自己的yolo3模型,再到使用上自己訓練好的yolo3模型。本文以識別檢測出光大銀行logo和上海銀行logo爲例進行過程講解。 文章目錄yolo3使用文檔數據準備

原创 使用tensorflow1.12從零開始訓練自己的yolo3

有些步驟我不會解釋爲什麼這麼做,你只需要知道你這麼做能得到什麼就行,如果都要進行解釋,一來你們不想看,二來有可能你根本就看不懂,,,,對於小白來說,我們都是懶人對吧,不懶的話你來看啥?(狗頭護體) **本文介紹如何製作數據集、修改

原创 tensorflow2.0張量的結構操作分析和總結

回憶一下,我們python語言中,變量的類型有哪些?有多少種數據結構?變量類型有整型,字符串,浮點型,bool等等,數據結構有列表,元組,字典等。 那麼 在tensorflow2.0框架當中,有哪些變量類型呢?有哪些數據結構呢?

原创 全面小白分析如何使用tensorflow2.0中的函數式API創建任意結構模型

使用tensorflow2.0中的函數式API創建任意結構模型這種方法比上一種使用Sequential按層順序搭建神經網絡更加靈活,但最終如果我們想要搭建例如resnet這種網絡,這些方法都是蘊含在裏面的,無所謂誰跟誰。上一篇博客

原创 全面小白分析如何使用tensorflow2.0中的Sequential按層順序創建模型

你是否苦惱看到一個神經網絡結構圖卻不知如何將其轉變成python代碼?恭喜你來對地方了。 當你看到一個神經網絡結構圖的時候,你最先思考的是什麼?別一頭扎進去看結構圖的細節,你會很暈。 你先看看輸入和輸出是什麼。如果剛好只有一個輸入

原创 tensorflow2.0數學運算驗證筆記

加法 # 加法 a = tf.Variable(initial_value=tf.random.truncated_normal(shape=(400, 400, 3), seed=1.0)) b = tf.Variable(in

原创 使用Python對zip壓縮文件進行解壓

import zipfile # if not os.path.exists('Combined_Dataset'): zip_file = 'data/picture.zip' # Please contact Bria

原创 pyplot模塊介紹opencv的python實現

subplot函數 subplot(2, 3, 4),函數表示在當前的兩行三列的窗口的第四個位置上,添加一個窗口,見示例代碼如下 import cv2 import numpy as np import matplotlib.py

原创 用日誌去追終程序的運行過程python

有時候我們想知道python程序的運行過程,如果每次都是使用print函數在終端進行跟蹤的話很耗資源,如果是在服務器上面監控的話,終端的方式不僅浪費資源而且無法,所以日誌在這裏就體現了它的優勢。只需提前寫好一個日誌函數代碼,就可以

原创 tensorflow2.0損失函數總結和損失函數自定義

當我們嘗試訓練神經網絡的時候,不可避免地要接觸到損失函數,損失函數計算真實值和預測值的誤差。tensorflow2.0已經給我們封裝好的具備很多用途的損失函數,我們可以只用兩行代碼就可以直接使用,簡直方便地不要不要的。 我先說如何

原创 opencv使用scharr算子提取圖片邊緣信息

Scharr算子的精度比sobel算子的精度更高 import cv2 import numpy as np img = cv2.imread('../data/ren.png', 0) sobelx = cv2.Scha

原创 Ubuntu18通過docker創建不同tensorflow-gpu版本的容器

文章目錄前言:1、安裝docker19.031.1、瞭解自身電腦配置1.2、 安裝dockers2、安裝nvidia-docker2.1、安裝2.2、修改鏡像倉庫源並進行驗證3、拉取tensorflow-gpu版本鏡像,創建容器3

原创 全面小白分析如何使用tensorflow2.0中Model子類化創建自定義模型

在講清楚如何使用Model子類化創建自定義模型的之前,需要跟大家講清楚如何使用layers.Layer子類化創建自定義層。通常我們將很多很多層堆疊在一起稱之爲模型,實際上,一個網絡層也是一個模型,只是這個模型很小,就只有一個層而已

原创 deep-image-matting項目運行環境配置說明正確版

deep-image-matting項目運行環境配置說明正確版 ​ 前言:在第一次配置DIM項目運行環境的失敗的背景下進行第二次環境的配置安裝。核心是解決pytorch的安裝,重點要注意cuda和cudnn的版本兼容問題,難點是