getAffineTransform函数函数作用：主要用于生成仿射变换矩阵一个任意的仿射变换都能表示为 乘以一个矩阵 (线性变换) 接着再 加上一个向量 (平移).综上所述, 我们能够用仿射变换来表示:旋转 (线性变换)平移 (向量加)缩放操作 (线性变换)你现在可以知道, 事实上, 仿射变换代表的是两幅图之间的 关系 .我们通常使用&n
本文就TF-IDF算法的主要思想，步骤和应用做了简单介绍，并简要说明了其优缺点，
假设现在有一篇很长的文章，要从中提取出它的关键字，完全不人工干预，那么怎么做到呢？又有如如何判断两篇文章的相似性的这类问题，这是在数据挖掘，信息检索中经常遇到的问题，然而TF-IDF算法就可以解决。这两天因为要用到这个算法，就先学习了解一下。 TF
转载
2023-07-04 22:46:24
142阅读
1、一般训练模式：import tensorflow as tf
import numpy as np
import time
from sklearn import metrics
from keras.callbacks import ModelCheckpoint
# from tensorflow.keras.callbacks import ModelCheckpoint
# 建立mo
转载
2023-11-20 13:25:57
83阅读
# 在Java中加载TensorFlow模型的指南
随着人工智能和机器学习技术的不断发展，TensorFlow作为一个强大的开源机器学习框架，得到了广泛的应用。在许多情况下，我们可能需要在Java环境中加载和使用TensorFlow模型。本文将为您详细介绍如何在Java中加载TensorFlow模型，并提供相应的代码示例。
## 1. 准备工作
在开始之前，您需要确保以下条件已满足：
-
原创
2024-09-15 05:25:08
49阅读
tf.estimator总结Estimator 是 TensorFlow 中的高阶 API。它会处理 initialization、logging、saving、restoring 等细节，以便研究人员专注于模型。Estimator API 中有不少的内置 Estimator。当然，除了这些内置 Estimator，你可以自定义 Estimator。推荐在解决问题时将内置 Estimator 作为
TF-IDF（Term Frequency – Inverse Document Frequency）TF-IDF是一种用于信息检索（Information Retrieval）与文本挖掘（Text minning）的常用加权技术。TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度，也是建立在向量空间模型理论中的一种统计技术。字词的重要性随着它在文件中出
转载
2023-08-03 17:28:07
157阅读
文 / Deepak Kanungo，Hedged Capital LLC 创始人兼首席执行官作为采用 “AI 先行” 战略的金融交易和咨询公司，Hedged Capital 使用概率模型在金融市场中进行交易。我们将在本文中探讨所有金融模型中固有的三类误差，并会以 Tensorflow Probability (TFP) 中的简单模型作为例子来进行说明。金融学并非物理学亚当·斯密是公认的现代经济学
转载
2024-04-29 12:14:31
33阅读
1.首先我们要明白tf-idf计算的数学公式： &nb
转载
2023-08-27 10:29:27
64阅读
在TensorFlow中，保存模型与加载模型所用到的是tf.train.Saver()这个类。我们一般的想法就是，保存模型之后，在另外的文件中重新将模型导入，我可以利用模型中的operation和variable来测试新的数据。什么是TensorFlow中的模型首先，我们先来理解一下TensorFlow里面的模型是什么。在保存模型后，一般会出现下面四个文件：meta graph：保存了Tensor
转载
2023-10-05 11:30:59
129阅读
Module: tf.keras.applications 该类封装了很多重量级的网络架构，实例化的时候会默认加载参数 DenseNet121() DenseNet169() DenseNet201() InceptionResNetV2() InceptionV3() MobileNet() Mo
原创
2021-07-22 11:04:00
984阅读
tf.keras.constraints 约束：对权重值施加约束的函数。 tf.keras.constraints.MaxNorm tf.keras.constraints.MinMaxNorm
原创
2021-07-22 11:02:28
538阅读
tf.keras.Sequential 序列化建模，一般步骤为： 1、实例化一个Sequential类，该类是继承于Model类； 2、添加所需要的神经网络层； 3、用compile进行编译模型； 4、用fitx训练模型； 5、用predict预测。 Sequential类的属性： layers:
原创
2021-07-22 11:04:01
951阅读
# 用Python和TensorFlow读取二进制模型
在机器学习领域，训练好的模型通常以二进制文件的形式保存在磁盘上。为了在其他地方或其他项目中重用这些模型，我们需要能够读取并加载这些二进制文件。TensorFlow是一个流行的深度学习框架，它提供了许多工具和接口，方便我们加载并使用之前训练好的模型。本文将介绍如何使用Python和TensorFlow来读取二进制模型文件。
# 读取二进制模
原创
2024-03-14 05:25:38
132阅读
基于C++与OpenCV的模板匹配学习（1）OpenCV matchTemplate()示例 文章目录基于C++与OpenCV的模板匹配学习（1）OpenCV matchTemplate()示例前言一、模板匹配1.1 概念1.2 基于灰度值的模板匹配1.2.1 差值平方和SAD与SSD1.2.2 归一化互相关系数NCC1.3 基于边缘的模板匹配二、OpenCV matchTemplate示例2.1
转载
2024-02-20 21:53:35
90阅读
图像处理之 模型匹配有关知识1.相关API：2.模板匹配的几种算法： 1.平方差匹配method=CV_TM_SQDIFF， 2.标准平方差匹配method=CV_TM_SQDIFF_NORMED （这类方法利用平方差来进行匹配,最好匹配为0.匹配越差,匹配值越大.）3.相关匹配method=CV_TM_CCORR， 4.标准相关匹配method=CV_TM_CCORR_NORMED （这类方法采
转载
2024-04-11 22:13:41
34阅读
OpenCV形态学操作——开运算、闭运算、形态学梯度、顶帽、黑帽一、学习目标二、各种操作简介三、综合实例 一、学习目标理解什么是开运算、闭运算、形态学梯度、顶帽和黑帽学会使用OpenCV实现上述的图像形态学操作使用综合性的例子进行实验二、各种操作简介1、开运算开运算：先腐蚀后膨胀，表达公式为：dst = open(src, element) = dilate(erode(src, element
转载
2024-05-02 17:12:03
33阅读
文章目录1.了解腐蚀和膨胀2.了解开运算和闭运算3.形态字梯度（1）形态字梯度=原图-腐蚀（2）函数讲解（3）代码实战4.顶帽（1）顶帽=原图-开运算（2）函数讲解6.黑帽（1）黑帽=原图-闭运算（2）函数讲解7.总结 1.了解腐蚀和膨胀2.了解开运算和闭运算3.形态字梯度（1）形态字梯度=原图-腐蚀（2）函数讲解morphologyEx(src, op, kernel, dst=None, a
转载
2024-03-15 21:23:20
91阅读
将网络模型，图加权值，保存为.pb文件 write.py# -*- coding: utf-8 -*-from __future__ import absolute_import, unicode_literalsfrom tensorflow.examples.tutorials.mnist import input_dataimport tensorflow as tfimport shut
转载
2019-12-19 21:55:00
326阅读
2评论
tf2 模型保存总结 1. model.save保存的是所有信息，结果是单文件，最为简单。 实例：保 加 model_name = "./model_save/fassionMnist_save.h5" model.save(model_name) new_model = keras.models.load_model(model_name) 2. model.save_we...
转载
2020-02-06 11:28:00
162阅读
2评论
tf.keras.estimator tf.keras.estimator.model_to_estimator()：从给定的Keras模型构造评估实例。 keras_model：一个已经编译的keras模型；它与keras_model_path互斥； custom_objects：自定义对象的字典
原创
2021-07-22 11:02:27
656阅读
