一、概述
卷积神经网络（Convolutional Neural Network, CNN）是一种深层神经网络模型。它的特殊性体现在两个方面：
a.相邻层
的神经元之间的连接是非全连接的
b.同一层中某些神经元之间的连接的权重是共享的
c.空间或时间上的采样
前馈神经网络，各神经元从输入层开始，接收前一级输入，并输出到下一级，直至输出层。整个网络中无
转载
2024-04-08 10:38:57
125阅读
简介： CNN(卷积神经网络）是一种特殊的对图像识别的方式，属于非常有效的带有前向反馈的网络N主要用于对二维图像的识别，它的网络结构对平移、比例放缩、倾斜或其他的变形具有高度不变性。因为，每层关注的特征不一样，贴近原图的，关注像素级别的，而经过多次特征提取后，关联型、序列型或结构化等类型的特征（如拓扑结构）被提取出来，其一致性与事物本身的
转载
2024-03-15 11:13:26
29阅读
简单的分类任务importtensorflowastffromtensorflow.examples.tutorials.mnistimportinput_datamnist=input_data.read_data_sets('data/',one_hot=True)#tobeabletorerunthemodelwithoutoverwritingtfvariablestf.reset_def
原创
2019-07-03 16:25:53
685阅读
文章目录项目场景：问题一问题描述原因分析：解决方案：问题二问题描述原因分析解决方案问题三问题描述原因分析解决方案问题四问题描述原因分析解决方案 项目场景：最近，想用PaddleSlim来对我的efficientnetB0这个分类任务（pytorch模型）进行模型压缩，然天不遂人意，报了无数错误，才可以开始训练。需要注意的是我们训练出来的pt模型需要提前转换为onnx模型(对应yaml文件中的on
转载
2024-10-10 06:49:39
19阅读
Introduce之前，对于卷积神经网络(CNN)只停留在理论层面，基本专业术语（卷积层、池化层等），最多计算卷积后的值之类的。from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
mnist = input_data.read_data_sets("MNIST_data/",
转载
2024-02-19 11:15:43
108阅读
最近在学习 Hands-On Mathine Learning with Scikit_learn & TensorFlow，所以资料代码来源于本书chaper 10 学习这本书的好处在于都是讲基础，但是本书给了一个完整的设计流程，其中包含很多参考文献。 下面先上代码， 1、导入TensorFlow和加载数据集import tensorflow as tf
import numpy a
转载
2024-09-17 12:16:08
28阅读
一、概论 以图像识别来举例，比如我们让计算机如何识别一张猫的图片识别出猫呢？ 老式的计算机视觉是如何做的呢？ 比如OpenCV： 首先理解很多算法，比如如何检测线条（Edge Detection) 如何做形态学变化等 根据我们的知识， 经验， 脑洞来设计很多特征； 用这些特征去比对一张图像是不是猫。
转载
2017-09-30 10:10:00
270阅读
2评论
1. np.c[a, b] 将列表或者数据进行合并，我们也可以使用np.concatenate参数说明：a和b表示输入的列表数据2.np.linspace(0, 1, N) # 将0和1之间的数分成N份参数说明：0表示起始数据，1表示末尾数据，N表示生成的分数3.xx, yy = np.meshgrid(np.arange(x.min(), x.max(), N), np.arange
简 介： 这是love1005lin在CSDN上2021-11-19发布的一篇深度学习的卷积神经网，内容整理的精简，移动，现在将其进行转载，并发布在公众号“TSINGHUAZHUOQING”中。深度学习-卷积神经网络（CNN） : 关键词： CNN
基本原理
目 录
Contents
转载
2024-08-12 11:45:45
103阅读
深度学习开发工具 要开始使用深度学习，必须选择一种合适的工具。 适用于深度学习的Python生态系统工具（例如Keras，Theano和TensorFlow）易于安装和开始开发。 以下是有关如何在Windows和Linux操作系统上安装它们的指南。 Theano，TensorFlow和Keras到底是什么？ 官方网站上有关这些工具的几句话。 Theano是一个Python库，可让您有效地定义
转载
2024-04-24 10:31:53
34阅读
目前以深度学习技术为代表的人工智能算法发展迅速，相对于传统机器学习算法（SVM等），深度学习不需要进行特征工程即人工方式选择信号特征值并构建特征向量，深度学习模型可以模拟人脑的工作机制进行底层特征的识别以及高级特征的抽象。深度学习算法层出不穷(CNN、RNN、LTSM等等)，模型效率以及识别率普遍已优于传统机器学习算法。深度学习框架（工具）近年
转载
2024-06-19 19:51:56
222阅读
CNN简介这里对CNN只做非常简单的介绍，具体的细节，后面的博文会讲到。CNN代表的是Convolutional Neuron Network，这里的Convolution指的卷积，主要是用来对图片的进行进行降维，除了卷积，还有一个pooling的操作，作用也是用来将维的，不过两者的原理不同。其实一开始训练的图片的时候，一般都直接使用我们的一片教程那样的方法，将层数增多，最后的准确率也可以达到98
转载
2024-03-22 15:57:23
128阅读
本博客记录使用tensorflow搭建rnn模型并用来对mnist的手写体进行识别的过程，记录其中的学习过程。 实践环境： Tensorflow version: 1.3.0 python version: 3.51.RNN快速介绍： 图1如上图所示，其中x是输入，s旁边的圆圈是隐层，而o旁边的圆圈表示输出。左边是RNN的第一种表示，可以看到在隐层中存在闭环。右图则是左图的展开图，通过在时序维展开
转载
2024-06-25 15:23:02
26阅读
从广义上来说，NN(或是更美的DNN)确实可以认为包含了CNN、RNN这些具体的变种形式。在实际应用中，所谓的深度神经网络DNN，往往融合了多种已知的结构，包括卷积层或是LSTM单元。但是就题主的意思来看，这里的DNN应该特指全连接的神经元结构，并不包含卷积单元或是时间上的关联。因此，题主一定要将DNN、CNN、RNN等进行对比，也未尝不可。 其实，如果我们顺着神经网络
转载
2024-04-02 11:06:19
39阅读
其实在 4 个月之前我写过一篇叫“Python · 神经网络(八)· ConvLayer”的文章，不过现在看回去觉得写的有点太概括性了；如果直接往下写的话，估计观众老爷们(以及我自己)的逻辑都理不顺 _(:з」∠)_所以我打算重写一次，而且这次会对之前 NN 系列的文章做一个汇总性说明；换句话说，我会从头开始讲如何实现 CNN 而不是接着 NN 的逻辑来讲(这也是为什么我没有接着用“神经网络”这个
转载
2024-08-12 11:50:46
74阅读
参考文档：CS231n一、概述 卷积神经网络（Convolutional Neural Network，CNN）与原始的fully connect neural network相似，由具有可训练的权重和偏差的神经元组成，每个神经元接受输入，执行点积，有选择性的用一个非线性函数处理它。整个网络仍表现为一个单一可微函数，并在最后一层具有损失函数。不同之处在于，CNN明确假定输
转载
2024-05-23 23:18:24
67阅读
tensorflow cnn 入门例子from __future__ import print_functionimport tensorflow as tffrom tensorflow.exa
原创
2022-08-02 09:08:29
200阅读
#!/usr/bin/env python3# -*- coding: utf-8 -*-"""Created on Thu Mar 22 22:15a.re
转载
2023-01-16 08:17:53
57阅读
数据材料这是一个小型的人脸数据库，一共有40个人，每个人有10张照片作为样本数据。这些图片都是黑白照片，意味着这些图片都只有灰度0-255，没有rgb三通道。于是我们需要对这张大图片切分成一个个的小脸。整张图片大小是1190 × 942，一共有20 × 20张照片。那么每张照片的大小就是（1190 / 20）× （942 / 20）= 57 × 47 （大约，以为每张图片之间存在间距）。问...
原创
2022-02-04 11:19:38
828阅读
数据材料这是一个小型的人脸数据库，一共有40个人，每个人有10张照片作为样本数据。这些图片都是黑白照片，意味着这些图片都只有灰度0-255，没有rgb三通道。于是我们需要对这张大图片切分成一个个的小脸。整张图片大小是1190 × 942，一共有20 × 20张照片。那么每张照片的大小就是（1190 / 20）× （942 / 20）= 57 × 47 （大约，以为每张图片之间存在间距）。问...
原创
2021-08-07 16:13:38
615阅读
