目录1 项目介绍1.1 项目功能1.2 评估指标2 数据集介绍2.1 数据特征3 数据的预处理3.1 数据增强3.2 倾斜矫正3.3 去横线3.4 文本区域定位4 网络结构5 OCR实现ocr_generated.pyocr_forward.pyocr_backward.pyocr_test.py相关笔记 1 项目介绍1.1 项目功能视频讲解 （1）项目功能：英文手写识别，如输入数据为手写英文作
https://www.kaggle.com/kakauandme/tensorflow deep nn 本人只是负责将这个kernels的代码整理了一遍，具体还是请看原链接 import numpy as np import pandas as pd import tensorflow setti
原创
2021-07-16 11:03:12
364阅读
目录概要源码分析Python 梯度API gradients核心函数_GradientsHelper反向传播梯度计算过程示意概要深度学习框架比如Tensorflow能够对深度学习领域起到巨大推动作用的一个重要Feature就是自动反向传播更新梯度，文章 链接 对几种不同类型的微分做了很详细的图文说明，值得一看。本文基于Google 官Tensorflow_r1.15 版本对求解梯度（微分
背景关于 tensorflowTensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由G
import tensorflow as tffrom tensorflow import kerasfashion_mnist=keras.datasets.fashion_mnist(train_images,train_labels),
原创
2022-05-17 12:46:06
93阅读
本文档为TensorFlow参考文档，本转载已得到TensorFlow中文社区授权。数据读取TensorFlow程序读取数据一共有3种方法:供给数据(Feeding)： 在TensorFlow程序运行的每一步， 让Python代码来供给数据。从文件读取数据： 在TensorFlow图的起始， 让一个输入管线从文件中读取数据。预加载数据： 在TensorFlow图中定义常量或变量来保存所有数据(仅适
概述TensorFlow读取数据，官网介绍的方法有3种:预加载数据 (Preloaded data)： 在Graph中定义常量或变量来保存数据。供给数据 (Feeding)： 在Graph运行中将Python代码产生好的数据供给TF后端。 从文件读取数据 (Reading from file)： 在Graph的起始， 利用输入管线直接从文件中读取数据(最常用)。看官网上这么写，还是不太清
准备数据前期已经将数据生成了tfrecord格式，这里主要是研究如果从tfrecord格式文件中读取数据batch读文件名获取tf_record格式的文件名列表 1 tf_record_pattern = os.path.join(FLAGS.data_dir,'%s-*' %self.subset) # subset in ['train','validation']
2 data_file
目录代码解读小白总结如下1.接下来工作2.可借鉴的代码块写法本文是针对MNIST手写数据的 ac_gan_tensorflow.py的代码解读，全文按py代码顺序依次解读，对于理解acgan的基本原理有很大的帮助，可以直接运行，但实际操作应该配合其他的网络架构或者improve technique。代码解读line1-6 import需要的库import tensorflow as t
之前我们讲了神经网络的起源、单层神经网络、多...
转载
2018-05-08 20:44:00
205阅读
2评论
本篇文章在上篇TensorFlow-手写数字识别（二）的基础上，将全连接网络改为LeNet-5卷积神经网络，实现手写数字识别。1引言全连接网络：每个神经元与前后相邻层的每一个神经元都有连接关系，输入是特征，输出为预测的结果。参数个数：Σ(前层x后层+后层)如之前用于手写识别的3层全连接网络，输入层784个节点，隐藏层500个节点，输出层10个节点。则：隐藏层参数：748*500+500输出层参数：
原创
2021-02-27 22:55:59
999阅读
用TensorFlow轻松识别手写数字ADDOPS团队籍鑫璞360云计算女主宣言该文章出自于ADDOPS团队，通过上一篇《三分钟读懂tensorflow》，相信大家对tensorflow的核心概念以及编程模式有了有了一定的了解，今天该文章将结合一个手写数字识别（MNIST）模型来进一步了解tensorflow的使用。希望能激发起大家的一些兴趣.PS：丰富的一线技术、多元化的表现形式，尽在“HULK
原创
2021-03-23 08:42:56
300阅读
本篇文章通过TensorFlow搭建最基础的全连接网络，使用MNIST数据集实现基础的模型训练和测试。MNIST数据集MNIST数据集：包含7万张黑底白字手写数字图片，其中55000张为训练集，5000张为验证集，10000张为测试集。每张图片大小为28X28像素，图片中纯黑色像素值为0，纯白色像素值为1。数据集的标签是长度为10的一维数组，数组中每个元素索引号表示对应数字出现的概率。在将MNIS
原创
2021-02-27 22:42:37
688阅读
该文章出自于ADDOPS团队，通过上一篇《三分钟读懂tensorflow》，相信大家对tensorflow的核心概念以及编程模式有了有了一定的了解，今天该文章将结合一个手写数字识别（MNIST）模型来进一步了解tensorflow的使用。希望能激发起大家的一些兴趣.
原创
2021-08-05 17:49:43
402阅读
一、MNIST数据集介绍MNIST是一个非常有名的手写体数字识别数据集，在很多资料中，这个数据集都会作为深度学习的入门样例。下面大致介绍这个数据集的基本情况，并介绍tensorflow对MNIST数据集做的封装。tensorflow的封装让使用MNIST数据集变得更加方便。MNIST数据集是NIST数据集的一个子集，它包含了60000张图片作为训练数据，10000张图片作为测试数据。在MNIS...
原创
2021-08-12 22:04:10
447阅读
官方文档： MNIST For ML Beginners - https://.tensorflow.org/get_started/mnist/beginners Deep MNIST for Experts - https://.tensorflow.org/get_started/
转载
2018-05-22 23:13:00
306阅读
2评论
查看mnist数据的统计状态
原创
2021-11-08 10:58:08
10000+阅读
本篇文章在上篇TensorFlow-手写数字识别（二）的基础上，将全连接网络改为LeNet-5卷积神经网络，实现手写数字识别。引言全连接网络：每个神经元与前后相邻层的每一个神经元都有连接关系，输入是特征，输出为预测的结果。
原创
2021-06-15 10:42:27
448阅读
本篇文章在上篇TensorFlow-手写数字识别（一）的基础上进行改进，主要实现以下3点：断点续训测试真实图片制作TFRecords格式数据集断点续训上次的代码每次进行模型训练时，都会重新开始进行训练，之前的训练结果都被覆盖掉了，极不方便。在backwork.py中加入ckpt操作，可以实现断点续训功能。代码实现withtf.Session()assess:init_op=tf.global_va
原创
2021-02-27 22:50:23
476阅读
本篇文章在上篇TensorFlow-手写数字识别（一）的基础上进行改进，主要实现以下3点：
断点续训
测试真实图片
制作TFRecords格式数据集
断点续训
上次的代码每次进行模型训练时，都会重新开始进行训练，之前的训练结果都被覆盖掉了，极不方便。
在backwork.py中加入ckpt操作，可以实现断点续训功能。
代码实现
with tf.Session() as sess:
原创
2021-06-15 10:43:26
194阅读
