原创 在Android端實現基於OPENGL ES 的深度學習前向傳播框架

github項目地址 首先感謝夕陽嘆大神提供的思路,大家先可以去https://blog.csdn.net/jxt1234and2010/article/details/71056736看看,基本把實現的流程都說了一遍,我照着思路實現了一

原创 Cython Tutorial 基本用法

cython用於加速python,可以簡單解釋爲帶有c數據格式的python。 1. hello world 創建 helloworld.pyx 文件,在其中添加測試代碼 print("hello word") 創建 setup.py

原创 基於attention機制實現 CRNN OCR文字識別

定義網絡結構 實現 BahdanauAttention,其中socre的實現方法爲 perceptron 形式 class BahdanauAttention(tf.keras.Model): def __init__(sel

原创 opencv 加載tensorflow pb模型

opencv加載的pb模型必須是用tf.layers 和 tf.nn 下的api構建的,使用slim會在加載時報未知的layer的錯誤 基本流程: 1.加載pb bool CardDetect::load_model(string mo

原创 window下編譯opencv python3

1.下載mingw和cmake,cmake版本需要大於3.12 2.將anacondax寫入環境變量,編譯opencv時,會自動添加python項 3.編譯安裝opencv 4.將opencv的install位置寫入環境變量 可能出現的問

原创 python 調用c++處理數組和圖片

基本流程: 定義cpp文件實現算法邏輯,因爲編譯器在編譯的時候是會把c++函數改名,所以對於python調用的函數是要聲明爲以c的方式編譯 #include "execute.h" extern "C" { Execute exec

原创 tensorflow seq2seq api使用及 seq2seq 實現

1. 標籤文本預處理 使用 <PAD> 做標籤對齊補齊,使用<GO>和<EOS>對標籤做起始和結束標誌,用於告訴decoder文本起始與結束,對於某些低頻詞彙和不關心詞彙使用<UNK>標籤替代.  2.seq2seq api encod

原创 深度學習的attention機制筆記

原文 關於深度學習中的注意力機制,這篇文章從實例到原理都幫你參透了 不能轉載. attention機制源於人類快速處理視覺信息的大腦機制.通過重點關注目標區域,抑制無關區域,從而從大量信息中快速篩選出有價值的信息 Encoder-Deco

原创 C++ 調用tensorflow

1.安裝protobuf 3.6 # 安裝依賴軟件 sudo apt-get install autoconf automake libtool curl make g++ unzip # 克隆版本爲3.6.0的protobuf源碼 g

原创 卷積的多種形式及tensorflow實現

1.常規卷積 2.膨脹卷積 dilate conv 使用實例 ssd中block6 # Block 6: let's dilate the hell out of it! net = slim.conv2d(net, 1024, [3,

原创 python 使用pip管理 打包wheel

1.編寫python文件,代碼文件夾管理如下 2. 編寫setup.py文件 from setuptools import setup, find_packages setup( name="locate_mate",

原创 圖片合成筆記

1. opencv與Image類相互轉換 #OpenCV轉換成PIL.Image格式 image = Image.fromarray(cv2.cvtColor(img,cv2.COLOR_BGR2RGB)) #Image轉換成Open

原创 opencv 遍歷mat的三種方法

灰度圖在內存中的存儲形式 3通道圖在內存中的存儲形式 1. 通過 .at<typename>(i,j) 遍歷 void colorReduce(Mat& image,int div) { for(int i=0;i<

原创 深度學習 模型 剪枝

參考文章: Pruning Filters for Efficient Convnets Compressing deep neural nets 壓縮神經網絡 實驗記錄(剪枝 + rebirth + mobilenet) 爲了在手機上加

原创 pytorch 入門筆記

1.數據加載 自定義dataset import os import os.path as osp from torch.utils.data import Dataset class DogCatDataset(Dataset)