原创 YOLOv3 之網絡結構

文章目錄文章說明總體結構common.pyConvolutional 結構Residual 殘差模塊Upsample 結構backbone.pyDarknet53 結構yolov3.pyYOLOv3 網絡 文章說明 本系列文章旨在

原创 用Tensorflow2.0實現Faster-RCNN的詳細代碼解析

文章目錄項目介紹utils.py 中的函數說明1、wandhG2、load_gt_boxes3、plot_boxes_on_image4、compute_iou5、compute_regression6、decode_output

原创 Opencv讀取圖片時的座標問題

用 opencv 對讀取的圖像進行編輯時,我們要先知道怎樣對圖像的座標進行規定。 如果運行以下代碼: raw_image = cv2.imread(image_path) raw_image[:200, :300, :] = 0

原创 Latex導入其他pdf文件並帶頁碼

首先引入 pdfpages 宏包: \usepackage{pdfpages} 然後在文檔區: \includepdfset{pagecommand={\thispagestyle{fancy}}} % 給下面引入的所有 pdf

原创 Tensorflow2.0用FPN(圖像金字塔網絡)提取特徵

一、FPN 的作用 當我們在使用卷積神經網絡的提取圖像特徵的時候,最後一個 feature map 的長寬會比原始圖片小很多,比如原始圖片大小爲 100x100,feature map 大小爲 10x10,這就說明,其實我們是在用

原创 用 sklearn.utils.shuffle 來打亂樣本順序

直接舉例說明: import sklearn X = np.array([[1, 2], [3, 4], [5, 6]]) Y = np.array([[1], [2], [3]]) print(X) print(Y) [[1

原创 Tensorflow2.0之圖像說明文字生成

文章目錄項目介紹代碼實現1、導入需要的庫2、下載數據集3、讀取 json 文件4、載入圖片5、載入模型6、獲取圖片特徵6.1 刪除重複的圖片6.2 切片、分批6.3 將圖片輸入網絡以獲取特徵7、文本 →\rightarrow→ 數

原创 Tensorflow2.0之理解語言的 Transformer 模型

文章目錄項目介紹代碼實現1、導入需要的庫2、導入數據集3、將文本編碼成數字形式3.1 建立詞彙表並統計詞彙表中的單詞數量3.2 建立編碼器3.3 對所有樣本進行編碼3.3.1 刪除過長的樣本3.3.2 編碼函數3.3.3 將樣本打

原创 Tensorflow2.0之基於注意力的神經機器翻譯

文章目錄代碼實現1、處理數據集1.1 導入需要的庫1.2 下載文件1.3 處理西班牙語中的重音1.4 處理ascii文本1.5 返回單詞對1.6 生成文檔詞典1.7 加載數據集1.8 計算目標張量的最大長度1.9 劃分訓練集和測試

原创 tf.matmul是怎麼對兩個高維矩陣進行相乘操作的?

在Tensorflow中,我們經常使用tf.matmul對兩個矩陣進行相乘操作,按理說,矩陣相乘只能發生在二維矩陣之間,那麼對於高維矩陣是怎麼處理的呢? 我們可以用三維矩陣舉例: a = tf.ones((2, 2, 3)) b

原创 Tensorflow2.0之文本分類確定文章譯者

項目說明 我們將使用相同作品(荷馬的伊利亞特)三個不同版本的英文翻譯,然後訓練一個模型來通過單行文本確定譯者。 三個版本的譯者分別是 William Cowper、Edward, Earl of Derby 以及 Samuel B

原创 Tensorflow2.0之文本生成莎士比亞作品

文章目錄1、導入數據2、創建模型3、訓練3.1 編譯模型3.2 配置檢查點3.3 訓練模型4、預測4.1 重建模型4.2 生成文本 我們將使用 Andrej Karpathy 在《循環神經網絡不合理的有效性》一文中提供的莎士比亞作

原创 tf.nn.softmax(x, axis)裏axis起什麼作用?

在處理多分類問題時,tf.nn.softmax(x, axis) 函數是一定要使用的,那麼這裏的 axis 到底有什麼用呢? 二維數組 首先,我們來看在二維數組中的情況: A = np.array([[1, 2, 3], [1,

原创 Tensorflow2.0之詞嵌入的原理及實現

文章目錄處理文本的方法1、獨熱編碼2、用唯一的數字對每個字進行編碼3、詞嵌入代碼實現1、導入需要的庫2、處理數據2.1 下載數據集2.2 創建一個 tf.data 數據集2.3 查看詞彙表3、創建模型4、訓練 處理文本的方法 深度

原创 Tensorflow2.0之用粒子羣算法優化卷積神經網絡的初始權重

文章目錄一、構建網絡1、導入需要的庫和數據集2、對數據集進行處理3、對數據集切片處理4、構建分類器4.1 Conv2D 層4.2 CNN 模塊4.3 Dense 模塊4.4 分類器4.4、設置參數5、構造損失函數6、構造梯度下降函