网站首页 技术文章 第880页

• 

  深度残差网络+自适应参数化ReLU(调参记录24)Cifar10~95.80%

  本文在调参记录23的基础上，增加卷积核的个数，最少是64个，最多是256个，继续测试深度残差网络+...

  2024-11-23 nanyue 技术文章 13 ℃
• 

  从零开始构建:使用CNN和TensorFlow进行人脸特征检测

  ?人脸检测系统在当今世界中具有巨大的用途，这个系统要求安全性，可访问性和趣味性！今天，我们将建立一个可以在脸上绘制15个关键点的模型。?人脸特征检测模型形成了我们在社交媒体应用程序中看到的各种功能。您在Instagram上找到的面部过...

  2024-11-23 nanyue 技术文章 13 ℃
• 

  每个ML从业人员都必须知道的10个TensorFlow技巧

  为什么TensorFlow是完整的ML软件包TensorFlow2.x在构建模型和总体TensorFlow使用方面提供了很多简化。那么TF2有什么新功能？·使用Keras轻松进行模型构建并渴望执行。·在任何平台上的生产中均可进行稳...

  2024-11-23 nanyue 技术文章 17 ℃
• 

  基于OpencvCV的情绪检测

  情绪检测或表情分类在深度学习领域中有着广泛的研究。使用相机和一些简单的代码我们就可以对情绪进行实时分类，这也是迈向高级人机交互的一步。前言本期我们将首先介绍如何使用Keras创建卷积神经网络模型，再使用摄像头获取图片进行情绪检测。为了更好...

  2024-11-23 nanyue 技术文章 14 ℃
• 

  LeNet-5 一个应用于图像分类问题的卷积神经网络

  LeNet-5是一个应用于图像分类问题的卷积神经网络，其学习目标是从一系列由32×32×1灰度图像表示的手写数字中识别和区分0-9。LeNet-5的隐含层由2个卷积层、2个池化层构筑和2个全连接层组成：构建方式：(3×3)×1×6的卷积层（...

  2024-11-23 nanyue 技术文章 15 ℃
• 

  使用TensorBoard进行超参数优化

  在本文中，我们将介绍超参数优化，然后使用TensorBoard显示超参数优化的结果。深度神经网络的超参数是什么?深度学习神经网络的目标是找到节点的权重，这将帮助我们理解图像、文本或语音中的数据模式。要做到这一点，可以使用为模型提供最佳准度和...

  2024-11-23 nanyue 技术文章 13 ℃
• 

  如何实现CNN特征层可视化?终于懂了....

  程序员宝藏库：https://github.com/Jackpopc/CS-Books-Store...

  2024-11-23 nanyue 技术文章 15 ℃
• 

  计算卷积神经网络参数总数和输出形状

  在本文中，我们将讨论卷积层中的两个重要概念。如何计算参数的数量?产出的形状是如何计算的?术语input_shapeInput_shape=(batch_size,height,width,depth)Batch_size=一次向...

  2024-11-23 nanyue 技术文章 15 ℃
• 

  使用卷积神经网络和 Python 进行图像分类

  在过去的几年里，深度学习已经被证明是一个非常强大的工具，因为它能够处理大量的数据。隐藏层的使用超越了传统技术，尤其是在模式识别方面。最受欢迎的深度神经网络之一是卷积神经网络(CNN)。...

  2024-11-23 nanyue 技术文章 14 ℃
• 

  用于图像降噪的卷积自编码器

  这篇文章的目的是介绍关于利用自动编码器实现图像降噪的内容。在神经网络世界中，对图像数据进行建模需要特殊的方法。其中最著名的是卷积神经网络(CNN或ConvNet)或称为卷积自编码器。并非所有的读者都了解图像数据，那么我先简要介绍图像数据(如...

  2024-11-23 nanyue 技术文章 13 ℃