首页
学习
活动
专区
工具
TVP
发布

李智的专栏

专栏作者
43
文章
52901
阅读量
15
订阅数
DeepLearning tutorial(5)CNN卷积神经网络应用于人脸识别(详细流程+代码实现)
DeepLearning tutorial(5)CNN卷积神经网络应用于人脸识别(详细流程+代码实现)
李智
2019-05-28
6740
机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
  找工作时(IT行业),除了常见的软件开发以外,机器学习岗位也可以当作是一个选择,不少计算机方向的研究生都会接触这个,如果你的研究方向是机器学习/数据挖掘之类,且又对其非常感兴趣的话,可以考虑考虑该岗位,毕竟在机器智能没达到人类水平之前,机器学习可以作为一种重要手段,而随着科技的不断发展,相信这方面的人才需求也会越来越大。
李智
2019-05-26
4750
DeepLearning tutorial(7)深度学习框架Keras的使用-进阶
上一篇文章总结了Keras的基本使用方法,相信用过的同学都会觉得不可思议,太简洁了。十多天前,我在github上发现这个框架的时候,关注Keras的人还比较少,这两天无论是github还是微薄,都看到越来越多的人关注和使用Keras。所以这篇文章就简单地再介绍一下Keras的使用,方便各位入门。
李智
2019-05-26
4450
常用的机器学习算法比较
机器学习算法太多了,分类、回归、聚类、推荐、图像识别领域等等,要想找到一个合适算法真的不容易,所以在实际应用中,我们一般都是采用启发式学习方式来实验。通常最开始我们都会选择大家普遍认同的算法,诸如SVM,GBDT,Adaboost,现在深度学习很火热,神经网络也是一个不错的选择。假如你在乎精度(accuracy)的话,最好的方法就是通过交叉验证(cross-validation)对各个算法一个个地进行测试,进行比较,然后调整参数确保每个算法达到最优解,最后选择最好的一个。但是如果你只是在寻找一个“足够好”的算法来解决你的问题,或者这里有些技巧可以参考,下面来分析下各个算法的优缺点,基于算法的优缺点,更易于我们去选择它。
李智
2019-05-26
3300
利用Python PIL、cPickle读取和保存图像数据库
@blog:http://blog.csdn.net/u012162613/article/details/43226127
李智
2019-05-26
1.1K0
DeepLearning tutorial(6)易用的深度学习框架Keras简介
之前我一直在使用Theano,前面五篇Deeplearning相关的文章也是学习Theano的一些笔记,当时已经觉得Theano用起来略显麻烦,有时想实现一个新的结构,就要花很多时间去编程,所以想过将代码模块化,方便重复使用,但因为实在太忙没有时间去做。最近发现了一个叫做Keras的框架,跟我的想法不谋而合,用起来特别简单,适合快速开发。
李智
2019-05-26
2810
Python-OpenCV人脸检测(代码)
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u012162613/article/details/43523507
李智
2019-05-26
1.8K0
卷积神经网络细节(激励函数,池化,预处理等)
结合文献『Deep Learning for Computer Vision』, 以下讲讲卷积神经网络的一些注意点和问题。
李智
2019-05-26
6920
Deep learning基于theano的keras学习笔记(3)-网络层
1.3 Dropout层 为输入数据施加Dropout。Dropout将在训练过程中每次更新参数时随机断开一定百分比(p)的输入神经元连接,Dropout层用于防止过拟合。
李智
2018-08-03
1.1K0
斯坦福CS231n - CNN for Visual Recognition(2)-lecture3(上)线性分类器、损失函数
  由于之前KNN分类器的缺点,让我们很自然地去寻找有更加强大地方法去完成图像分类任务,这种方法主要有两部分组成: 评分函数(score function),它是原始图像数据到类别分值的映射(f(x)=Wxf(x)=Wx)。 损失函数(loss function),它是用来量化预测分类标签的得分与真实标签之间一致性的。   这种方法其实最后可以转化成一个最优化问题,在最优化过程中,将通过更新评分函数的参数来最小化损失函数值。
李智
2018-08-03
4440
斯坦福CS231n - CNN for Visual Recognition(1)-lecture2图像分类、最近邻分类器
  顾名思义,就是给定一个图像,判断出它属于哪一个类。通常通过带有标签的数据作为训练集用各种方法进行训练, 然后在测试集上进行测试,预测出最可能的类别(标签)。
李智
2018-08-03
4290
Deep learning基于theano的keras学习笔记(2)-泛型模型(含各层的方法)
  我们希望预测Twitter上一条新闻会被转发和点赞多少次。模型的主要输入是新闻本身(一个词语序列)。但我们还可以拥有额外的输入(如新闻发布的日期等)。这个模型的损失函数将由两部分组成,辅助的损失函数评估仅仅基于新闻本身做出预测的情况,主损失函数评估基于新闻和额外信息的预测的情况,即使来自主损失函数的梯度发生弥散,来自辅助损失函数的信息也能够训练Embeddding和LSTM层。在模型中早点使用主要的损失函数是对于深度网络的一个良好的正则方法。总而言之,该模型框图如下:
李智
2018-08-03
8860
Deep learning基于theano的keras学习笔记(0)-keras常用的代码
这里不推荐使用pickle或cPickle来保存Keras模型。 1. 一般使用model.save(filepath)将Keras模型和权重保存在一个HDF5文件中,该文件将包含:
李智
2018-08-03
8650
Deep learning基于theano的keras学习笔记(1)-Sequential模型
《统计学习方法》中指出,机器学习的三个要素是模型,策略和优算法,这当然也适用于深度学习,而我个人觉得keras训练也是基于这三个要素的,先建立深度模型,然后选用策略(目标函数),采用优化器,编译和训练模型。
李智
2018-08-03
1.3K0
Python中对文件夹下的特定格式图像全部读取并转化为数组保存(也可转化为txt文件)
python下对图像进行批处理少不了读取文件夹下的全部图像,下面就以具体实例分享下对文件夹下的特定格式图像全部读取并转化为数组保存的代码,代码详解请见注释 代码同时包含了矩阵和一维数组的相互转化
李智
2018-08-03
3.7K0
Python图像处理常用代码,numpy教程
这里的代码是截取的我的代码片段,或许难以阅读,有不理解的地方欢迎交流 ---- 生成空列表及末尾添加 x=[] x.append(img_path[j]) 图像矩阵和一维数组转化 img_ndarray=numpy.asarray(img,dtype='float64')/256 #将图像转化为数组并将像素转化到0-1之间 data[d-1]=numpy.ndarray.flatten(img_ndarray) #将图像的矩阵形式转化为一维数组保存到data中 将矩阵中浮点数转化为int类型
李智
2018-08-03
8860
Python中复合数据类型(list,turple以及切片,循环等操作)
现在,c这个tuple不能变了,它没有append(),insert()这样的方法。但你可以使用c[0],c[-1],但不能赋值成另外的元素。 因为tuple不可变,所以代码更安全。如果可能,能用tuple代替list就尽量用tuple。 如果要定义一个空的tuple,可以写成():
李智
2018-08-03
2.1K0
Python针对图像的基础操作
5. 返回目录中所有JPG 图像的文件名列表,直方图均衡化,平均图像,主成分分析等
李智
2018-08-03
7210
Python在不同目录下导入模块的方法
python在不同层级目录import模块的方法 使用python进行程序编写时,经常会调用不同目录下的模块及函数。本篇博客针对常见的模块调用讲解导入模块的方法。
李智
2018-08-03
2.8K0
Emmet插件使用教程
Emmet插件可以通过指令快速生成html以及css代码,给我们地开发工作带来极大地便利 快速编写HTML代码 初始化 HTML文档需要包含一些固定的标签,比如:html、head、body等,现在你只需要1秒钟就可以输入这些标签。比如输入“!”或“html:5”,然后按Tab键: html:5 或!:用于HTML5文档类型 html:xt:用于XHTML过渡文档类型 html:4s:用于HTML4严格文档类型 轻松添加类、id、文本和属性 连续输入元素名称和ID,Emmet会自动为你
李智
2018-08-03
7340
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档