一、基于tensorflow的vgg16：识别猫狗数据集1 import os, shutil
2 current_dir = (r"E:\人工智能\猫狗数据集\dogs-vs-cats") # 当前目录
3 current_dir[0]
4 base_dir = current_dir[0] + ':/人工智能/cats_dogs_small'
5 os.mkdir(base_dir)
一、 前提：有Google账号（具体怎么注册账号这里不详述，大家都懂的，自行百度）在你的Google邮箱中关联好colab（怎样在Google邮箱中使用colab在此不详述，自行百度）二、 现在开始：因为我们使用的是colab，所以就不必为安装版本对应的anaconda、python以及tensorflow尔苦恼了，经过以下配置就可以直接开始使用了。在colab中新建代码块，运行以下代码来下载需
#!/usr/bin/env python
# -#-coding:utf-8 -*-
# author:魏兴源
# datetime:2021/10/20 20:14:13
# software:PyCharm
"""
模型1：Pytorch CNN 实现流程
1.图片数据处理，加载数据集
2.使得数据集可迭代（每次读取一个Batch）
3.创建模型类
4.
转载
2023-11-28 16:09:20
71阅读
目录什么是卷积神经网络？一、数据准备二、网络配置1. 定义网络2. 定义输入数据的格式3. 定义损失函数和准确率4. 定义优化方法三、模型训练＆评估四、模型预测五、完整代码 继上次使用神经网络实现手写数字识别后，这次来试试用卷积神经网络实现猫狗分类。什么是卷积神经网络？首先看看短视频大概了解一下什么是CNN(Convolutional Neural Networks)：从视频中得知，CNN和前面
VGG16迁移学习实现 本文讨论迁移学习，它是一个非常强大的深度学习技术，在不同领域有很多应用。动机很简单，可以打个比方来解释。假设想学习一种新的语言，比如西班牙语，那么从已经掌握的另一种语言（比如英语）学起，可能是有用的。 按照这种思路，计算机视觉研究人员通常使用预训练 CNN 来生成新任务的表示
转载
2021-02-06 05:41:00
945阅读
2评论
虚拟化技术的明珠 VMotion实时迁移详解作者：小蚁 虚拟化正在改变人们对计算机的认识，说起虚拟化，VMotion估计是给人印象深刻的诸多亮点中的一个。VMware公司一直在虚拟化技术中占据领先的地位。因此VMware VMotion就好像站在了VMware这个巨人的肩膀上一样，在实时迁移技术领域，立于高峰之巅。VMware VMotion概述 VMware V
DL之VGG16：基于VGG16迁移技术实现猫狗分类识别(图片数据量调整→保存h5模型)目录基于VGG16迁移技术实现猫狗分类识别(图片数据量调整→保存h5模型)设计思路输出结果核心代码基于VGG16迁移技术实现猫狗分类识别(图片数据量调整→保存h5模型)设计思路更新……输出结果Using TensorFlow backend.F:\Program Files\Python\Python36\...
原创
2021-06-15 20:33:47
325阅读
DL之VGG16：基于VGG16迁移技术实现猫狗分类识别(图片数据量调整→保存h5模型)目录基于VGG16迁移技术实现猫狗分类识别(图片数据量调整→保存h5模型)设计思路输出结果核心代码基于VGG16迁移技术实现猫狗分类识别(图片数据量调整→保存h5模型)设计思路更新……输出结果Using TensorFlow backend.F:\Program Files\Python\Python36\...
原创
2022-03-09 14:16:50
868阅读
StyleTransfer-PyTorch风格迁移Content lossStyle lossTotal-variation regularization结果链接 在上次的Network Visualization之后，这次接着是Style Transfer，选择的还是PyTorch版本，个人认为这次代码还是比较简单有趣，也是直接在StyleTransfer-PyTorch.ipynb编写完成的
dogs VS cats1.数据准备2.训练模型2.1 基础训练2.2 对比实验(无数据增强)2.3 对比实验(不用预训练模型)2.4 对比实验(改变学习率)2.5 对比实验(固定部分参数训练)3.测试模型 此项目是kaggle大赛的经典项目. 通过对比实验验证数据增强对降低模型过拟合风险的作用.对预训练模型进行微调达到加快模型收敛的效果.对比不同初始学习率,固定部分参数层对模型训练过程的影响
在本文中，并不是介绍最新的一些论文，而是回顾自己在很早（半年前?）读过的几篇文章。[1]Learning to optimize: Training deep neural networks for wireless resource management[2]Image style transfer using convolutional neural networks[3]Per
摘要本文对图片分类任务中经典的深度学习模型VGG16进行了简要介绍，分析了其结构，并讨论了其优缺点。调用Keras中已有的VGG16模型测试其分类性能，结果表明VGG16对三幅测试图片均能正确分类。前言VGG是由Simonyan 和Zisserman在文献中提出卷积神经网络模型，其名称来源于作者所在的牛津大学视觉几何组(Visual Geometry Group)的缩写。该模型参加2014年的 I
转载
2020-06-09 14:25:00
720阅读
2评论
转载
2019-03-07 23:46:00
308阅读
1.网络结构根据卷积核大小和卷积层数，VGG共有6中配置，分别为A,A-LRN,B,C,D,E，其中D和E两种最为常用，即i我们所说的VGG16和VGG19。看下图红色框所示。具体为：1. 卷积-卷积-池化-卷积-卷积-池化-卷积-卷积-卷积-池化-卷积-卷积-卷积-池化-卷积-卷积-卷积-池化-全连接-全连接-全连接 。 2. 通道数分别为64，128，512，512，512，4096，4096
lecture 6：VGG13、16、19目录 lecture 6：VGG13、16、19目录1、VGG结构2、VGG结构解释3、3*3卷积核的优点4、VGG的 Multi-Scale方法5、VGG应用 1、VGG结构 LeNet5用大的卷积核来获取图像的相似特征 AlexNet用9*9、11*11的滤波器 VGG 巨大的进展是通过依次采用多个 3×3 卷积，模仿出更大的感受野（r
本文基于vgg-16、inception_v3、resnet_v1_50模型进行fine-tune，完成一个二分类模型的训练。目录一、环境准备二、准备数据三、数据解析及图片预处理四、模型定义五、模型训练六、模型预测最后：完整代码 一、环境准备我使用了TensorFlow的model库中的slim模块，路径：https://github.com/tensorflow/models/tree
题目描述新一年度的猫狗大战通过SC(星际争霸)这款经典的游戏来较量，野猫和飞狗这对冤家为此已经准备好久了，为了使战争更有难度和戏剧性，双方约定只能选择Terran(人族)并且只能造机枪兵。比赛开始了，很快，野猫已经攒足几队机枪兵，试探性的发动进攻；然而，飞狗的机枪兵个数也已经不少了。野猫和飞狗的兵在飞狗的家门口相遇了，于是，便有一场腥风血雨和阵阵惨叫声。由于是在飞狗的家门口，飞狗的兵补给会很快，野
DL之VGG16：基于VGG16(Keras)利用Knifey-Spoony数据集对网络架构迁移学习目录数据集输出结果设计思路1、基模型2、思路导图核心代码更多输出数据集Dataset之Knifey-Spoony：Knifey-Spoony数据集的简介、下载、使用方法之详细攻略输出结果...
原创
2021-06-15 20:32:31
311阅读
什么是迁移学习迁移学习是一种机器学习方法，就是把任务为A的开发模型作为其的初始点，重新使用在任务为B的开发模型的过程中。迁移学习是通过从已学习的相关任务中转移知识来改进学习的新任务。虽然大多数机器学习的新 算法都是为了解决单个任务而设计的，但是促进迁移学习的算法开发是机器学习持续关注的话题，迁移学习对人类来说很常见，例如，我们可能会发现学习识别苹果可能有助于识别梨，或者学习弹奏电子琴可能有助于学习
