摘要在本篇文章中，少奶奶将详细的讲解如何把自定义训练的网络模型转换成TensorFlow Lite能识别的模型，并嵌入到手机设备中，让大家能够摆脱只能使用Google官网提供的模型的苦恼。此次教程使用的是MNIST数据集，在下一篇文章中，少奶奶将会使用YOLOV3模型来训练更为复杂的模型结构。当然，若有小伙伴不理解YOLOV3模型，少奶奶也会在近期使用浅显易懂的方式讲解一下YOLOV3.但总的来说

摘要人工智能想要从实验室走向大众，一个必不可少的途径就是朝着智能终端、嵌入式产品等边缘设备发展。谷歌基于TFMobile推出了TFLite，我们只需要把训练好的模型按照一定规则转换成拥有.tflite后缀的模型文件，便可以通过Android Studio生成app并嵌入到手机终端里，实现边缘设备的落地。为了让大家体验到TensorFlow Lite的强大。少奶奶将会以Google官网提供的花卉重训

前言本教程详细介绍了常用人脸识别模型------MTCNN与人脸比对模型------FaceNet的模型结构与实现原理，并整合两者，实现一个简单的人脸抓取与人脸比对的程序。备注：感谢众多前辈的分享：参考一,参考二1，人脸抓拍与比对程序整体架构通过上图，我们可以知道，在该系统中，MTCNN模型会从照片中检测到所有可能的人脸，并把人脸数据直接传输到FaceNet网络模型中，FaceNet网络模型会把人

一、时序数据卷积神经网络是针对二维位置相关的图片，它采取权值共享的思想，使用一个滑动的窗口去提取每一个位置相关的信息，自然界除了位置相关的信息以外，还存在另一种跟时序相关的数据类型，例如：序列信号，语音信号。对于按时间轴不停产生的信号，神经网络中，我们称其为temporal signals，而循环神经网络处理的就是拥有时序相关或者前后相关的数据类型（Sequence）。二、embeddin...

当我们完成本地开发后 会选择微信开发者工具 上传测试代码 但往往会出现 502 (Bad Gateway) 错误 博主根据自身的跳坑经验 给出以下解决方案 希望能帮到各位！一 ，上传之前的准备1， 进入微信公众平台开通腾讯云后台 2，修改小程序配置前端 修改host指向 server端  注释圈住的部分 并把useQcloudLogin设置为false 数据库   ...

通过阅读少奶奶上一篇博文，我们初步实现了调用Tensorflow 2.0提供的keras模块下的方法，使用极少的代码完成了一个五层的全连接网络，具体代码如下：若小伙伴需要复习一下上一篇博文的内容的话，少奶奶这里给出对应链接，希望对大家有所帮助：第三章：Tensorflow 2.0 利用高级接口...

1，机器学习的目标从大量数据中学习到高维的抽象特征，使得新输入的x也能在经过模型后，得出一个符合实际情况的y值。在自然界中，若y为离散型，则属于分类问题，y为连续型则属于预测问题。2，为什么需要大量样本？若我们提前知道了某一堆样本服从下述线性模型，那么我们就有理由相信输入任意x所构成的点（x,y）都服从该线性模型分布。...

前言：本章会涉及到许多与卷积神经网络相关的核心知识点，属于对卷积神经网络知识点的一些梳理和总结，所以，需要有一些基础的小伙伴才能很好的理解，刚刚入门的小伙伴，少奶奶建议先阅读其他大牛的博文，然后再来看本篇文章的理论和实战部分。若能从第一章开始看起，那你将获得一个比较系统的学习流程。下面开始正文部分。卷积神经网络相关知识点卷积对图像做卷积运算其实是一个滤波的过程...

一、时序数据卷积神经网络是针对二维位置相关的图片，它采取权值共享的思想，使用一个滑动的窗口去提取每一个位置相关的信息，自然界除了位置相关的信息以外，还存在另一种跟时序相关的数据类型，例如：序列信号，语音信号。对于按时间轴不停产生的信号，神经网络中，我们称其为temporal signals，而循环神经网络处理的就是拥有时序相关或者前后相关的数据类型（Sequence）。二、embeddin...

理论部分一、cifar 10数据集简介cifar 10相比于MNIST数据集而言更为复杂，其拥有10个种类（猫、飞机、汽车、鸟、鹿、狗、青蛙、马、船卡车），这十大类共同组成了50k的训练集，10k的测试集，每一张图片都是32*32的3通道图片（彩色图片），在神经网络中，通常表示成如下形式：...