logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

使用TensorFlow打造自己的图像识别模型

目录1.目标2.微调原理了解​3.数据准备  4.使用TensorFlow Slim微调模型1)下载TensorFlow Slim源码2)定义自己的datasets文件3)准备训练文件夹4)开始训练5)模型准确率验证6)导出模型对单张图片进行识别5.问题总结本文为笔者学习《21个项目玩转深度学习:基于TensorFlow的实践详解》这本书...

#深度学习
神经网络实现Mnist手写数字识别笔记

目录1.Mnist手写数字识别介绍2.神经网络架构介绍3.代码实现4.运行结果5.代码中部分方法介绍1.Mnist手写数字识别介绍        Mnist手写数字识别是Kaggle上一个很经典的机器学习数据集,里边包括55000张训练数据和10000张图片的测试数据,每张图片大小为28*28像素的单通图片。该任务为通过机器学习来识别图片中的数字属于0,1,2,3,4,...

#神经网络
ROS中插件plugin的简单使用方法

插件,如同其名字一样,第一次接触的时候让我想到了U盘或者USB线这类东西,它们和电脑没有关系,但是插入(挂载)电脑USB口后却可以正常使用,仿佛扩展了电脑的功能。软件中的插件也是类似的,插件化开发使得程序开发扩展性增强,并且不需要对于程序的框架做本质上的改变。插件的本质是创建一个第三方库在软件中来使用。ROS中插件的创建步骤如下5步:1)创建基类2)创建插件3)注册插件4)编译插件5)将新的插件添

ORB-SLAM2代码阅读笔记(十):sim3求解

Table of Contents1.sim3的简单概述2.sim3算法介绍1)3对匹配的3D点建立坐标系2)旋转矩阵计算3)平移向量计算4)尺度计算3.代码解析1)sim3求解器构造函数Sim3Solver2)sim3迭代求解Sim3Solver::iterate本篇笔记对 ORB-SLAM2代码阅读笔记(八):LoopClosing线程 中提到的s...

ORB-SLAM2代码阅读笔记(九):进行窗口显示的Viewer线程

Table of Contents1.View线程都做了些什么2.View线程代码1)View线程创建2)Run函数代码3)在地图中画出当前相机位姿4)绘制地图中当前相机之前的关键帧5)绘制地图中的MapPoint6)窗口中显示标注有特征点的图像帧3.小结ORB-SLAM2的可视化主要是使用Pangolin这个可视化库来实现的,其中也有用到opencv的接口...

Xsession :warning:unable to write to /tmp; X session may exit with an error问题解决

1.问题描述今天使用PX2进行测试的时候,发现系统启动后在登录页面输入密码后竟然登录不了系统。并且多次操作还会出现下面页面的提示。于是网上搜索弹框中的内容:Xsession :warning:unable to write to /tmp; X session may exit with an error根据网上这个链接https://www.experts...

git submodule update获取不到最新提交的代码

今天遇到了一个git submodule update获取不到最新代码的问题,闹了半天原来是自己对git submodule理解不到位引起的。解决了后,感觉虽然没有什么高深的地方,但是不清楚的时候还是需要费时间去查找问题,所以还是在此记录如下。1.问题描述同事在共同使用的一个工程里修改了代码,这个工程在我本地的工程中是作为submodule来使用的,但是我在本地执行以下命令却获取不到最新提...

rosbag record录包(ROS入门学习笔记五)

1.rosbag record命令rosbag record命令是用于在ros系统中录取系统中其他ros节点发出来的topic的message。录取的的包可以使用rosbag play命令来回放,订阅这些消息的node节点就可以收到这些消息,进而执行对应的程序。这样的话,就可以将自动驾驶汽车或者无人机、机器人等自动化机器在室外一些环境下遇到的问题,通过录包的方法拿到办公室来仔细研究解决。r...

使用TensorFlow打造自己的图像识别模型

目录1.目标2.微调原理了解​3.数据准备  4.使用TensorFlow Slim微调模型1)下载TensorFlow Slim源码2)定义自己的datasets文件3)准备训练文件夹4)开始训练5)模型准确率验证6)导出模型对单张图片进行识别5.问题总结本文为笔者学习《21个项目玩转深度学习:基于TensorFlow的实践详解》这本书...

#深度学习
线性回归推导和总结

1. 线性模型的基本形式我们将形式为f(x)=w1x1 +w2x2+...+wnxn+b的方程式称作线性方程。对于这个方程式,只要能求出w1、w2...wn和b,并代入x1、x2...xn,则可以求出对应的f(x)的值。以上是线性方程式的描述,将此方程式转移到机器学习中的线性模型,描述如下:由给定的n个特征值组成的特征集示例x=(x1;x2;...;xn),其中xi是x在第i个特征上的...

#机器学习#线性回归
    共 15 条
  • 1
  • 2
  • 请选择