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

嵌入式Linux应用与开发实践4——用户与权限管理、设置目录与权限文件

用户与权限管理2.6.1 用户与用户组管理2.6.2 useradd命令2.6.3 passwd命令2.6.4 用户组配置文件group设置目录与权限文件2.6.5 chmod命令2.6.6 chown命令

#linux
动手学深度学习2——二维卷积层

二维卷积层深度学习中的卷积运算实际上是互相关运算。互相关运算:即输入数组和核数组对应位置相乘求和的过程。特征图:二维卷积层输出的二维数组可以看作是输入在空间维度(高和宽)上某一级的表征。感受野:影响元素x的前向计算的所有可能输入区域(可能大于输入的实际尺寸)叫做x的感受野。多输入通道和多输出通道...

python深度学习1——随机梯度下降(SGD)、损失函数与优化器、监督学习、非监督学习、K折验证

解决SGD收敛速度和局部极小值的问题SGD:随机梯度下降算法:带动量的SGD、Adagrad、RMSProp 等变体。这些变体被称为优化方法(optimization method)或优化器(optimizer)。其中动量的概念尤其值得关注,它在许多变体中都有应用。动量解决了SGD 的两个问题:收敛速度和局部极小点。如你所见,在某个参数值附近,有一个局部极小点(local minimum):在这个

深度学习应用1——手势识别测试

# _*_ coding: UTF-8 _*_import cv2import numpy as npimport mathcap = cv2.VideoCapture(0)while (cap.isOpened()):ret, frame = cap.read()# 读取摄像头每帧图片frame = cv2.flip(frame, 1)kernel = np.ones((2, 2), np.ui

pytorch深度学习实践4——循环神经网络RNN

循环神经网络(基础篇)RNN主要处理有序列关系的数据:天气、股市、自然语言RNN示例:RNN工作方式:RNN示例2:RNN的实现:运用RNN:嵌入层:示例3:LSTMGRU循环神经网络训练器示例:python中,时间的单位是秒(s)数据准备:构建模型:双向循环神经网络:训练:测试:其他示例用...

opencvSharp

安装opencvsharp1.需要同时安装以下两个库才能使用

深度学习物体检测实战算法4——商品物体检测测试

视频物体检测测试SSD训练商品数据主程序GPU版本运行import picklefrom utils.detection_generate import Generatorfrom utils.ssd_utils import BBoxUtilityfrom nets.ssd_net import SSD300from utils.ssd_losses import MuliboxLossfrom

#目标检测
opencv API

import cv2import numpy as npvc = cv2.VideoCapture("")if vc.isOpened():open,frame = vc.read()else:open = False;breakwhile open:ret,frame = vc.read()if frame is None:break;if ret ==...

    共 44 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 请选择