二者可以通过傅里叶变换相互转化，因为在频率域就是一些特性比较突出，容易处理。比如在空间图像里不好找出噪声的模式，如果变换到频率域，则比较好找出噪声的模式，并能更容易的处理。具体名词解释如下：空间域　英文： spatial domain。 释义： 又称图像空间(image space)。由图像像元组成的空间。在图像空间中以长度(距离)为自变量直接对像元值进行处理称为空间域处理。频率域

一、什么是图像噪声？噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般，噪声信号与要研究的对象不相关，它以无用的信息形式出现，扰乱图像的可观测信息。通俗的说就是噪声让图像不清楚。二、噪声来源—两个方面（1）图像获取过程中两种常用类型的图像传感器CCD和CMOS采集图像过程中，由于受传感器材料属性、工作环境、电子元器件和电路结构等影响，会引入各种噪声，如电阻

神经网络实现猫的种类识别代码地址：https://github.com/yeLer/cat_kind实现的主要部分有简单的网络结构在猫的种类识别上的应用，测试准确率0.832使用resNet50在猫的种类识别上的应用，测试准确率0.866使用数据增强解决过拟合问题，并提高测试准确率，测试准确率0.999项目文件夹说明------cat_kind项目文件名|---...

TensorBoard是TensorFlow下的一个可视化的工具，能够帮助我们在训练大规模神经网络过程中出现的复杂且不好理解的运算。TensorBoard能展示你训练过程中绘制的图像、网络结构等。图1 神将网络结构图首先我们给出一个创建神经网络的python代码作为一个案例：# -*- coding:utf-8 -*-import tensorflow as tfdef...

当我们训练一个神经网络模型的时候，我们经常会遇到这样的一个头疼的问题，那就是，神经网络模型的loss值不下降，以致我们无法训练，或者无法得到一个效果较好的模型。导致训练时loss不下降的原因有很多，而且，更普遍的来说，loss不下降一般分为三种，即：训练集上loss不下降，验证集上loss不下降，和测试集上loss不下降。这里，首先默认各位都能理解过拟合和欠拟合的概念，如果有不清楚...

我们的目标：了解p2p体系结构    --动机    --基本概念    --架构应用概述：动机架构关键技术1、对等系统（Peer-to-Peer Systems）Peer-to-Peer：分散式计算模型什么是同伴？信息制作者，传播者或消费者..为什么它有用？解决了c / s模型的一些问题围绕大型服务器的热点服务器必须始终打开，其IP地址不能更改客户端资源总量比一些强大的服务器要丰富得多客户端资源

一、概括：L1和L2是正则化项，又叫做罚项，是为了限制模型的参数，防止模型过拟合而加在损失函数后面的一项。机器学习中，如果参数过多，模型过于复杂，容易造成过拟合（overfit）。即模型在训练样本数据上表现的很好，但在实际测试样本上表现的较差，不具备良好的泛化能力。为了避免过拟合，最常用的一种方法是使用使用正则化，例如 L1 和 L2 正则化。我们知道，正则化的目的是限制参数过多或者过大，...

1、什么是过拟合？过拟合（overfitting）是指学习时选择的模型所包含的参数过多（即模型容量很大），以至于出现这一模型对已知数据预测得很好，但对未知数据预测得很差的现象。下图中反映了在线性模型中欠拟合、适当拟合和过拟合的图像。（图片来自于吴恩达机器学习课程）下图中反映了在逻辑回归模型中欠拟合、适当拟合和过拟合的图像。（图片来自于吴恩达机器学习课程）2、产生过拟合的原因产生过拟合的主要原因可以

首先说明一下cuda和cuDNN的概念CUDA的官方文档（参考资料1）是这么介绍CUDA的：a general purpose parallel computing platform and programming model that leverages the parallel compute engine in NVIDIA GPUs to solve many complex comp..

FileZilla 实现Ubuntu 虚拟机与Win7 主机的文件共享下载安装FileZilla下载链接1、打开FileZilla 客户端，点击【文件】->【站点管理器】->【添加新站点】2. 设置【通用】选项卡：（1）主机：虚拟机IP 地址 可以输入命令ifconfig查看  这⾥我们看到当前系统的IP 地址是:192.168.*.*（2）协议SFTP/端口