一维卷积概念
https://blog.yukifuhane.cn.eu.org/2023/07/14/%E4%B8%80%E7%BB%B4%E5%8D%B7%E7%A7%AF%E6%A6%82%E5%BF%B5/
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 YuKiFuHaNeの博客！
相关推荐
2023-07-14
VGG 网络
VGG
2023-07-14
基本自编码器
import tensorflow as tf import matplotlib.pyplot as plt 查看Tensorflow版本1tf.__version__ 加载数据集1(x_train,_),(x_test,_) = tf.keras.datasets.mnist.load_data() 扁平化12x_train = x_train.reshape(x_train.shape[0],-1)#-1 表示自动计算x_test = x_test.reshape(x_test.shape[0],-1) 123x_train.shape,x_test.shape((60000, 28, 28), (10000, 28, 28))((60000, 784), (10000, 784)) 归一化12x_train = tf.cast(x_train,tf.float32)/255x_test = tf.cast(x_test,tf.float32)/255 设置输入、输出、压缩大小123input_size = 784hidden_size = 32output_si...
2023-07-14
GAN
GAN的设计 生成器的损失由判别器输出来计算的，而判别器输出的是一个概率值，可以通过交叉熵计算 什么是GAN生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分 布上无监督学习最具前景的方法之一 机器学习的模型可大体分为两类，生成模型（ Generative Model）和判别模型（Discriminative Model）。判别模型需要输入变量 ，通过某种模型来 预测 。生成模型是给定某种隐含信息，来随机产生观 测数据 GAN原理GAN 主要包括了两个部分，即生成器 generator 与 判别器 discriminator。==生成器主要用来学习真实图像 分布从而让自身生成的图像更加真实，以骗过判别器 。判别器则需要对接收的图片进行真假判别。== 在训练过程中，生成器努力地让生成的图像更加真实 ，而判别器则努力地去识别出图像的真假，这个过程 相当于一个二人博弈，随着时间的推移，生成器和判 别器在不断地进行对抗。 最终两个网络达到了一个动态均衡：生成器生成...
2023-07-14
keras.layers 各网络层介绍
一、网络层keras的层主要包括： 常用层（Core）、卷积层（Convolutional）、池化层（Pooling）、局部连接层、递归层（Recurrent）、嵌入层（ Embedding）、高级激活层、规范层、噪声层、包装层，当然也可以编写自己的层。 对于层的操作 12345678910111213141516layer.get_weights() #返回该层的权重（numpy array）layer.set_weights(weights)#将权重加载到该层config = layer.get_config()#保存该层的配置layer = layer_from_config(config)#加载一个配置到该层#如果层仅有一个计算节点（即该层不是共享层），则可以通过下列方法获得输入张量、输出张量、输入数据的形状和输出数据的形状：layer.inputlayer.outputlayer.input_shapelayer.output_shape#如果该层有多个计算节点。可以使用下面的方法layer.get_input_at(node_index)layer.get_outpu...
2023-07-14
卫星图像识别
glob的使用import glob 12345678910all_image_path = glob.glob('./*/*jpg') #将遍历该文件夹下的所有文件夹中的以.jpg结尾的文件all_image_path['.\\airplane\\airplane_632.jpg', '.\\lake\\lake_056.jpg', '.\\lake\\lake_584.jpg', '.\\lake\\lake_334.jpg', '.\\airplane\\airplane_684.jpg', '.\\airplane\\airplane_079.jpg', '.\\airplane\\airplane_294.jpg'] 图片位置的乱序123#做乱序，shuffleimport randomrandom.shuffle(all_image_path) 图片 Label与Index直接转换12label_to_...
2023-07-14
叶子实例分类
import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inlinefrom sklearn.model_selection import train_test_split conda install scikit-learn pandas读取树叶csv纹理数据1data = pd.read_csv('./leaf/train.csv') 查看每列的数据类型1data.info() 12345<class 'pandas.core.frame.DataFrame'>RangeIndex: 990 entries, 0 to 989Columns: 194 entries, id to texture64dtypes: float6...
