图像 示例 深度pytorch
图像轮廓检测方法
1 #图像轮廓 2 #先将灰度图像二值化 这样轮廓更加清晰 3 ret,thresh = cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY) 4 #cv2.findContours(src,mode,method) 5 #mode:轮廓检索模式 6 # ......
基于深度强化学习(DQN)的迷宫寻路算法
QLearning方法有着明显的局限性，当状态和动作空间是离散的且维数不高时可使用Q-Table存储每个状态动作的Q值，而当状态和动作时高维连续时，该方法便不太适用。可以将Q-Table的更新问题变成一个函数拟合问题，通过更新参数θ使得Q函数逼近最优Q值。DL是解决参数学习的有效方法，可以通过引进D ......
【pytorch】土堆pytorch教程学习（二）加载数据
Pytorch加载数据初认识 pytorch 中加载数据主要涉及两个类：Dataset 和 Dataloader。 Dataset 提供一种方式去获取数据及其label Dataloader 为网络提供不同的数据形式 Dataset Dataset 实现的功能： 获取每个数据及其label 获取数据 ......
【pytorch】土堆pytorch教程学习（一）环境配置及安装
管理虚拟环境 不同的项目需要不同的环境，Anaconda集成的conda包可以创建不同的环境并进行隔离。 打开 Anaconda Promp，创建环境，其中 pytorch 为创建的环境名： conda create -n 虚拟环境名 python=版本 启动环境 conda activate 虚拟 ......
深度学习基础入门篇[七]：常用归一化算法、层次归一化算法、归一化和标准化区别于联系、应用案例场景分析。
深度学习基础入门篇[七]：常用归一化算法、层次归一化算法、归一化和标准化区别于联系、应用案例场景分析。 ......
图像金字塔
图像金字塔 简单来说就是 自下而上图像一步一步缩小 1 高斯金字塔（涉及高斯分布） 向下采样（缩小，对金字塔来说是自下向上） 第一步： 高斯滤波去噪 第二部：将偶数行和列去掉 向上采样（放大，对金字塔来说是自上向下) 第一步：在每个方向上扩大两倍，新增的行和列填充0 第二步：利用之前同样的内核进行卷 ......
深度学习--可视化、过拟合
深度学习--可视化、过拟合 cmd运行命令：python -e visdom.server 用法: from visdom import Visdom viz = Visdom() viz.line([0.],[0.],win='train_loss',opts=dict(title='train ......
深度学习入门系列之doc
这周老师让把深度学习的名词过一遍，小玛同学准备在过一遍Deep Learning名词的同时把基本的模型也过一遍。 感谢杰哥发我深度学习入门系列能让我有机会快速入门。 下面就来doc一些学到的东西 感知器（线性单元）有个问题就是当面对的数据集不是线性可分的时候，“感知器规则”可能无法收敛，这意味着我们 ......
图像边缘检测（Canny)
Canny检测的流程 Canny检测主要是用于边缘检测 1)使用高斯滤波器，以平滑图像，滤除噪声。 2)计算图像中每个像素点的梯度强度和方向。 3)应用非极大值(Non-Maximum Suppression)抑制，以消除边缘检测带来的杂散响应 4)应用双阈值(Double-Threshold)检测 ......
SPI机制的简单示例？
我们现在需要使用一个内容搜索接口，搜索的实现可能是基于文件系统的搜索，也可能是基于数据库的搜索。 可以看到输出结果：文件搜索 hello world 如果在com.cainiao.ys.spi.learn.Search文件里写上两个实现类，那最后的输出结果就是两行了。 这就是因为ServiceLoa ......
深度学习--全连接层、高阶应用、GPU加速
深度学习--全连接层、高阶应用、GPU加速 MSE均方差 Cross Entropy Loss：交叉熵损失 Entropy 熵： 1948年，香农将统计物理中熵的概念，引申到信道通信的过程中，从而开创了信息论这门学科，把信息中排除了冗余后的平均信息量称为“信息熵”。香农定义的“熵”又被称为香农熵或信 ......
深度神经网如何通过从数据中学习特征来帮助避免人工提取特征
深度神经网络（dnn）通过从数据中直接学习特征，无需人为干预或专业知识，可以帮助避免需要手动提取特征的繁琐过程。 深度神经网络由许多层组成，每个层都包含许多神经元。这些神经元组合成了一系列权重和偏差来映射输入特征到输出目标。通过反向传播算法，模型可以更新权重和偏差以优化其预测效果。 在训练dnn时， ......
5.深度学习计算
除了庞大的数据集和强大的硬件， 优秀的软件工具在深度学习的快速发展中发挥了不可或缺的作用。 从2007年发布的开创性的Theano库开始， 灵活的开源工具使研究人员能够快速开发模型原型， 避免了我们使用标准组件时的重复工作， 同时仍然保持了我们进行底层修改的能力。 随着时间的推移，深度学习库已经演变... ......
图像梯度
图像梯度图像梯度计算的是图像变化的速度 对于图像的边缘部分，其灰度值变化较大，梯度值也较大相反，对于图像中比较平滑的部分，其灰度值变化较小，相应的梯度值也较小。图像梯度计算需要求导数，但是图像梯度一般通过计算像素值的差来得到梯度的近似值（近似导数值）。（差分，离散） Sobel算子 1 #Sobel ......
使用mybatisPlus修改数据-示例
mapper import com.atguigu.yygh.model.hosp.HospitalSet; import com.baomidou.mybatisplus.core.mapper.BaseMapper; public interface HospitalSetMapper exte ......
toga的图像按钮和窗口管理
Toga提供了多种常用控件，如按钮、标签、输入框等，还提供了窗口管理功能，可以用于创建跨平台的GUI应用程序。下面分别介绍图像按钮和窗口管理的用法。 图像按钮 - toga.ImageButton toga.ImageButton用于创建一个图像按钮控件，用于触发操作或事件。 常用参数： id：按钮 ......
gocv分析图像玩游戏
项目 项目仓库：goOpenCv 连连看 麻将 单机版麻将 腾讯麻将小程序 总结 通过学习opencv图像匹配，完成游戏作弊，感觉没用的知识又增加了。 ......
如何配置一个用于深度学习的 GPU 服务器 [Ubuntu 18.04 LTS 为例]
一、硬件配置 CPU of Intel i9-9980XE (18-core 36-thread, @3.0-4.4 GHz), RAM of 128 GB (DDR4), GPU of NVIDIA RTX 2080 Ti*4 (11 GB GDDR6*4), and M.2 NVMe SSD o ......
跟姥爷深度学习4 从数学计算看神经网络
一、前言 我们前面简单的做了一个气温预测，经过反复调试，效果还不错。实际上在这个方向上我们还可以更进一步优化，但因为我们是学习嘛，主要还是看广度而不是深度。考虑到后面要开始学习卷积网络，我们必须把更基础的内容搞明白才行，比如神经网络到底是如何工作的，如果不搞明白后面卷积就只能说用法而不明白原因了。所 ......
递推与递归和DFS深度优先搜索
递推与递归和DFS深度优先搜索 跳台阶 递归实现指数级枚举 递归实现排列型枚举 递归实现组合型枚举 P1036 选数 习题课 递推/ 递归 / DFS P2089 烤鸡 指数 P1088 火星人 全排列 P1149 火柴棒等式 指数 + 预处理 P2036 PERKET 指数 P1135 奇怪的电梯 ......
wsl2+docker跑深度学习
wsl(ubuntu20.04)+docker安装paddle 1.中文显示设置 安装语言包 sudo apt install language-pack-zh-hans 设置locale sudo vi /etc/locale.gen 找到 zh_CN.UTF-8 UTF-8 并取消注释，然后保存 ......
2023-04-21：用go语言重写ffmpeg的metadata.c示例。
2023-04-21：用go语言重写ffmpeg的metadata.c示例。 答案2023-04-21： 这段 Go 代码演示了如何使用 ffmpeg-go 库中的函数来读取多媒体文件元数据，包括视频、音频等信息。它的大体过程如下： 设置环境变量以加载 FFmpeg 动态链接库 这里将 FFmpeg ......
图像平滑化处理 Opencv(python)
主要是以下一些简单的处理方法 1 均值滤波就是 在该点附近的 A X B的像素框内 将每点的灰度系数求平均后赋值该点 1 #均值滤波 2 blur = cv2.blur(img,(3,3))#卷积操作 3 Cv_show('Average Filter Picture', blur) 2 方框滤波 ......
深度学习--统计与数据映射
深度学习--统计与数据映射 范数 import torch #范数norm 第一范数：绝对值求和 第二范数：平方和后求根号 norm使用要求是浮点数 a=torch.full([8],1.) #tensor([1., 1., 1., 1., 1., 1., 1., 1.]) b=a.view(2,4 ......
eclipse IDE 创建一个jar和引用，示例
一 创建一个jar方法 ①创建一个jave程序，NewJar ②创建一个jave类，【Pachage:sayHello Name:TestClass 】 ③ 创建类的属性和方法 可通过如下三种方法自动添加注释：（1）输入“/**”并回车。（2）用快捷键 Alt＋Shift+J（先选中某个方法、类名或 ......
opencv 图像和视频处理的基本操作（python)
1 图片的获取 主要通过cv2.imread(src)函数进行获取 #获取图片，请注意更改路径 支持绝对路径，该函数产生的图片灰度系数数组 img = cv2.imread('Sunrise.jpg'); #获取灰度图 img_gray = cv2.imread('C:/Users/10275/Pi ......
golang中通过原始socket实现tcp/udp的服务端和客户端示例
这些天稍微空点，总结下golang中通过tcp/udp实现服务端客户端的编程实现，毕竟长久以来，如果要截单的http服务，我们直接使用net/http包实现服务，或者使用框架如gin/echo/beego等。 以下就直接上代码，稍微看看都能懂起。 1.TCP的实现 server package ma ......
golang 中常用的超时控制的方案示例
在 go 中，我们很容易就可以实现超时控制，今天分享2种解决方案： 1.select + time.After 2.select + context 其实两种方案中，我们都是通过 channel 来控制的，在方案1中，对于 time.After, 通过返回一个只读 <- chan Time 实现，而 ......
【深度思考】聊聊CGLIB动态代理原理
1. 简介 CGLIB的全称是：Code Generation Library。 CGLIB是一个强大的、高性能、高质量的代码生成类库，它可以在运行期扩展Java类与实现Java接口， 底层使用的是字节码处理框架ASM。 Github地址：https://github.com/cglib/cglib ......