加载中
【opencv图像处理】图片的读取——cv2.imgread各种读取方式对比

以下实验基于python==3.6、opencv-python==4.1.0.25、imutils==0.5.2 图片的读取 cv2.imread 该方法第一个参数为文件名filename(文件路径+文件名) 第二个为读取方式flags,可选参数 IMREAD...

2019/08/01 23:30
111
win下python多版本管理——anaconda方案

原因不多说了,用python的人都懂。 一、anaconda的安装 直接到官网下载最新版就可以了https://www.anaconda.com/distribution/ 或者到下面的地址下载需要的版本https://repo.anaconda.com/a...

2019/03/29 14:39
133
【flask】python上启动web服务

以下实验基于Ubuntu==18.04、anaconda==2019.07、python==3.6、flask==1.1.1 启动web服务 导入flask中的Flask模块后使用Flask初始化web服务对象app = Flask(name) 这个app就是web服务的对象,...

2019/08/08 16:58
34
【twisted】python上实现TCP通讯

以下实验基于win10==1903、anaconda==2019.07、python==3.6、twisted==19.7.0 0.写在前面 不管是服务器端还是客户端,都是通过twisted的reactor来启动的,所以首先就需要导入twisted.interne...

【opencv图像处理】图片通道的拆分——cv2.split

以下实验基于python==3.6.8、opencv-python==4.1.0.25、imutils==0.5.2、numpy==1.17.0、matplotlib==3.1.1 图片通道的拆分 我们都知道常规的彩色图片一般都是三个通道RGB,Red=红色、Green...

资料整理

tensorflow 官网:https://tensorflow.google.cn/ 中文社区:http://www.tensorfly.cn/ TF1.0-API:https://tensorflow.google.cn/api_docs/python/tf TF2.0-API:https://tensorflow.google...

【Tensorflow2.0】利用神经网络实现线性回归的预测(Keras方式实现)

一、什么是Keras Keras 是一个用 Python 编写的高级神经网络 API,它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。 具体可以参考:Keras: 基于 Python 的深度学习库 通过之前的例子 ...

【Tensorflow2.0】训练结果的保存与加载(Keras方式实现)

上一篇Tensorflow入门——训练结果的保存与加载 讲到了原生的tensorflow的模型保存和重新加载的方法 这一篇将演示使用keras方式来进行模型的保存和重新加载操作 我们以Tensorflow入门——利用...

【Tensorflow1.0】利用神经网络实现线性回归的预测

之前讲到了基于tensorflow解决线性回归的预测问题:Tensorflow——实现最简单的线性回归模型的预测(原) 其中,我们是在已知直线方程 y = w * x + b的前提下,通过机器学习来反推出w和b的值 ...

2019/04/03 12:10
174
【Tensorflow1.0】训练结果的保存与加载

训练完成以后我们就可以直接使用训练好的模板进行预测了 但是每次在预测之前都要进行训练,不是一个常规操作,毕竟有些复杂的模型需要训练好几天甚至更久 所以将训练好的模型进行保存,当有需...

2019/04/09 15:21
131
【Tensorflow1.0】实现最简单的线性回归模型的预测

在一个坐标系中有一些散点,大致图像如下 从图中很明显的可以看出,这些散点近似的符合直线方程 y = w * x + b 这时候如果再给定一个x,需要你求出对应的y值,那么这就是线性回归的预测问题 ...

2019/04/02 18:35
232
【Tensorflow2.0】利用卷积神经网络实现简单的验证码识别

之前用tensorflow1.13做了一个验证码识别的小东西准确率还是相当高的(当然其中大部分逻辑都是从网上很多大神的博客中借鉴以后再自己试验的) 前不久tensorflow2.0的alpha版发布以后就一直想...

没有更多内容

加载失败,请刷新页面

没有更多内容

返回顶部
顶部