🌞欢迎来到机器学习的世界 🌈博客主页：卿云阁 💌欢迎关注🎉点赞👍收藏⭐️留言📝🌟本文由卿云阁原创！🌠本阶段属于练气阶段，希望各位仙友顺利完成突破📆首发时间：🌹2021年6月5日🌹✉️希望可以和大家一起完成进阶之路！🙏作者水平很有限，如果发现错误，请留言轰炸哦！万分感谢！2022年6月27日天气小雨目录🍈一、必备知识 🍉二.神经网络🍊三、卷积神经网络的介绍🍈一、必备知识（1）手写数字 机器识图的过程：机器识别图像并不是一下子将一个复杂的图片完整识别出来，而是将一个完整的图片分割成许多个小部分，把每个小部分里具有的特征提取出来（也就是识别每个小部分），再将这些小部分具有的特征汇总到一起，就可
简介 卷积神经网络（ConvolutionalNeuralNetwork，简称CNN）是一种用于图像处理、计算机视觉和自然语言处理等任务的深度学习模型。它主要由卷积层、池化层和全连接层组成。卷积层 卷积层是卷积神经网络（CNN）中的核心层，它能够从输入数据中提取出有用的特征。卷积层主要通过卷积操作来实现特征提取，下面具体介绍一下卷积操作。 卷积操作是指卷积核（也称为滤波器）在输入数据上滑动并与其进行逐点相乘，然后将相乘结果求和，最后生成一个新的特征图。卷积核通常是一个小的正方形或长方形矩阵，由CNN自动学习得到。 在卷积操作中，卷积核的每
简介 卷积神经网络（ConvolutionalNeuralNetwork，简称CNN）是一种用于图像处理、计算机视觉和自然语言处理等任务的深度学习模型。它主要由卷积层、池化层和全连接层组成。卷积层 卷积层是卷积神经网络（CNN）中的核心层，它能够从输入数据中提取出有用的特征。卷积层主要通过卷积操作来实现特征提取，下面具体介绍一下卷积操作。 卷积操作是指卷积核（也称为滤波器）在输入数据上滑动并与其进行逐点相乘，然后将相乘结果求和，最后生成一个新的特征图。卷积核通常是一个小的正方形或长方形矩阵，由CNN自动学习得到。 在卷积操作中，卷积核的每
一、介绍车牌识别系统，基于Python实现，通过TensorFlow搭建CNN卷积神经网络模型，对车牌数据集图片进行训练最后得到模型，并基于Django框架搭建网页端平台，实现用户在网页端输入一张图片识别其结果，并基于Pyqt5搭建桌面端可视化界面。在智能交通和车辆监控领域，车牌识别技术扮演了至关重要的角色。今天，我们很荣幸地为大家带来一款全新的车牌识别系统，该系统基于Python语言，采用深度学习技术中的卷积神经网络（CNN），并且为用户提供了Web和桌面两种接口。该系统的核心是一款采用TensorFlow搭建的CNN模型。CNN作为一种深度学习技术，在图像识别领域已经被广泛地应用。我们的系
一、卷积码(convolutioncode)卷积码是一种差错控制编码，由P.Elias于1955年发明。因为数据与二进制多项式滑动相关故称卷积码。卷积码在通信系统中应用广泛，如IS-95，TD-SCDMA，WCDMA，IEEE802.11及卫星等系统中均使用了卷积码。以（n,k,m）或者（n,k,L）来描述卷积码，其中k为每次输入到卷积编码器的bit数，n为每个k元组码字对应的卷积码输出n元组码字，m为编码存储度，也就是卷积编码器的k元组的级数，称m+1=L为编码约束度m称为约束长度。卷积码将k元组输入码元编成n元组输出码元，但k和n通常很小，特别适合以串行形式进行传输，时延小。与分组码不同，
目录前言卷积神经网络的基本组成结构一.卷积层1.标准卷积层2.形变卷积3.空洞卷积二.池化层1.最大池化层2.平均池化层三.激活函数1.Sigmoid2.Tanh3.ReLU4.Leaky_ReLU 5.Mish四.损失函数1.回归损失函数2.分类损失函数交叉熵损失函数(CrossEntropyLoss) 平衡交叉熵损失函数（BalancedCrossEntropy） FocalLoss前言第一个典型的卷积神经网络(ConvolutionalNeuralNetwork,以下简称CNN)是由LeCun等人于1998年提出LeNet网络，是一种用于手写体字符识别的非常高效的卷积神经
目录卷积是什么鬼卷积为什么这么牛卷积神经网络是个啥卷积是什么鬼卷积(convolution)卷积：f(t)∗g(t)=∫f(τ)g(τ)d(τ)卷积运算符号用∗号来表示卷积：f(t)*g(t)=\int{f(τ)g(τ)d(τ)}\\卷积运算符号用*号来表示卷积：f(t)∗g(t)=∫f(τ)g(τ)d(τ)卷积运算符号用∗号来表示 卷积本质上还是运算，不过要比常见的加减乘除要高级的多，如果要用一句人话来讲：它用极简的数学形式，漂亮的描述了一个动态过程。 这个过程用个一个故事来表达：假设有一列火车g(t)和一个山洞f(t)摆在摆在同一个数轴上，这时火车头和山洞入口都在最左侧，如果现在我们想要描
本文重点我们前面学习了卷积操作，也学习了填充，本节课程我们学习卷积步长，之前我们使用卷积核进行卷积操作都是在图像的左上角开始，从左到右、从上到下每次移动一步，其实移动多少步是可以变化的，这个移动步数称为步长。什么是步长卷积操作中的步长（Stride）是指卷积核在图像上移动的步长。步长的大小直接影响卷积操作的结果和特征图的尺寸。在卷积操作中，步长的大小可以通过调整卷积核的移动步长来实现。例如，当步长为1时，卷积核每次移动一个像素；当步长为2时，卷积核每次移动两个像素，以此类推。步长的大小对卷积操作的结果和特征图的尺寸有着重要的影响。当步长较小时，卷积操作可以更加细致地提取图像特征，但是特征图的尺
目录一、tensorflow库安装（1）TensorFlow的历史版本与对应Python版本（2）Python版本查询（3）找到上面的版本框进行对应的TensorFlow下载（4）安装成功（5）TensorFlow成功验证二、项目简介（1）项目说明（2）项目目的三、实现过程（1）库导入（2）匹配图形（3）定义图像以及测试集与验证集路径确认（4）模型训练参数设置（5）维度定义与图像生成器（6）卷积神经网络各层次设置（7）函数回调结果注入训练（8）训练结果可视化一、tensorflow库安装（1）TensorFlow的历史版本与对应Python版本TensorFlow的历史版本与Python对应版
基于卷积神经网络VGG实现水果分类识别一.前言二.模型介绍三.数据处理四.模型搭建4.1定义卷积池化网络4.2搭建VGG网络4.3参数配置4.4模型训练4.5绘制loss和acc图像五.模型评估六.模型预测七.总结资源百度飞桨系列文章：百度飞桨：春节写春联：你写上联，AI写下联百度飞桨：给出关键词，AI自动生成元宵节祝福~百度飞桨：（情人节特辑）想做就做，让爱豆对你说情话，过凡尔赛式情人节~关注专栏：百度飞桨一.前言随着人们生活质量的提高，世界各地的水果逐渐进入到大家的生活中，相较于人们日常的大众水果，可能会出现一些人们不认识的新品种，这个时候就需要对这一部分水果进行识别分类。二.模型介绍本案
