生成单通道Gesture样本数据集(tfrecords)

5.3万 未经授权,禁止转载了解课程
课程介绍
讨论{{interaction.discussNum ? '(' + interaction.discussNum + ')' : ''}}
适合人群
想从事深度学习相关工作的人,想将深度学习技术引入自己的项目。
你将会学到
从软件安装开始,结合案例学习Tensorflow的基本应用,包括:1、通过理论和编程理解单通道和多通道的卷积操作;2、基于自己的原图自作tfrecords数据集,及结合opencv制作增广的白化处理数据集;3、两个案例分析,其中涉及模型构建分析、训练、模型保存、模型加载进行预测。
课程简介

本课程主要以深度学习技术应用于项目目的出发,前两部分从深度学习相关开发工具Anacond、Tensorflow、Python-OpenCV2的安装开始,一步一步仔细讲解、分析、编程实现:卷积神经网络CNN中的各种技术细节,让大家更好的理解卷积层、池化层、激活层等运算实现方式,快速上手构建、编写自己的卷积神经网络。
后两部分详细讲解2个项目:Gesture、Cifar-10,从零开始,涉及通过样本的原图构建自己的训练数据集、构建自己的CNN模型、分析模型、训练模型、保存模型,加载模型进行预测,一些列完整的例程操作实现。期间还涉及图像的样本制作方法,如样本的白化处理和增广技术。


具体:

1、深度学习简介

2、CNN的相关运算

   从理论到程序:单通道数据和多通道数据的卷积(convolution)、池化(pooling)、激活层(relu)等原理分析及程序实现。

3、Gesture案列分析,包括

   1) Gesture tfrecords原图数据集(数据类型uint8)制作;

   2)tfrecords数据集解码,构建训练的Batch;

   3)CNN 模型分析及构建、模型训练、模型保存的实现;

   3)模型加载预测样本。

4、Cifar-10案例分,包括

   1)三通道原图数据白化处理;

   2) 基于白化处理后的浮点数据制作tfrecords数据集;

   2)浮点型tfrecords的数据集解码

   3)模型分析构建、训练保存;

   3)已有模型再训练;

   4)模型加载预测。

展开更多
发布
头像

{{ item.user.nick_name }} {{ EROLE_NAME[item.user.identity] }}

置顶笔记
讨论图
{{ item.create_time }}回复
  • 删除

    是否确认删除?

    确认
    取消
  • {{ item.is_top == 1 ? '取消置顶' : '置顶'}}

    已有置顶的讨论,是否替换已有的置顶?

    确认
    取消
{{ tag.text}}
头像
{{ subitem.user.nick_name }}{{ EROLE_NAME[subitem.user.identity] }}
{{ subitem.create_time }}回复
删除

是否确认删除?

确认
取消
发布
{{pageType === 'video' ? '讨论区抢占沙发,可获得双倍学分' :'讨论区空空如也,你来讲两句~'}}
发布
{{tips.text}}
{{ noteHeaderTitle }} 笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}
{{ hasMyNote ? '我的笔记' : '记笔记' }}
优质笔记
更新于:{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}
头像
{{ detail.username }}

公开笔记对他人可见,有机会被管理员评为“优质笔记”

{{ noteEditor.content.length }}/2000

公开笔记
保存
提问

讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。

记录时间点
记录提问时视频播放的时间点,便于后续查看
公开提问
提交