目录

AaronJny

诗酒繁华,书剑天涯。

标签: tensorflow (9)

xyolo?几行Python代码轻松完成yolo3目标检测

前段时间在 qqwweee/keras-yolo3 的基础上改写出了一个支持 TensorFlow 2.2 版本的 yolo3 项目,我把它命名为tf2-keras-yolo3。 怎么说呢,用是肯定能用的,但操作步骤太过繁琐和反人性化,自己用起来嫌麻烦,别人用起来上手也有一定难度,于是,我萌生了重构并打包它的想法。 于是,就有了xyolo~ xyolo可以通过 pip 一键安装,而且使用起来非常简单,只需要几行代码就可以训练自己的 yolo3 模型,或者调用训练好的模型进行目标检测。废话少说,一起来看一下吧! GitHub 地址:https://github.com/AaronJny/xyolo 转载请注明来源:https://www.aaronjny.com/articles/2020/11/08/1604823112022.html 写在前面: 我使用的 Python 是 Anaconda 的 Python 3.7 发行版本,在 shell 里面进行了初始化(python 和 pip 默认指向当前激活环境,而不是默认的 python2),所以文章中的 python 和 pip ....

有趣的深度学习——使用TensorFlow 2.0实现图片神经风格迁移

前言 这也是一个重写的项目,之前用 Python 2.7 + TensorFlow 1.4 写的图片神经风格迁移的项目(TensorFlow 练手项目三:使用 VGG19 迁移学习实现图像风格迁移)直到现在还有很多朋友问我相关问题,毕竟环境太过古老,如今很难顺利跑起来,可能要做不少兼容性的调整(除非照装一样的环境……)。于是,我抽时间用 TensorFlow 2.0 重写了一下。 先做一下简单演示,风格图片统一使用《星夜》: 示例 1: 输入图片 输出图片 示例 2: 输入图片 输出图片 项目 GitHub 地址: DeepLearningExamples/tf2-neural-style-transfer : https://github.com/AaronJny/DeepLearningExamples/tree/master/tf2-neural-style-transfer 代码解读 这是一个重写项目,原理上和TensorFlow 练手项目三:使用 VGG19 迁移学习实现图像风格迁移没有任何区别,可以直接参考原博文了解细节。只是部分细节上有所差异,我会分别进行说明。....

有趣的深度学习——使用TensorFlow 2.0 + RNN 实现一个古体诗生成器

一、前言 很早之前,我曾经写过一个古体诗生成器(详情可以戳TensorFlow练手项目二:基于循环神经网络(RNN)的古诗生成器),那个时候用的还是Python 2.7和TensorFlow 1.4。 随着框架的迭代,API 的变更,老项目已经很难无障碍运行起来了。有不少朋友在老项目下提出了各种问题,于是,我就萌生了使用TensorFlow 2.0重写项目的想法。 这不,终于抽空,重写了这个项目。 完整的项目已经放到了GitHub上: AaronJny/DeepLearningExamples/tf2-rnn-poetry-generator (https://github.com/AaronJny/DeepLearningExamples/tree/master/tf2-rnn-poetry-generator) 先对项目做个简单展示。项目主要包含如下功能: 使用唐诗数据集训练模型。 使用训练好的模型,随机生成一首古体诗。 使用训练好的模型,续写一首古体诗。 使用训练好的模型,随机生成一首藏头诗。 随机生成一首古体诗: 金鹤有僧心,临天寄旧身。 石松惊枕树,红鸟发禅新。 不到风前....

深度学习下的目标检测算法——TensorFlow 2.0下的YOLOv3实践

本文主要包含如下内容: 修改qqwweee/keras-yolo3(目标检测算法 YOLOv3 的一个 Keras 版本的优秀实现),将其修改为 tf.keras 为主导的,并修订不兼容的接口和逻辑,使其支持 TensorFlow 2.0 版本 实践修改后的 YOLOv3 算法 对实践结果的简单分析 修改后的项目 GitHub: tf2-keras-yolo3 (https://github.com/AaronJny/tf2-keras-yolo3) 前言 说到目标检测,YOLO 系列算法可以算是颇负盛名。目标检测相关的算法有不少,而 YOLO 因其识别速度快而出名,常被用于实时目标检测场景中。今天,我们就来实践一下 YOLOv3 算法。 因为 YOLO 原理我是清楚的,又觉得实现起来太麻烦了,所以本来想着就不自己造轮子了,直接从 GitHub 上找一个优秀的开源实现,拜读一下代码,然后调试跑通结束。但没想到,最后还是得动手写(或者说改?)代码…… 因为我主要使用的深度学习框架是 TensorFlow 和 Keras,所以直接去找了算法的 Keras 实现。然后就找了qqwwe....

机器学习里的Hello World——TensorFlow 2.0在MNIST数据集上的尝试

TensorFlow 2.0 在 MNIST 数据集上的尝试,共分为三个部分: ① 通过 TensorFlow 的低级接口,手动实现一个全连接神经网络; ② 通过 tf.keras 实现一个全连接神经网络; ③ 通过 tf.keras 实现一个卷积神经网络。 毕竟只是 Hello World,没什么难度,仅用来介绍 TensorFlow 2.0 的简单用法。

从零开始编写一个宠物识别系统(爬虫、模型训练和调优、模型部署、Web服务)

心血来潮,想从零开始编写一个相对完整的深度学习小项目。想到就做,那么首先要考虑的问题是,写什么? 思量再三,我决定写一个宠物识别系统,即给定一张图片,判断图片上的宠物是什么。宠物种类暂定为四类——猫、狗、鼠、兔。之所以想到做这个,是因为在不使用公开数据集的情况下,宠物图片数据集获取的难度相对低一些。 小项目分为如下几个部分: 爬虫。从网络上下载宠物图片,构建训练用的数据集。 模型构建、训练和调优。鉴于我们的数据比较少,这部分需要做迁移学习。 模型部署和 Web 服务。将训练好的模型部署成 Web 接口,并使用 Vue.js + Element UI 编写测试页面。 好嘞,开搞吧! 本文涉及到的所有代码,均已上传到 GitHub: pets_classifer (https://github.com/AaronJny/pets_classifer) 一、爬虫 训练模型肯定是需要数据集的,那么数据集从哪来?因为是从零开始嘛,假设我们做的这个问题,业内没有公开的数据集,我们需要自己制作数据集。 一个很简单的想法是,利用搜索引擎搜索相关图片,使用爬虫批量下载,然后人工去除不正确的图片。举个....

TensorFlow练手项目三:使用VGG19迁移学习实现图像风格迁移

软件环境为python2.7和tensorflow1.4,使用vgg19迁移学习,完成图片风格迁移Demo。

TensorFlow练手项目二:基于循环神经网络(RNN)的古诗生成器

使用 python2.7 和 tensorflow 1.4,利用循环神经网络编写了一个智障古诗生成器。

TensorFlow练手项目一:使用循环神经网络(RNN)实现影评情感分类

使用python2.7和tensorflow 1.4,编写循环神经网络实现一个影评情感分析的小Demo.