為什么你把文件放進了tmp文件夾里咖为，然后從nihao文件夾里加載的苞笨，中間的步驟呢？
GBase 8a 導(dǎo)入-導(dǎo)出導(dǎo)入 1篓跛、文本導(dǎo)入 2膝捞、定長導(dǎo)入 導(dǎo)出表結(jié)構(gòu) 數(shù)據(jù)導(dǎo)出語法
發(fā)簡信
IP屬地：河北
-
-
傳統(tǒng)計算機視覺學(xué)習(xí)筆記
近期準(zhǔn)備開始寫一些傳統(tǒng)CV算法方面的學(xué)習(xí)心得蔬咬，對于一個在cv方面工作了兩年多的新人，了解一些傳統(tǒng)的沐寺、偏數(shù)學(xué)的計算機視覺算法還是挺有必要的林艘。雖然神經(jīng)網(wǎng)絡(luò)出現(xiàn)之后這些傳統(tǒng)算法變得...
-
樓主，無法加載模型是怎么回事混坞？還有數(shù)據(jù)集報錯不能下載狐援。钢坦。tensorflow.python.framework.errors_impl.NotFoundError: Unsuccessful TensorSliceReader constructor: Failed to find any matching files for D://model//python//resnet_v1_50.ckpt
ResNet-V1-50卷積神經(jīng)網(wǎng)絡(luò)遷移學(xué)習(xí)進行不同品種的花的分類識別
運行環(huán)境 python3.6.3、tensorflow1.10.0Intel@AIDevCloud：Intel Xeon Gold 6128 processors集群 數(shù)據(jù)和...
-
Astar求取最短路徑Astar主要用于求取網(wǎng)格形的地圖中啥酱，兩個點之間的最短距離爹凹，地圖中會有各種形狀的障礙物干擾。在求兩個點的最短路徑時镶殷，從起始點向終點進行探索時禾酱，選擇的點的權(quán)重為該點到起始點的距...
-
遷移網(wǎng)絡(luò)的應(yīng)用-圖像風(fēng)格遷移
圖片風(fēng)格遷移指的是將一個圖片的風(fēng)格轉(zhuǎn)換到另一個圖片中，如圖所示： 原圖片經(jīng)過一系列的特征變換批钠，具有了新的紋理特征，這就叫做風(fēng)格遷移得封。 VGG網(wǎng)絡(luò) 在實現(xiàn)風(fēng)格遷移之前埋心，需要先簡...
-
遷移網(wǎng)絡(luò)實現(xiàn)原理補發(fā)一段對于遷移網(wǎng)絡(luò)的學(xué)習(xí)筆記。手動訓(xùn)練一些層數(shù)較深的神經(jīng)網(wǎng)絡(luò)會花費大量的時間忙上。我們可以利用一些常見的神經(jīng)網(wǎng)絡(luò)模型拷呆，使用已經(jīng)訓(xùn)練好的參數(shù)，對圖像的特征進行提取疫粥，這樣來實現(xiàn)避免...
-
一百行代碼實現(xiàn)一個GAN模型GAN：對抗性生成網(wǎng)絡(luò)，通俗來講梗逮，即有兩個網(wǎng)絡(luò)一個是g（generator ）網(wǎng)絡(luò)项秉，用于生成，一個是d（discriminator）網(wǎng)絡(luò)慷彤，用于判斷娄蔼。GAN網(wǎng)絡(luò)的目的就是使其自...
-
學(xué)習(xí)scikit-learn：線性回歸和邏輯回歸sklearn庫是一個強大的機器學(xué)習(xí)庫，幾乎所有機器學(xué)習(xí)的算法都可以用這個庫來實現(xiàn)炼列，接下來我們開始學(xué)習(xí)這個庫同眯。 線性模型 如果我們想要處理線性回歸的問題，先要導(dǎo)進來線性回歸的...
-
牛頓法和梯度下降法的學(xué)習(xí)
牛頓法和梯度下降法的差別 牛頓法：二次逼近梯度下降法：一階逼近 牛頓法：對局部凸的函數(shù)找到極小值唯鸭，對局部凹的函數(shù)找到極大值须蜗，對不凹不凸的函數(shù)可能找到鞍點。梯度下降法：一般不會...
-
MCTS樹學(xué)習(xí)
MCTS菱农，即蒙特卡羅樹搜索，是一類搜索算法樹的統(tǒng)稱柿估，可以較為有效地解決一些搜索空間巨大的問題循未。 如一個8*8的棋盤，第一步棋有64種著法秫舌，那么第二步則有63種的妖，依次類推，假如...
-
使用Policy network和Value network實現(xiàn)CartPole我們知道足陨，著名的AlphaGo的基本組成是由策略網(wǎng)絡(luò)（Policy network）估值網(wǎng)絡(luò)（Value network）嫂粟，蒙特卡洛搜索樹（Monte Carlo Tree ...
-
強化學(xué)習(xí)之 Q-learning
強化學(xué)習(xí)的作用在于通過當(dāng)前的環(huán)境做出相應(yīng)的action，得到最大的value如TensorFlow實戰(zhàn)中的例子： 在5x5的游戲棋盤中墨缘，藍色的代表人物星虹。綠色的代表獎勵。紅色的...
-
使用TensorFlow實現(xiàn)ResNet作為在ILSVRC 2015比賽中取得了冠軍的網(wǎng)絡(luò)結(jié)構(gòu)镊讼，ResNet借鑒吸收了以往的網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)點宽涌，完全拋棄了全連接層，使用殘差學(xué)習(xí)方法解決了在信息傳遞時出現(xiàn)的信息丟失蝶棋，損耗...
-
基于RNN實現(xiàn)古詩詞生成模型我們知道卸亮，RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）模型是基于當(dāng)前的狀態(tài)和當(dāng)前的輸入來對下一時刻做出預(yù)判。而LSTM（長短時記憶網(wǎng)絡(luò)）模型則可以記憶距離當(dāng)前位置較遠的上下文信息玩裙。在此嫡良，我們根據(jù)上...
