来源： AlexNet原理及Tensorflow实现 - CSDN博客 AlexNet的出现点燃了深度学习的热潮,下面对其进行介绍,并使用tensorflow实现. 1. AlexNet网络结构 图片来源:AlexNet的论文 整个网络有8个需要训练的层,前5个为卷积层,最后3层为全连接层. 第一个卷积层 输入的图片大小为:224*224*3 第一个卷积层为:11*11*96即尺寸为11*11,有

来源： 十图详解tensorflow数据读取机制（附代码） 在学习tensorflow的过程中，有很多小伙伴反映读取数据这一块很难理解。确实这一块官方的教程比较简略，网上也找不到什么合适的学习材料。今天这篇文章就以图片的形式，用最简单的语言，为大家详细解释一下tensorflow的数据读取机制，文章的最后还会给出实战代码以供参考。 一、tensorflow读取机制图解 首先需要思考的一个问题是，什

来源： 深度学习入门篇--手把手教你用 TensorFlow 训练模型 - 腾讯云技术社区 - 博客园 导语 Tensorflow在更新1.0版本之后多了很多新功能，其中放出了很多用tf框架写的深度网络结构（https://github.com/tensorflow/models ），大大降低了开发难度，利用现成的网络结构，无论fine-tuning还是重新训练方便了不少。最近笔者终于跑通Tens

来源： TensorFlow的安装 - 尘续缘的博客 - 博客频道 - CSDN.NET 1. 前提说明 在公司试着学习下深度学习项目，决定使用TensorFlow框架，公司的服务器上之前有人搭建过，遇到不懂的也也可以顺便请教。至于为什么还要自己重新搭建一个，因为公司的TensorFlow可能版本较老，在运行mnist的深度学习模型不能运行，所以还得自己重新装一个。 先说明一下现有的条件吧， 服务

来源： 加快TensorFlow在树莓派上的执行速度——服务常驻内存 – 编码无悔 / Intent & Focused 转载请注明出处：http://www.codelast.com/ 本文软硬件环境： 树莓派：3代 Model B V1.2，内存1GB OS：Arch Linux ARM 在上一篇文章中，我尝试了加快TensorFlow预测速度的一个方法——模型“预热”，实验

来源： 在树莓派上把文字转成语音（Text-To-Speech／TTS） – 编码无悔 / Intent & Focused 转载请注明出处：http://www.codelast.com/ 本文软硬件环境： 树莓派：3代 Model B V1.2，内存1GB OS：Arch Linux ARM 有时候，我们需要在程序中添加文字转语音的功能，即通过某个程序或API，把输入的文字朗

来源： 加快TensorFlow在树莓派上的执行速度——模型预热 – 编码无悔 / Intent & Focused 转载请注明出处：http://www.codelast.com/ 本文软硬件环境： 树莓派：3代 Model B V1.2，内存1GB OS：Arch Linux ARM 在上一篇文章中，我写了在树莓派上用TensorFlow做的一个深度学习（图像识别）实验，但正

在树莓派上用TensorFlow玩深度学习(Deep Learning) 来源： 在树莓派上用TensorFlow玩深度学习(Deep Learning) - 推酷 转载请注明出处：http://www.codelast.com/ 本文软硬件环境： 树莓派：3代 Model B V1.2，内存1GB OS：Arch Linux ARM 深度学习（Deep Learning）现在这么火，树莓派玩家们

来源： 人脸检测及识别python实现系列（2）——识别出人脸 - Neo-T - 博客园 从实时视频流中识别出人脸区域，从原理上看，其依然属于机器学习的领域之一，本质上与谷歌利用深度学习识别出猫没有什么区别。程序通过大量的人脸图片数据进行训练，利用数学算法建立建立可靠的人脸特征模型，如此即可识别出人脸。幸运的是，这些工作OpenCV已经帮我们做了，我们只需调用对应的API函数即可，先给出代码：

1. 前言 今天用多半天的时间把QQ空间里的几篇年前的旧文搬到了这里，算是完成了博客搬家。QQ空间里还剩下一些记录自己数学学习路线的学习日志，属于私人性质，不再搬运了。过完春节，快马加鞭地重修完高阶偏导数后，终于感觉到疲惫了，潜意识里觉得是时候做点东西了，一是练练手，二是换换脑子，用新鲜东西刺激一下自己，好把学习效率保持下去。于是，我选择了自己最感兴趣的人脸识别，期望能够通过摄像头识别出我自己来。