下载APP
登录
关闭
讲堂
算法训练营
Python 进阶训练营
企业服务
极客商城
客户端下载
兑换中心
渠道合作
推荐作者
当前播放: 47 | 输入与输出数据处理
00:00 / 00:00
标清
  • 标清
1.0x
  • 2.0x
  • 1.5x
  • 1.25x
  • 1.0x
  • 0.5x
网页全屏
全屏
00:00
付费课程,可试看

TensorFlow快速入门与实战

共67讲 · 67课时,约1000分钟
6992
免费
01 | 课程介绍
免费
02 | 课程内容综述
免费
03 | 第一章内容概述
免费
04 | TensorFlow产生的历史必然...
免费
05 | TensorFlow与Jeff Dean的...
免费
06 | TensorFlow的应用场景
07 | TensorFlow的落地应用
08 | TensorFlow的发展现状
09 | 第二章内容概述
10 | 搭建你的TensorFlow开发环...
11 | Hello TensorFlow
12 | 在交互环境中使用TensorFl...
13 | 在容器中使用TensorFlow
14 | 第三章内容概述
15 | TensorFlow模块与架构介绍
16 | TensorFlow数据流图介绍
17 | 张量(Tensor)是什么(上...
18 | 张量(Tensor)是什么(下...
19 | 变量(Variable)是什么(...
20 | 变量(Variable)是什么(...
21 | 操作(Operation)是什么...
22 | 操作(Operation)是什么...
23 | 会话(Session)是什么
24 | 优化器(Optimizer)是什...
25 | 第四章内容概述
26 | 房价预测模型的前置知识
27 | 房价预测模型介绍
28 | 房价预测模型之数据处理
29 | 房价预测模型之创建与训练
30 | TensorBoard可视化工具介...
31 | 使用TensorBoard可视化数...
32 | 实战房价预测模型:数据分...
33 | 实战房价预测模型:创建与...
34 | 实战房价预测模型:可视化...
35 | 第五章内容概述
36 | 手写体数字数据集MNIST介...
37 | 手写体数字数据集MNIST介...
38 | MNIST Softmax网络介绍(...
39 | MNIST Softmax网络介绍(...
40 | 实战MNIST Softmax网络(...
41 | 实战MNIST Softmax网络(...
42 | MNIST CNN网络介绍
43 | 实战MNIST CNN网络
44 | 第六章内容概述
45 | 准备模型开发环境
46 | 生成验证码数据集
47 | 输入与输出数据处理
48 | 模型结构设计
49 | 模型损失函数设计
50 | 模型训练过程分析
51 | 模型部署与效果演示
52 | 第七部分内容介绍
53 | 人脸识别问题概述
54 | 典型人脸相关数据集介绍
55 | 人脸检测算法介绍
56 | 人脸识别算法介绍
57 | 人脸检测工具介绍
58 | 解析FaceNet人脸识别模型
59 | 实战FaceNet人脸识别模型
60 | 测试与可视化分析
61 | 番外篇内容介绍
62 | TensorFlow社区介绍
63 | TensorFlow生态:TFX
64 | TensorFlow生态:Kubeflow
65 | 如何参与TensorFlow社区开...
66 | ML GDE是TensorFlow社区...
67 | 课程总结

精选留言(3)

  • 2019-07-18
    在one-hot编码这个步骤报错:
    for i in range(len(vec)):
        vec[i] = text2vec(text[i])
    Error: length of captcha should be 4, but got 5
    然后回去检查了一下glob.glob(TRAIN_DATA_DIR + '*.png')读出来的东西:
    ['./train-data\\0003.png',
     './train-data\\0005.png',
     './train-data\\0007.png',
     './train-data\\0009.png',
     './train-data\\0012.png',
     './train-data\\0015.png',
     './train-data\\0016.png',
     './train-data\\0018.png',
     './train-data\\0023.png',
     './train-data\\0025.png',
     './train-data\\0026.png',
     './train-data\\0033.png',
     './train-data\\0035.png',
     './train-data\\0040.png',
     './train-data\\0042.png',
     './train-data\\0043.png',
     './train-data\\0045.png',
    ...]
    这就导致我的label其实是五位:\0003, \0005...请问这个要怎么解决呢?

    展开

    作者回复: 我猜测你应该是在 Windows 环境上运行的,Windows 文件路径是 `\` 连接的,跟 转义字符 有冲突。

    2
  • 2019-04-12
    回答楼上,这里没有区别,三个点表示前面所有的dimension
  • 2019-03-06
    np.dot(image[..., :3], [0.299, 0.587, 0.114]) 和np.dot(image, [0.299, 0.587, 0.114])有区别吗?我认为没有区别,我建议你解释一下image[..., :3],因为三个省略号比较少见,对初学者也较难理解,还请解释一下哈!!