免费学设计的网站,免费视频素材网站,网站无域名注册人id,网站开发网站开发公司哪家好Intro
这是Kaggle深度学习教育课程的第一课。
在本课程结束后#xff0c;您将了解卷积。 卷积是计算机视觉#xff08;以及许多其他应用程序#xff09;中深度学习模型的基本构建块。 之后#xff0c;我们将很快开始使用世界一流的深度学习模型。
Lesson
[1]
from IPy…Intro
这是Kaggle深度学习教育课程的第一课。
在本课程结束后您将了解卷积。 卷积是计算机视觉以及许多其他应用程序中深度学习模型的基本构建块。 之后我们将很快开始使用世界一流的深度学习模型。
Lesson
[1]
from IPython.display import YouTubeVideoYouTubeVideo(OVbiVIChkVY, width800, height450)
Your Turn
看完视频后进行一些关于卷积的动手实践。 Exercise:Convolutions for Computer Vision
Exercise Introductin
为了构建和测试你对卷积的直觉你将设计一个垂直线检测器。 我们将它应用于图像的每个部分以创建一个新的张量显示有垂直线的位置。 执行以下4步 复制这篇笔记运行完此笔记并向下滚动以查看输出您将看到原始图像以及我们将水平线检测器应用于图像时获得的图像示例。 填写vertical_line_conv的代码单元格。 您将不得不考虑列表中的哪些数字将创建垂直线检测器。 运行此单元格。 将vertical_line_conv添加到conv_list。 运行该单元格。 您将在水平线过滤器下方看到垂直线过滤器的输出。 您还将看到一个打印提示表明您是否正确。
一旦完成您就可以了解深度卷积模型这是现代计算机视觉突破的关键。 Import Utility Functions
我们将使用一些小的实用程序函数来加载原始图像数据使结果可视化并给出你的回答等提示。不要担心这些但执行下一个单元格来加载实用程序函数。
【1】
from learntools.deep_learning.exercise_1 import load_my_image, apply_conv_to_image, show, print_hints Example Convolution:Horizontal Line Detector
这里有一个你在视频里看到的卷积例子你不需要去修改它。
【2】
# Detects bright pixels over dark pixels.
horizontal_line_conv [[1, 1], [-1, -1]] Your Turn:Vertical Line Detector
用数字替换问号标记以形成垂直线检测器并取消注释下面单元格中的两行代码。
【3】
#vertical_line_conv [[?, -?],
# [?, ?]]
一旦你在代码单元创建了vertical_line_conv把它作为一个附加单元加到conv_list然后执行以下代码单元
【4】
conv_list [horizontal_line_conv]original_image load_my_image()
print(Original image)
show(original_image)
for conv in conv_list:filtered_image apply_conv_to_image(conv, original_image)print(Output: )show(filtered_image)
Original image ----------------------------
Filter:
[[ 1 1][-1 -1]]
Output: 在上方您将看到水平线过滤器的输出以及您添加的过滤器。 如果你做对了过滤器的输出将如下所示。 Keep Going
现在您已准备好将卷积结合到强大的模型中。 这些模型很有趣所以继续前进。
