计算机视觉 opencv 超像素分割.ipynb

黑马程序员PPT

基于深度学习字符型图片数字验证码识别完整过程及Python实现（深度学习学习、实现数字、字符模型训练、详细介绍附源码）

【实例简介】 基于resnet50的猫狗识别，正确率99%

一、俄罗斯方块DQN算法实验报告1. 网络结构图1 DQN网络结构2. 超参数 GAMMA = 0.99  # decay rate of past observations 设置增强学习更新公式中的累计折扣因子 OBSERVE = 500.  # timesteps to observe before training 设置观察期的迭代次数 EXPLORE = 500.  # frames over which to anneal epsilon 设置探索期的观察次数 FINAL_EPSILON = 0.002  # final value of epsilon 设置ε的最终最小值 INITIAL_EPSILON = 10.0  # starting value of epsilon 设置ε的初始值 REPLAY_MEMORY = 5900  # number of previous transitions to remember 设置replay memory的容量 BATCH = 32  # size of mini batch 设置每次网络参数更新世用的样本数目 K = 1  # only select an action every Kth frame, repeat prev for others，设置几帧图像进行一次动作， # K越大让控制台输出的速度变慢，游戏画面速度变快，机器人动作的速度变越迟缓。ACTIONS = 6  # number of valid actions 游戏动作数3.实验结果训练前期的self.score分数很低150左右，EPSILON=1.0，Q_MAX= 2.061341e-02：图2 EPSILON=1.0设置超参数EPSILON=0.05在1000步迭代之后：EPSILON固定在0.04999999999999416  Q_MAX = -1.163765e-01Self.score有明显的提升，但是之后无论训练多久都没有明显提升了。图3 EPSILON=0.05设置超参数EPSILON= 0.002在1001步迭代之后：EPSILON固定在0.000004 Q_MAX = 1.728995e 02Self.score可以轻松达到200以上。图4 EPSILON=0.000004设置超参数EPSILON= 0.000001在1001步迭代之后：EPSILON固定在-0.001998997999987482  Q_MAX = 1.899879e 03Self.score可以轻松达到200以上。图5 EPSILON=-0.002 【核心代码】用DQN来玩俄罗斯方块 tetrix_DQN ├── Wrapped Game Code│   └── tetris_fun.py├── deep_q_network.py├── logs_tetris│   ├── hidden.txt│   └── readout.txt└── saved_networks    ├── tetris-dqn-10000.data-00000-of-00001    ├── tetris-dqn-10000.index    ├── tetris-dqn-10000.meta    └── tetris-dqn-316600003 directories, 8 files

python打印玫瑰花

井字棋

【实例简介】 一个完整的量子计算算法的实现教程。

从图像数据集读取图片并拼接成大图

python股票数据爬取 需要执行 pip install xlwt -i https://mirrors.aliyun.com/pypi/simple python 3.8 亲测通过

《TensorFlow实战(黄文坚)》目录： 1 TensorFlow基础 11.1 TensorFlow概要 11.2 TensorFlow编程模型简介 42 TensorFlow和其他深度学习框架的对比 182.1 主流深度学习框架对比 182.2 各深度学习框架简介 203 TensorFlow第一步 393.1 TensorFlow的编译及安装 393.2 TensorFlow实现SoftmaxRegression识别手写数字 464 TensorFlow实现自编码器及多层感知机 554.1 自编码器简介 554.2 TensorFlow实现自编码器 594.3 多层感知机简介 664.4 TensorFlow实现多层感知机 705 TensorFlow实现卷积神经网络 745.1 卷积神经网络简介 745.2 TensorFlow实现简单的卷积网络 805.3 TensorFlow实现进阶的卷积网络 836 TensorFlow实现经典卷积神经网络 956.1 TensorFlow实现AlexNet 976.2 TensorFlow实现VGGNet 1086.3 TensorFlow实现GoogleInceptionNet 1196.4 TensorFlow实现ResNet 1436.5 卷积神经网络发展趋势 1567 TensorFlow实现循环神经网络及Word2Vec 1597.1 TensorFlow实现Word2Vec 1597.2 TensorFlow实现基于LSTM的语言模型 1737.3 TensorFlow实现BidirectionalLSTMClassifier 1888 TensorFlow实现深度强化学习 1958.1 深度强化学习简介 1958.2 TensorFlow实现策略网络 2018.3 TensorFlow实现估值网络 2139 TensorBoard、多GPU并行及分布式并行 2339.1 TensorBoard 2339.2 多GPU并行 2439.3 分布式并行 24910 TF.Learn从入门到精通 25910.1 分布式Estimator 25910.2 深度学习Estimator 26710.3 机器学习Estimator 27210.4 DataFrame 27810.5 监督器Monitors 27911 TF.Contrib的其他组件 28311.1 统计分布 28311.2 Layer模块 28511.3 性能分析器tfprof 293参考文献 297