python_new
  • Introduction
  • First Chapter
  • 一、python基础
    • 1.1 常识
      • sys
    • 1.2 基础语法(1)
    • 1.2 基础语法(2)
    • 1.3 常见问题求解
    • 1.4 算法
  • 二、爬虫
    • urllib库(1)
      • urllib库(2)
    • requests模块(1)
      • requests模块(2)
    • 2.1 爬虫基础(3)HTTP原理
    • 2.1 爬虫基础(4)会话和Cookies
    • 2.1 爬虫基础(5)数据存储
      • Mysql存储
      • MongoDB存储
      • Redis存储
    • 2.3 正则表达式
    • 2.4 解析库lxml
      • BeautifulSoup
      • pyquery(1)
      • pyquery(2)
    • 2.5 selenium(1)
    • 2.5 seleium(2)
    • 2.6 Json
    • 2.7 scrapy
      • scrapy(2)
    • 2.9 异步加载
    • 2.6 Splash
  • ORM框架
    • SQLAlchemy
  • Django
    • 1、初阶(一)
    • 初学:投票教程(一)
    • 初学:投票教程(二)
    • 初学:投票教程(三)
    • 初学:投票教程(总结)
    • 模型(一)
    • 模型(二)
    • 视图(一)
    • 视图(二)
    • 模板(一)
    • django实际使用笔记
  • 面试题收集总结
    • 数据结构原理
    • 算法篇
      • 排序
    • 题目篇
  • python数据分析
    • 基础了解(一)
    • 基础了解(二)
    • 基础了解(三)
  • 多线程
  • 深度学习
    • 疑问
  • keras(一)
  • 神经网络
  • 图像识别
  • Docker
    • 一、基础了解
Powered by GitBook
On this page
  • 一、数据集
  • 二、模型选取
  • 三、设定训练参数
  • 四、分析训练效果
  • 五、调整训练参数(优化)
  • 六、模型应用场景

Was this helpful?

图像识别

初次接触图像识别当然是在实际使用中,就像我之前的老板讲的,我们不需要执着于原理,只追求应用效果。对于图像识别的应用,应该分为几步呢?

一、数据集

二、模型选取

三、设定训练参数

四、分析训练效果

五、调整训练参数(优化)

六、模型应用场景

  • 后台api

  • app

但是只知道应用,却不知道原理,最多只能得到一个勉强的训练结果,或许会凭借运气调整了一些个参数,优化了不少识别效果,但是不能百分百成功,要想熟练应用,还是要理解各个参数的概念以及图像是如何被识别的原理。

Previous神经网络NextDocker

Last updated 5 years ago

Was this helpful?