:华为高管回应芯片遭打压 【“没有人能够熄灭满天星光”,在芯片“断供”日逼近时探访华为】随着美国对华为的打压持续升级,一些略带悲壮、但更多是激昂的元素在华为的发布活动中渐渐多了起来。10日,华为开发者大会2020的主题演讲环节中,华为消费者业务CEO余承东的一句“没有人能够熄灭满天星光,每一位开发者,都是华为要汇聚的星星之火”在朋友圈中刷屏。也许不是巧合,本次华为开发者大会开幕的时间点恰恰临近美国对华为芯片实施“断供”的9月15日,华为最新的一系列发布所透露出的信息显得意味深长。 开发者大会没谈&l...... Last article READ

python+keras:识别狗的品种,准确率超过80%!

在这篇文章中,将教大家实现一个网页应用程序,该程序可以接收狗的图片,然后输出其品种,其准确率超过80%!

我们将使用深度学习来训练一个识别狗品种的模型,数据集是狗图像与他们的品种信息,通过学习图像的特征来区分狗的品种。数据分析数据集可以从这里下载(https://s3-us-west-1.amazonaws.com/udacity-aind/dog-project/dogImages.zip)。以下是关于数据的一些介绍:犬种总数:133狗图片总数:8351(训练集:6680,验证集:835,测试集:836)最受欢迎的品种:阿拉斯加对应96个样本,博德牧羊犬对应93个样本按图片数量排序的前30个品种如下:

我们还可以在这里看到一些狗的图片和它们的品种:

数据预处理我们会把每个图像作为一个numpy数组进行加载,并将它们的大小调整为224×224,这是大多数传统神经网络接受图像的默认大小,另外我们为图像的数量添加为另一个维度。from keras.preprocessing import image                  from tqdm import tqdm

def path_to_tensor(img_path):    '''将给定路径下的图像转换为张量'''    img = image.load_img(img_path, target_size=(224, 224))    x = image.img_to_array(img)    return np.expand_dims(x, axis=0)

def paths_to_tensor(img_paths):    '''将给定路径中的所有图像转换为张量'''    list_of_tensors = [path_to_tensor(img_path) for img_path in tqdm(img_paths)]    return np.vstack(list_of_tensors)最后,我们使用ImageDataGenerator对图像进行动态缩放和增强train_datagen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255,                                                horizontal_flip=True,                                                vertical_flip=True,                                                rotation_range=20)

valid_datagen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255.)

test_datagen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255.)

train_generator = train_datagen.flow(train_tensors, train_targets, batch_size=32)valid_generator = train_datagen.flow(valid_tensors, valid_targets, batch_size=32)test_generator = train_datagen.flow(test_tensors, test_targets, batch_size=32)CNN我们将在预处理数据集上从头开始训练卷积神经网络(CNN),如下所示:model = tf.keras.models.Sequential([    tf.keras.layers.Conv2D(16, (3,3), activation='relu', input_shape=(224, 224, 3)),    tf.keras.layers.MaxPooling2D(2, 2),    tf.keras.layers.Conv2D(32, (3,3), activation='relu'),    tf.keras.layers.MaxPooling2D(2,2),    tf.keras.layers.Conv2D(64, (3,3), activation='relu'),    tf.keras.layers.MaxPooling2D(2,2),    tf.keras.layers.Conv2D(128, (3,3), activation='relu'),    tf.keras.layers.MaxPooling2D(2,2),    tf.keras.layers.Conv2D(256, (3,3), activation='relu'),    tf.keras.layers.MaxPooling2D(2,2),    tf.keras.layers.Flatten(),    tf.keras.layers.Dense(2048, activation='softmax'),    tf.keras.layers.Dropout(0.5),    tf.keras.layers.Dense(1024, activation='softmax'),    tf.keras.layers.Dropout(0.5),    tf.keras.layers.Dense(133, activation='softmax')])

model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])

checkpointer = tf.keras.callbacks.ModelCheckpoint(filepath='../saved_models/weights_best_custom.hdf5',                                verbose=1, save_best_only=True)

腾讯云智能制造首次披露三大战略布局9月10日在腾讯全球数字生态大会上,腾讯云智能制造首次披露三大战略布局,一是助力区域产业数字化,打造工业互联网平台,为地方中小企业提供最后一公里的数字化能力;二是提供企业数字化转型的产品方案;三是推出大数据与AI的工业场景创新方案。同时发布“511”生态计划,未来将聚焦工业制造研、产、供、销、服5大环节,携手100家合作伙伴,打造1000个行业解决方案。华为与中国电力建设集团签署战略合作协议根据协议,双方将在新型基础设施建设、智慧工地、智慧水务、智慧水利、智慧新能源、未来社区及智慧园区等领域进行全面合作,以共同推动工程技术与数字化技术的融合发展。重庆移动正式发......Next article READ