嘉立创社区
全部帖子
请选择话题
发动态
综合 最新发布 最新回复
图文
列表
这个仿真就不应该搞这个东西，太不方便了
加载失败
2
嘉立创EDA
布线设置
为什么有些别人的工程里面的PCB布线的导线颜色很淡，而且出来的导线不会直接从焊盘中间出来，这个怎么调节，求解答
0
嘉立创EDA
0
嘉立创PCB
DB9
1
硬创社
今天的嘉立创EDA搜索元器件有点卡，是我网络的问题吗
2
嘉立创EDA
我要哭了，3D打印老显示反方向三角面，在其他软件都没问题，啊啊啊啊
0
3D打印
嘉立创工程文件格式与Altium Designer工程文件格式转换
把嘉立创工程文件导出为AD格式文件，在AD软件中复制导出的AD格式文件，原理图元件为什么比例不一样，比如嘉立创A4大小原理图，在AD格式中A4大小装不了同样嘉立创A4大小的原理图。应该怎么调整？
0
嘉立创EDA
大佬们，这个该怎么替换啊 一替换就是直接全变成CH2，不能部分替换吗[大哭]
加载失败
3
嘉立创EDA
开源文章：扬州大学广陵学院电协三月份PCB创意流水灯培训总结

简介：为提升 PCB 绘制能力与技巧，拓展艺术思维，活跃校园文化，扬州大学广陵学院电子信息协会开展了三月份PCB培训活动，并以PCB创意设计竞赛初赛为背景，吸引到了很多对PCB感兴趣的同学加入到此次培训中。

文章链接：https://oshwhub.com/article/summary-of-pcb-creative-water-lamp-training-in-march-by-guangling-college-of-yangzhou-university
#高校动态#
加载失败
1
开源硬件平台
前言最近在学习神经网络相关的知识，并做了一个简单的猫狗识别的神经网络，结果如图。虽然有点绷不住，但这其实是少数情况，整体的猫狗分类正确率已经来到 90% 了。本篇文章是给大家介绍一下我是如何利用前端如何做神经网络-猫狗训练的。步骤概览还是掏出之前那个步骤流程，我们只需要按照这个步骤就可以训练出自己的神经网络处理数据集定义模型神经网络层数每层节点数每层的激活函数编译模型训练模型使用模型最终的页面是这样的顺便吆喝一句，技术大厂，待遇给的还可以，就是偶尔有加班（放心，加班有加班费）前、后端/测试，多地有位置找到数据集，本次使用的是这个 www.kaggle.com/datasets/li… 2000 个猫图，2000 个狗图，足够我们使用（其实我只用了其中 500 个，电脑跑太慢了）由于这些图片大小不一致，首先我们需要将其处理为大小一致。这一步可以使用 canvas 来做，我统一处理成了 128 * 128 像素大小。 const preprocessImage = (img: HTMLImageElement): HTMLCanvasElement => { const canvas = document.createElement("canvas"); canvas.width = 128; canvas.height = 128; const ctx = canvas.getContext("2d"); if (!ctx) return canvas; // 保持比例缩放并居中裁剪 const ratio = Math.min(128 / img.width, 128 / img.height); const newWidth = img.width * ratio; const newHeight = img.height * ratio; ctx.drawImage( img, (128 - newWidth) / 2, (128 - newHeight) / 2, newWidth, newHeight ); return canvas; }; 这里可能就有同学要问了：imooimoo，你怎么返回了 canvas，不应该返回它 getImageData 的数据点吗。我一开始也是这样想的，结果 ai 告诉我，tfjs 是可以直接读取 canvas 的，牛。tf.browser.fromPixels() // 可以接受 canvas 作为参数将其处理为 tfjs 可用的对象 // 加载单个图片并处理为 tfjs 对应格式 const loadImage = async (category: "cat" | "dog", index: number): Promise => { const imgPath = `src/pages/cat-dog/image/${category}/${category}.${index}.jpg`; const img = new Image(); img.src = imgPath; await new Promise((resolve, reject) => { img.onload = () => resolve(img); img.onerror = reject; }); return { path: imgPath, element: img, tensor: tf.browser.fromPixels(preprocessImage(img)).div(255), // 归一化 label: category === "cat" ? 0 : 1, }; }; // 加载全部图片 const loadDataset = async () => { const images: ImageData[] = []; for (const category of ["cat", "dog"]) { for (let i = 1000; i { const model = tf.sequential({ layers: [ // 最大池化层：降低特征图尺寸，增强特征鲁棒性 tf.layers.maxPooling2d({ inputShape: [128, 128, 3], // 输入形状 [高度, 宽度, 通道数] poolSize: 2, // 池化窗口尺寸 2x2 strides: 2, // 滑动步长：每次移动 n 像素，使输出尺寸减小到原先的 1/n }), // 卷积层：用于提取图像局部特征 tf.layers.conv2d({ filters: 32, // 卷积核数量，决定输出特征图的深度 kernelSize: 3, // 卷积核尺寸 3x3 activation: "relu", // 激活函数：修正线性单元，解决梯度消失问题 padding: "same", // 边缘填充方式：保持输出尺寸与输入相同 }), // 展平层：将多维特征图转换为一维向量 tf.layers.flatten(), // 全连接层（输出层）：进行最终分类 tf.layers.dense({ units: 2, // 输出单元数：对应猫/狗两个类别 activation: "softmax", // 激活函数：将输出转换为概率分布 }), ], }); // 编译模型，参数基本写死这几个就对了 model.compile({ optimizer: "adam", loss: "categoricalCrossentropy", metrics: ["accuracy"], }); console.log("模型架构:"); model.summary(); return model; }; 这里实际上只需要额外注意两点：卷积层的激活函数 activation: "relu"，这里理论上是个非线性激活函数就行。但是我个人更喜欢 relu，函数好记，速度和效果又不错。输出层的激活函数 activation: "softmax"，由于我们做的是分类，最后必须是这个。训练模型训练模型可以说的就不多了，也就是提供一下你的模型、训练集就可以开始了。这里有俩参数可以注意下epochs: 训练轮次validationSplit: 验证集比例，用于测算训练好的模型准确程度并优化下一轮的模型 // 训练模型 const trainModel = async ( model: tf.Sequential, xData: tf.Tensor4D, yData: tf.Tensor2D ) => { setTrainingLogs([]); // 清空之前的训练日志 await model.fit(xData, yData, { epochs: 10, // 训练轮数 batchSize: 4, validationSplit: 0.4, callbacks: { onEpochEnd: (epoch, logs) => { if (!logs) return; setTrainingLogs((prev) => [ ...prev, { epoch: epoch + 1, loss: Number(logs.loss.toFixed(4)), accuracy: Number(logs.acc.toFixed(4)), }, ]); }, }, }); }; 整体页面基本就是这样了，稍微写一下页面，基本就完工了总结别慌，神经网络没那么可怕，核心步骤就那几步，冲冲冲。源码：github.com/imoo666/neu…——转载自作者：imoo
加载失败
当一个前端学了很久的神经网络...
0
开源硬件平台
白嫖党
兄弟们，是不是有些白嫖党做的太过分了。嫖了太多资源。所以现在小程序签到没有彩色丝印卷，连小助手的pcb卷都要扫码验证身份了。[晕][晕][晕]#畅聊专区#
加载失败
1
开源硬件平台
仿真1MHz 方波 50%占控比 150V幅度 ，调来调去看不到波形
0
嘉立创EDA
开源文章：合肥大学电子爱好者协会---嘉立创EDA时钟训练营

简介：合肥大学电子爱好者协会---嘉立创EDA时钟训练营

文章链接：https://oshwhub.com/article/hefei-university-electronic-fans-association-jialichuang-eda-clock-training-camp
#高校动态#
加载失败
1
开源硬件平台
3 已过期
电路图元件与封装对应 请问：怎么造 原理图的双运放，每个运放可单独在原理图上移动，又在同一个封装上？
3
蹲进展
嘉立创EDA
开源文章：广师大汽院智能车实验室3月新人培训

简介：面向河源校区培训，以平衡小车项目激发同学学习兴趣。

文章链接：https://oshwhub.com/article/guangzhou-normal-university-auto-institute-smart-car-laboratory-march-new-person-training
#高校动态#
加载失败
1
开源硬件平台
开源文章：三月份安阳师范学院嘉立创联合实验室培训

简介：对准备单片机学习的同学进行51单片机最小系统的培训，这样更有利于他们更好的学习单片机了解内部结构

文章链接：https://oshwhub.com/article/march-anyang-normal-university-jialichuang-joint-laboratory-training
加载失败
1
开源硬件平台
0
嘉立创SMT
大佬们，这是什么意思，埋盲孔不能用吗
如图
加载失败
2
嘉立创EDA
开源文章：西安交大城院--3月校园讲师培训总结

简介：西安交通大学城市学院3月校园讲师培训总结

文章链接：https://oshwhub.com/article/xi-an-jiaotong-university-city-college-summary-of-instructor-training-in-march
#高校动态#
加载失败
1
开源硬件平台
社区数据
今日帖子
-
今日互动量
-
在线人数
-
帖子总量
-
用户总量
-
推荐话题 换一批
#DIY设计#
#创享2025#
#嘉立创PCB#
#畅聊专区#
#嘉立创#
#嘉立创免费3D打印#
#嘉立创3D打印#
#嘉立创3D免费打样券#
查看更多热门话题
功能讨论
（）
主题
打赏记录
激励规则
粤公网安备44030002004666号 · 粤ICP备2023121300号 · 用户协议 · 隐私政策 · 侵权举报 · ISO/IEC · Copyright © 2024 嘉立创社区版权所有
服务热线：18682363881 ·  服务时间：周一至周六 9::00-18:00 · 联系地址：中国·深圳（福田区商报路奥林匹克大厦27楼） · 媒体沟通：pr@jlc.com · 集团介绍
移动社区
联系我们