【视觉项目】【day3】8.22号实验记录(利用canny检测之后的来进行模板匹配)

【day3】8.22号实验记录(几乎没干正事的一天,利用canny检测之后的来进行模板匹配)

今天没搞代码,主要是问研究生学长工业摄像头的接法的,学长也不知道,明天问问老师。。。
晚上搞了一下canny之后的模板匹配(基于边缘的ncc模板匹配)。
失误率还是很高;
步骤:
1、对测试图进行canny边缘检测,blurSize:5,thred1:40,thred2=thred1*2
2、截取出模板图
3、对模板图进行精简化,每个形状留下一个模板
4、模板匹配,利用最后一个method
5、观察结果
在此之前发现一个BUG,一开始我把文件夹的模板图片按照大小从大到小排序,然后读取,以为读取的顺序也是按照大小,结果并不是。然后将文件名改成数字发现这样问题:
在这里插入图片描述
现在改成0~9,A ~Z了。这样读取就没问题了(图片先按照从大到小排列好,然后标上序号)

瓶子种类判断序列
大棕瓶1
方底圆肩2
BAL3
桶肩4
方肩5
圆肩6
多面肩7
长条8
方方9
小方肩10(A)
小桶肩11(B)
小长条12©
葡萄形13(D)
小小长条14(E)

我就说我看imshow出来的图有的框框是正确的但是打印出来的信息确实说判断失误,原来错误在此。
结果一览:

第0张测试图片的测试
推测: 1 0.999899
推测: 2 0.159316
推测: 3 0.16973
推测: 4 0.16302
推测: 5 0.146634
推测: 6 0.145204
推测: 7 0.154191
推测: 8 0.169068
推测: 9 0.172421
推测: 10 0.164901
推测: 11 0.174258
推测: 12 0.142165
推测: 13 0.171748
推测: 14 0.181042
推测: 1 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\1.jpg
第1张测试图片的测试
推测: 1 0.0677492
推测: 2 0.192816
推测: 3 0.19569
推测: 4 0.203792
推测: 5 0.183926
推测: 6 0.194002
推测: 7 0.204825
推测: 8 0.167349
推测: 9 0.212663
推测: 10 0.248098
推测: 11 0.236596
推测: 12 0.167326
推测: 13 0.193811
推测: 14 0.246041
推测: 10 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\10+波纹.jpg
第2张测试图片的测试
推测: 1 0.0745666
推测: 2 0.191711
推测: 3 0.206386
推测: 4 0.223004
推测: 5 0.189569
推测: 6 0.192022
推测: 7 0.219123
推测: 8 0.153535
推测: 9 0.215017
推测: 10 0.272478
推测: 11 0.24383
推测: 12 0.155505
推测: 13 0.206007
推测: 14 0.230731
推测: 10 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\10+麻点.jpg
第3张测试图片的测试
推测: 1 0.0674402
推测: 2 0.190262
推测: 3 0.194618
推测: 4 0.202427
推测: 5 0.180647
推测: 6 0.184829
推测: 7 0.200398
推测: 8 0.152772
推测: 9 0.206936
推测: 10 0.225717
推测: 11 0.228099
推测: 12 0.162078
推测: 13 0.205098
推测: 14 0.232309
推测: 14 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\10+气泡+瓶口破裂.jpg
第4张测试图片的测试
推测: 1 0.0667432
推测: 2 0.184654
推测: 3 0.196985
推测: 4 0.197662
推测: 5 0.175655
推测: 6 0.192289
推测: 7 0.188367
推测: 8 0.160075
推测: 9 0.199215
推测: 10 0.999916
推测: 11 0.226178
推测: 12 0.168345
推测: 13 0.194988
推测: 14 0.232534
推测: 10 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\10.jpg
第5张测试图片的测试
推测: 1 0.071391
推测: 2 0.172067
推测: 3 0.183315
推测: 4 0.185845
推测: 5 0.168023
推测: 6 0.177003
推测: 7 0.197795
推测: 8 0.15127
推测: 9 0.208734
推测: 10 0.205898
推测: 11 0.223277
推测: 12 0.161699
推测: 13 0.183026
推测: 14 0.238298
推测: 14 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\10_2.jpg
第6张测试图片的测试
推测: 1 0.0766431
推测: 2 0.194797
推测: 3 0.192207
推测: 4 0.192065
推测: 5 0.165884
推测: 6 0.197727
推测: 7 0.194922
推测: 8 0.155325
推测: 9 0.203182
推测: 10 0.212072
推测: 11 0.999917
推测: 12 0.149497
推测: 13 0.200141
推测: 14 0.234049
推测: 11 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\11.jpg
第7张测试图片的测试
推测: 1 0.0660837
推测: 2 0.15329
推测: 3 0.161353
推测: 4 0.160306
推测: 5 0.158421
推测: 6 0.160659
推测: 7 0.168233
推测: 8 0.162622
推测: 9 0.180816
推测: 10 0.167988
推测: 11 0.16388
推测: 12 0.999889
推测: 13 0.145922
推测: 14 0.236582
推测: 12 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\12.jpg
第8张测试图片的测试
推测: 1 0.0687511
推测: 2 0.143734
推测: 3 0.160211
推测: 4 0.160617
推测: 5 0.137856
推测: 6 0.153583
推测: 7 0.151973
推测: 8 0.122462
推测: 9 0.167214
推测: 10 0.173555
推测: 11 0.188296
推测: 12 0.124624
推测: 13 0.999895
推测: 14 0.19558
推测: 13 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\13.jpg
第9张测试图片的测试
推测: 1 0.0759759
推测: 2 0.174036
推测: 3 0.189693
推测: 4 0.186176
推测: 5 0.162701
推测: 6 0.186011
推测: 7 0.182791
推测: 8 0.164141
推测: 9 0.211726
推测: 10 0.190269
推测: 11 0.214651
推测: 12 0.202217
推测: 13 0.191377
推测: 14 0.999928
推测: 14 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\14.jpg
第10张测试图片的测试
推测: 1 0.0685986
推测: 2 0.999908
推测: 3 0.197106
推测: 4 0.199551
推测: 5 0.165488
推测: 6 0.177893
推测: 7 0.175737
推测: 8 0.17786
推测: 9 0.189742
推测: 10 0.199831
推测: 11 0.224685
推测: 12 0.167693
推测: 13 0.187055
推测: 14 0.227288
推测: 2 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\2+料纹.jpg
第11张测试图片的测试
推测: 1 0.0823208
推测: 2 0.194862
推测: 3 0.240673
推测: 4 0.228067
推测: 5 0.203489
推测: 6 0.20106
推测: 7 0.188743
推测: 8 0.171516
推测: 9 0.217045
推测: 10 0.210541
推测: 11 0.230518
推测: 12 0.195712
推测: 13 0.198557
推测: 14 0.242895
推测: 14 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\3(2).jpg
第12张测试图片的测试
推测: 1 0.0875951
推测: 2 0.189371
推测: 3 0.999919
推测: 4 0.20761
推测: 5 0.184649
推测: 6 0.190449
推测: 7 0.187689
推测: 8 0.172588
推测: 9 0.21905
推测: 10 0.211293
推测: 11 0.222776
推测: 12 0.17192
推测: 13 0.194983
推测: 14 0.240071
推测: 3 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\3.jpg
第13张测试图片的测试
推测: 1 0.0762475
推测: 2 0.193385
推测: 3 0.206374
推测: 4 0.999917
推测: 5 0.196284
推测: 6 0.211612
推测: 7 0.199663
推测: 8 0.16672
推测: 9 0.203637
推测: 10 0.222087
推测: 11 0.229298
推测: 12 0.173151
推测: 13 0.193383
推测: 14 0.242526
推测: 4 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\4+厚底.jpg
第14张测试图片的测试
推测: 1 0.0742768
推测: 2 0.183037
推测: 3 0.19992
推测: 4 0.233414
推测: 5 0.193829
推测: 6 0.202593
推测: 7 0.195318
推测: 8 0.162245
推测: 9 0.196492
推测: 10 0.206311
推测: 11 0.224846
推测: 12 0.164093
推测: 13 0.182105
推测: 14 0.224409
推测: 4 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\4+厚底2.jpg
第15张测试图片的测试
推测: 1 0.0841786
推测: 2 0.204607
推测: 3 0.224352
推测: 4 0.223654
推测: 5 0.194415
推测: 6 0.203212
推测: 7 0.201527
推测: 8 0.17594
推测: 9 0.20281
推测: 10 0.222734
推测: 11 0.237972
推测: 12 0.178081
推测: 13 0.198503
推测: 14 0.223998
推测: 11 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\4+炸肩.jpg
第16张测试图片的测试
推测: 1 0.0687894
推测: 2 0.169599
推测: 3 0.196785
推测: 4 0.192013
推测: 5 0.201513
推测: 6 0.168095
推测: 7 0.188264
推测: 8 0.174867
推测: 9 0.193395
推测: 10 0.203779
推测: 11 0.203879
推测: 12 0.158818
推测: 13 0.166283
推测: 14 0.201001
推测: 11 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\5+脖夹料.jpg
第17张测试图片的测试
推测: 1 0.0669763
推测: 2 0.165399
推测: 3 0.189213
推测: 4 0.195807
推测: 5 0.999901
推测: 6 0.182851
推测: 7 0.187197
推测: 8 0.159754
推测: 9 0.20123
推测: 10 0.194069
推测: 11 0.198122
推测: 12 0.180539
推测: 13 0.175488
推测: 14 0.229792
推测: 5 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\5+肩薄.jpg
第18张测试图片的测试
推测: 1 0.0677802
推测: 2 0.169116
推测: 3 0.195108
推测: 4 0.18314
推测: 5 0.194622
推测: 6 0.172374
推测: 7 0.18676
推测: 8 0.15826
推测: 9 0.194704
推测: 10 0.209267
推测: 11 0.199518
推测: 12 0.16706
推测: 13 0.172012
推测: 14 0.221641
推测: 14 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\5+气泡.jpg
第19张测试图片的测试
推测: 1 0.0747533
推测: 2 0.181079
推测: 3 0.200197
推测: 4 0.197885
推测: 5 0.205308
推测: 6 0.174768
推测: 7 0.196886
推测: 8 0.17837
推测: 9 0.201382
推测: 10 0.213211
推测: 11 0.206511
推测: 12 0.164951
推测: 13 0.168586
推测: 14 0.220555
推测: 14 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\5+炸口.jpg
第20张测试图片的测试
推测: 1 0.0699738
推测: 2 0.167857
推测: 3 0.194068
推测: 4 0.196662
推测: 5 0.223518
推测: 6 0.17532
推测: 7 0.187385
推测: 8 0.165401
推测: 9 0.207974
推测: 10 0.196251
推测: 11 0.216576
推测: 12 0.168357
推测: 13 0.165634
推测: 14 0.236621
推测: 14 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\5+皱纹气泡.jpg
第21张测试图片的测试
推测: 1 0.0745079
推测: 2 0.172329
推测: 3 0.183698
推测: 4 0.207432
推测: 5 0.180945
推测: 6 0.999902
推测: 7 0.182795
推测: 8 0.156521
推测: 9 0.196917
推测: 10 0.200413
推测: 11 0.219137
推测: 12 0.166677
推测: 13 0.177033
推测: 14 0.23339
推测: 6 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\6.jpg
第22张测试图片的测试
推测: 1 0.0757203
推测: 2 0.185743
推测: 3 0.198319
推测: 4 0.209321
推测: 5 0.177278
推测: 6 0.215565
推测: 7 0.188477
推测: 8 0.159327
推测: 9 0.207627
推测: 10 0.197104
推测: 11 0.22871
推测: 12 0.156538
推测: 13 0.180326
推测: 14 0.227921
推测: 11 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\6_2.jpg
第23张测试图片的测试
推测: 1 0.0763888
推测: 2 0.182751
推测: 3 0.204342
推测: 4 0.217796
推测: 5 0.197232
推测: 6 0.225404
推测: 7 0.198124
推测: 8 0.166369
推测: 9 0.210786
推测: 10 0.2024
推测: 11 0.240366
推测: 12 0.155964
推测: 13 0.18852
推测: 14 0.232502
推测: 11 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\6_3.jpg
第24张测试图片的测试
推测: 1 0.0709417
推测: 2 0.168317
推测: 3 0.183995
推测: 4 0.19602
推测: 5 0.183233
推测: 6 0.182706
推测: 7 0.999906
推测: 8 0.155042
推测: 9 0.212351
推测: 10 0.197007
推测: 11 0.219966
推测: 12 0.179487
推测: 13 0.186827
推测: 14 0.238455
推测: 7 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\7+厚底.jpg
第25张测试图片的测试
推测: 1 0.0796629
推测: 2 0.181547
推测: 3 0.200326
推测: 4 0.218412
推测: 5 0.18823
推测: 6 0.191254
推测: 7 0.26721
推测: 8 0.16667
推测: 9 0.224057
推测: 10 0.222557
推测: 11 0.230706
推测: 12 0.165753
推测: 13 0.189809
推测: 14 0.249041
推测: 7 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\7+厚底2.jpg
第26张测试图片的测试
推测: 1 0.077863
推测: 2 0.172118
推测: 3 0.172068
推测: 4 0.165604
推测: 5 0.15109
推测: 6 0.164338
推测: 7 0.150378
推测: 8 0.999904
推测: 9 0.164206
推测: 10 0.168536
推测: 11 0.179627
推测: 12 0.174269
推测: 13 0.162888
推测: 14 0.208456
推测: 8 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\8.jpg
第27张测试图片的测试
推测: 1 0.0802956
推测: 2 0.179141
推测: 3 0.179439
推测: 4 0.168302
推测: 5 0.149152
推测: 6 0.166684
推测: 7 0.148488
推测: 8 0.22492
推测: 9 0.174161
推测: 10 0.173598
推测: 11 0.183869
推测: 12 0.180352
推测: 13 0.172465
推测: 14 0.226786
推测: 14 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\8_2.jpg
第28张测试图片的测试
推测: 1 0.0755698
推测: 2 0.174307
推测: 3 0.20318
推测: 4 0.190371
推测: 5 0.180084
推测: 6 0.189627
推测: 7 0.202128
推测: 8 0.153806
推测: 9 0.999983
推测: 10 0.196823
推测: 11 0.215923
推测: 12 0.179363
推测: 13 0.187962
推测: 14 0.248053
推测: 9 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\9.jpg

误判少了很多,但是仍然是不少的。接下来,估摸着可能是由于反光,玻璃瓶内部的花纹太过于杂乱无章,其实判断形状我们只需要用到最外部的轮廓,可以想办法把测试图以及模板中的瓶子内部“边缘”消除掉,或许会有效果。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/378388.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

linux dd 大文件下载,Linux dd+grep 大文件二分查找

Linux dd 命令用于读取、转换并输出数据。dd 可从标准输入或文件中读取数据,根据指定的格式来转换数据,再输出到文件、设备或标准输出。参数说明(dd --help)Usage: dd [OPERAND]...or: dd OPTIONCopy a file, converting and formatting according to th…

如何让没有安装网页中所需字体的用户也能得到一致的浏览效果【转】

今天给大家谈一个关于字体的话题,我们在做项目的过程中会遇到一些在psd中的字体在自己的电脑中没有安装,或者是一些特殊的文字,通常的做法是把它切成图片,但是如果这个站是多个语言的,那我们是不是把每个语言的都切一张图片呢&…

【视觉项目】【day4】8.24号实验记录(消除瓶子内部“边缘”)

思路分析以及代码 思路1:使用findContours函数,设置轮廓为最外部RETR_EXTERNAL,结果发现结果仍然是所有轮廓。 思路2:先二值化,然后进行闭操作,然后canny,得到的轮廓确实比之前少很多&#xff…

国产操作系统和linux 之间的关系,为何国产系统大多基于开源Linux?操作系统从0做起到底有多难?...

今年貌似是国产操作系统的“爆发”之年,除了老牌的银河麒麟、中标麒麟、深度之外,中兴近日发布了自己的“新支点”,华为也公开了自研的操作系统“鸿蒙”。纵观这些国产操作系统,大多基于开源的Linux。那么为什么我们不可以从0开始…

js 第四课

正则表达式:RegExp对象 正则表达式描述一个字符模式的对象,或者说用某种模式去匹配一类字符串的一个公式。 1.创建 可以用RegExp构造函数和直接量两种方式。正则表达式直接量被包含在一对"/"中. 1 var partern1 RegExp(\\d*); 2 …

解析法实现一元线性回归、多元线性回归以及数据模型可视化操作

目录【1】解析法实现一元线性回归python列表实现利用Numpy实现利用TensorFlow实现数据和模型可视化【2】解析法实现多元线性回归利用Numpy实现需要用到的NumPy数组运算函数数据和模型可视化绘制空间点集:绘制空间平面图:绘制线框图并且与散点图对比&…

32位系统win2008+mssql2008 6G内存折腾纪实

十年没搞硬件了,现在计算机发展到大硬盘大内存的时代了。一直都少搞服务器配置、运营,以前弄服务器都是普通的PC来当服务器。公司原来的一个业务系统用的是mssql2000好几年了,由于业务数据越积压越多最大的一张表已经有7000多万条记录了&…

前台用js、jquery出现错误很多是由于IE缓存

例如:当你用jquery进行异步请求数据时,如果浏览器发现请求的地址不变,或者参数也不改变的情况下 IE默认是取原来的缓存中的数据,而不进行重新请求数 解决的方法是是在地址栏的后面加上一个随机参数值,IE发现地址改变&a…

WebC.BBS 项目参与新人必读

开发环境: 采用Visual Studio 2010,MVC版本采用Asp.Net MVC3,数据库采用Sql2005 2008,扩展技术包括jQuery。 SVN的相关信息: SVN-Url:svn://svn.cyqdata.com/project_bbs 账户申请:请将自己的密码发给组长,…

利用梯度下降法求解一元线性回归和多元线性回归

文章目录原理以及公式【1】一元线性回归问题【2】多元线性回归问题【3】学习率【4】流程分析(一元线性回归)【5】流程分析(多元线性回归)归一化原理以及每种归一化适用的场合一元线性回归代码以及可视化结果多元线性回归代码以及可…

Javascript之创建对象(原型模式)

我们创建的每个函数都有一个prototype(原型)属性,这个属性是一个指针,指向一个对象,它的用途是包含可以有特定类型的所有实例共享的属性和方法。 prototype就是通过构造函数而创建的那个对象的原型对象。使用原型的好处就是可以让所有对象实例…

两种方法将Android NDK samples中hello-neon改成C++

一、第一种方法:1.修改helloneon.c 中代码 a.将 char* str; 改为 char str[512] {0}; b.将 asprintf(&str, "FIR Filter benchmark:\nC version : %g ms\n", time_c); 改为 sprintf(str, "FIR Filter benchmark:\nC ve…

【视觉项目】【day6】8.26关于matchTemplate()以及NCC的思考整理

NCC与matchTemplate()函数中match_method TM_CCOEFF_NORMED是否一样? 先看公式: TM_CCOEFF_NORMED NCCTM_CCOEFF_NORMED:归一化的相关性系数匹配方法 NCC:normalized cross correlation:归一化互相关系数 公式是一样的。 参考: 模板匹配的几…

HTTP 状态代码

如果向您的服务器发出了某项请求要求显示您网站上的某个网页(例如,当用户通过浏览器访问您的网页或在 Googlebot 抓取该网页时),那么,您的服务器会返回 HTTP 状态代码以响应该请求。 此状态代码提供了有关请求状态的信…

TensorFlow的可训练变量和自动求导机制

文章目录一些概念、函数、用法TensorFlow实现一元线性回归TensorFlow实现多元线性回归一些概念、函数、用法 对象Variable 创建对象Variable: tf.Variable(initial_value,dtype)利用这个方法,默认整数为int32,浮点数为float32,…

django第二个项目--使用模板做一个站点访问计数器

上一节讲述了django和第一个项目HelloWorld,这节我们讲述如何使用模板,并做一个简单的站点访问计数器。 1、建立模板 在myblog模块文件夹(即包含__init__.py的文件夹)下面新建一个文件夹templates,用于存放HTML模板,在…

c语言math乘法,JavaScript用Math.imul()方法进行整数相乘

1. 基本概念Math.imul()方法用于计算两个32位整数的乘积,它的结果也是32位的整数。JavaScript的Number类型同时包含了整数和浮点数,它没有专门的整型和浮点型。因此,Math.imul()方法能提供类似C语言的整数相乘的功能。我们将Math.imul()方法的…

梯度下降法预测波士顿房价以及简单的模型评估

目录原理代码关于归一化的思考原理 观察数据可知属性之间差距很大,为了平衡所有的属性对模型参数的影响,首先进行归一化处理。 每一行是一个记录,每一列是个属性,所以对每一列进行归一化。 二维数组归一化:1、循环方式…

Windows Phone 内容滑动切换实现

在新闻类的APP中,有一个经常使用的场景:左右滑动屏幕来切换上一条或下一条新闻。 那么通常我们该使用哪种方式去实现呢?可以参考一下Demo的实现步骤。 1,添加Windows Phone用户自定义控件。例如: 这里我为了演示的方便…

使用鸢尾花数据集实现一元逻辑回归、多分类问题

目录鸢尾花数据集逻辑回归原理【1】从线性回归到广义线性回归【2】逻辑回归【3】损失函数【4】总结TensorFlow实现一元逻辑回归多分类问题原理独热编码多分类的模型参数损失函数CCETensorFlow实现多分类问题独热编码计算准确率计算交叉熵损失函数使用花瓣长度、花瓣宽度将三种鸢…