机器学习
文章平均质量分 63
醉雨轩^_^
这个作者很懒,什么都没留下…
展开
-
迁移学习
迁移学习(Transfer learning)是已学训练好的模型参数迁移到新的模型来帮助新模型训练。 为此,重用了先前构建的模型体系结构和大多数学习到的权重,然后使用标准的训练方法来学习剩余的,未重用的参数。训练后的神经网络在初始层中获取输入值,然后依次将信息向前馈送(同时进行迁移),直到至关重要的是,某些倒数第二层构造了输入的高层表示,可以更轻松地将其表示出来。 迁移为最终输出。 该模型...原创 2020-05-17 06:06:58 · 230 阅读 · 0 评论 -
深度神经网络:笔记(二)
1 卷积神经网络CNN比多层感知器(MLP)表现更好,原因为:MLP将输入矩阵转换为一个没有空间结构的数字向量。MLP不知道数字空间排列。与MLP不同,CNN距离较近的像素之间比距离较远的像素之间的相关性更大。CNN=输入层+隐含层+全连接层CNN与MLP不同处是模型中的隐含层类型。一个ConvNet按三个维度排列神经元:宽度、高度和深度。每一层都通过激活函数将三维输入量转换为三维输出量。MLP存在两个问题增加了参数数量 只接收向量作为输入,需要将矩阵降维成一个向量CNN可以接收矩阵原创 2020-12-17 21:51:50 · 292 阅读 · 1 评论 -
深度神经网络:笔记(一)
1 创建神经网络块卷积神经网络设计目的是以最小的数据处理代价直接从图像中识别出视觉模式。前馈网络每个神经元接收来自其他神经元的输入。每个输入项对神经元的影响由权重控制,权重可以是正的也可以是负的。整个神经网络通过理解这种范式进而执行有效的计算来识别对象。将这些神经元连接成一个网络,称之为前馈网络。2 Tensorflow计算图,并行完成所有计算,效率高如:TensorFlow的数据存储是用一个称之为张量的数据结构。一种由原始值组成的任意维的数组。张量的维数称为阶.原创 2020-12-17 10:43:08 · 255 阅读 · 0 评论 -
深度学习:10种随机梯度下降优化算法
深度学习框架(例如:TensorFlow,Keras,PyTorch)中使用的常见梯度下降优化算法。梯度下降是一种用于寻找函数最小值的优化方法。它通常在深度学习模型中用于通过反向传播来更新神经网络的权重。VanillaSGD朴素随机梯度下降(Vanilla SGD)通过将当前权重减去其梯度的因子(即,学习率)来更新权重。该方程式的变化通常被称为随机梯度下降优化器。 它们有3种...原创 2020-04-18 20:36:58 · 3491 阅读 · 0 评论 -
深度学习各种分类的综述
Image Classification[LeNet] [AlexNet] [ZFNet] [VGGNet] [SPPNet] [PReLU-Net] [DeepImage] [GoogLeNet / Inception-v1] [BN-Inception / Inception-v2] [Inception-v3] [Inception-v4] [Xception] [MobileNet...转载 2019-10-02 22:26:22 · 1150 阅读 · 0 评论 -
Deep Learning 数据集汇集
3D CAD模型:点云数据集http://modelnet.cs.princeton.edu/各类数据集:https://www.kaggle.com/datasets待后续补充原创 2019-04-15 19:12:39 · 2058 阅读 · 2 评论 -
python调用cv2.findContours时报错:ValueError: not enough values to unpack (expected 3, got 2)
OpenCV旧版,返回三个参数:im2, contours, hierarchy = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)要想返回三个参数:把OpenCV 降级成3.4.3.18 就可以了,在终端输入pip install opencv-python==3.4.3.18OpenCV 新版...原创 2019-03-17 18:23:16 · 55235 阅读 · 38 评论 -
分类性能度量指标:ROC曲线、AUC值、正确率、召回率、敏感度、特异度
在分类任务中,人们总是喜欢基于错误率来衡量分类器任务的成功程度。错误率指的是在所有测试样例中错分的样例比例。实际上,这样的度量错误掩盖了样例如何被分错的事实。在机器学习中,有一个普遍适用的称为混淆矩阵(confusion matrix)的工具,它可以帮助人们更好地了解分类中的错误。比如有这样一个在房子周围可能发现的动物类型的预测,这个预测的三类问题的混淆矩阵如下表所示:利用混淆矩阵可以...转载 2019-03-15 20:58:13 · 4077 阅读 · 1 评论 -
Flask HTTP 405 错误--Method not allowed
#!flask/bin/pythonfrom flask import Flask, jsonifyfrom flask import abortfrom flask import make_responsefrom flask import requestfrom flask import redirect app = Flask(__name__)tasks = [ ...原创 2018-05-11 10:38:11 · 21313 阅读 · 0 评论 -
机器学习、人工智能、数据挖掘和计算机视觉与模式识别的重要会议、期刊
机器学习领域 最重要的国际学术会议是国际机器学习会议(ICML)、 国际神经信息处理系统会议(NIPS) 国际学习理论会议(COLT), 重要的区域性会议主要有欧洲机器学习会议(ECML)和亚洲机器学习会议(ACML); 最重要的国际学术期刊是Journal of Machine Learning Research和Machine Learning。人工智能 人工智能领域的重要会议如IJ原创 2017-02-16 09:09:52 · 781 阅读 · 0 评论 -
机器学习——模型评估与选择二
2.3性能度量性能度量对于模型的性能度量,我们通常用一下几种方法来进行度量: 1. 错误率/精度(accuracy) 2. 准确率(查准率,precision)/召回率(查全率,recall) 3. P-R曲线,F1度量 4. ROC曲线/AUC(最常用) 5. 代价曲线 性能度量:衡量模型泛化能力的评价标准。给定样例集D={(x原创 2017-02-16 17:37:54 · 1782 阅读 · 0 评论 -
机器学习——模型评估与选择一
对于模型性能的评估,我们通常分为一下三步: 1. 对数据集进行划分,分为训练集和测试集两部分; 2. 对模型在测试集上面的泛化性能进行度量; 3. 基于测试集上面的泛化性能,依据假设检验来推广到全部数据集上面的泛化性能数据集的划分对于模型来说,其在训练集上面的误差我们称之为“训练误差”或者“经验误差”,而在测试集上的误差称之为“测试误差”。因为测试集是用原创 2017-02-16 17:35:33 · 931 阅读 · 0 评论