- 博客(17)
- 收藏
- 关注
RSS订阅原创 长短期记忆网络LSTM
在LSTM的每个时间步里面，都有一个记忆cell，这个东西给予了LSTM选择记忆功能，使得LSTM有能力自由选择每个时间步里面记忆的内容。而LSTM设计了一个记忆细胞，具备选择记忆功能，可以选择记忆重要信息，过滤掉噪声信息，减轻记忆负担。RNN想把所有信息都记住，不管是有用的信息还是没用的信息，并且有梯度爆炸或者梯度消失的问题。更新门：选择性的提取有用的线性代数知识，然后结合高数保留下来的数学运算能力。遗忘门：遗忘高数积累的记忆。表示t-1时刻的记忆细胞。输出门：把没考的知识丢掉。
2025-01-25 12:58:17
1721
原创 Sklearn机器学习第十五天|机器学习算法原理
逻辑回归是解决分类问题！一般作为中间算法，处理数据上一节我们讲到，构造强学习器的所有个体学习器中，个体学习器可以是相同类型的也可以是不同类型的，对于相同类型的个体学习器，这样的集成是同质(homoganeous)的，例如决策树集成中全是决策树，神经网络集成中全是神经网络;对于不同类型的个体学习器，这样的集成是异质(hetergenous)的，例如某个集成中既含有决策树，又含有神经网络。
2025-01-22 03:29:33
1099
原创 Sklearn机器学习第十四天|机器学习基础、通过线性回归深入理解算法流程
第一部分 机器学习基础第二部分 通过线性回归深入理解算法流程第三部分 机器学习算法原理第四部分 细分构建机器学习应用程序的流程。
2025-01-21 20:59:17
1063
原创 YOLOv1、YOLOv2、YOLOv3目标检测算法原理与实战第十三天|YOLOv3实战、安装Typora
本课程用的是YOLOv3的9.6版本。
2025-01-19 23:20:14
1610
原创 YOLOv1、YOLOv2、YOLOv3目标检测算法原理与实战第十二天|YOLOv3理论
正例P：需要关注的类别反例N：初正例以外都为反例TP（True positives）：实际为正例，且被分类器划分为正例的实例数；FP（False positives）：实际为负例，但被分类器划分为正例的实例数；FN（False negatives）：实际为正例，但被分类器划分为负例的实例数；TN（True negatives）：实际为负例，但被分类器划分为负例的实例数；准确率：精确率（查准率）：找的准不准召回率：找的全不全。
2025-01-17 21:09:44
691
原创 YOLOv1、YOLOv2、YOLOv3目标检测算法原理与实战第十一天|YOLOv2
YOLOv2（YOLO9000），预测更准确，速度更快，识别物体更多优点：1.缓解YOLOv1中定位不准确和检测召回率较低的问题缺点：1.小目标检测效果较差2.整体检测效果有待提高。
2025-01-17 01:43:08
1043
原创 YOLOv1、YOLOv2、YOLOv3目标检测算法原理与实战第十天|YOLOv1
优点：1.非常快，把物体检测定义为回归问题，网络也是卷积+池化+全连接的简单组件2.基于全图进行检测，不像滑动窗口和预选区技术（faster-RCNN）缺点：1.准确率不太高2.在定位物体，尤其是小物体上表现差（比如一个小方格里有三个物体，但是只有两个检测框，而且共用一个概率，就可能会有两个物体丢失）3.可以检测到的目标物体较少。
2025-01-15 20:51:05
861
1
原创 Pytorch框架与经典卷积神经网络与实战第九天|ResNet、佩戴口罩识别、稻米品种识别
残差网络的出现拜托了深度的束缚，大幅改善了深度神经网络中的模型退化的问题。
2025-01-14 20:19:17
700
原创 Pytorch框架与经典卷积神经网络与实战第七天|VGG
特点：1.深度更深（在ResNet出来后，这一点被反驳了），参数更多，效果更好2.小尺寸的卷积核使参数更少，而且效果也不比5*5的差参数数量计算公式为：参数数量=（卷积核大小*输入通道数+偏置项）*输出通道数3.块可以有效设计复杂网络。
2025-01-13 00:39:55
690
原创 Pytorch框架与经典卷积神经网络与实战第六天|LeNet、AlexNet2
绘图命令 plt.plot() 用于定义线条的样式，包括颜色、标记样式和线型。
2025-01-11 21:12:33
612
原创 Pytorch框架与经典卷积神经网络与实战第五天|LeNet、AlexNet1
AlexNet由八层组成，其中五个卷积层，三个全连接层，激活函数用的是ReLU，池化操作是最大池化。数据集采用的是Fashion_MINIST，一共有70000张数据，其中60000张用来训练，10000张用来测试，每张图都是28281的灰度图，最后分成10个类别。
2025-01-11 00:23:41
622
原创 Pytorch框架与经典卷积神经网络与实战第四天|PyTorch框架与编程环境安装
Python：一种跨平台的计算机程序语言。最初被设计用于编写自动化脚本（shell），随着版本的不断更新和语言新功能的添加，被用于独立的、大型项目的开发，多用于AI modelPyCharm：一种常用的Python IDE，有一整套帮助用户使用Python语言开发时提高效率的工具，比如调试、语法高亮、智能提示、版本控制等Anaconda：一个开源的Python和R语言的发行版本，用于计算科学（数据科学、机器学习、大数据处理和预测分析），可以简化软件包管理系统和部署。：PyTorch框架越来越流行。
2025-01-09 22:36:37
582
原创 Pytorch框架与经典卷积神经网络与实战第三天|CNN卷积神经网络算法原理2
如果直接用得到的预测值与真实值的差去计算平均误差，可能最后得到的平均误差刚好是0，与真实情况不符，所以引入了回归算法模型。卷积核的通道数跟输入特征图的通道数一定相同，最后输出特征图的通道数为1。步幅和填充操作，都可以控制输出图的大小。计算经过池化层后输出特征图的大小，计算公式与卷积层公式一样，其中FH为感受野。在有监督学习的条件下，每输入一个x，都会得到一个label，即真实值。同时，与卷积层不同的是，当输入特征图为三通道时，输出特征图也为三通道。但如果卷积核的数量有FN个，则输出特征图也有FN个通道。
2025-01-08 21:13:05
1050
原创 Pytorch框架与经典卷积神经网络与实战第二天|CNN卷积神经网络算法原理1
函数值域在（0,1），导函数值域在（0,0.25）在做分类的时候，很可能做输出层的激活函数，如果99%的可能是狗。可能用的比较多的函数，是一个分段函数。如果函数是对称的，可以提供一致的预测关系，但是这个函数不对称，所以无法提供一致的预测关系。导数往两边走，导数值越接近于0（梯度消失），一般希望导数比较平稳，不要大也不要小，不然w和b不能更新。激活函数一般是非线性的，但也有线性的。前一层的输出是后一层的输入，通过调整w和b，使结果趋近正确值。函数值域在（-1,1），导函数值域在（0,1）。
2025-01-08 01:06:58
591
原创 Pytorch框架与经典卷积神经网络与实战第一天|安装PyCharm&Anaconda，配置环境，写爱心代码
显示no conda executable found可以先在“path to conda”里随便选一个****.bat，然后再切换回conda.bat。conda env list 或者 conda info -e：查看当前存在哪些虚拟环境。conda uninstall package_name(包名)： 卸载安装包。conda update conda：检查更新当前的conda版本。conda --version：查看已经安装了的pip版本。conda list ：查看当前已经安装好了包及版本。
2025-01-08 00:45:03
1195
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人