【过一下1】 计算机视觉与深度学习 线性分类器

目录

 

前言

老师PPT做的是真的好

深度学习分类器结构

图片类型

线性分类器

对权值的理解

损失函数

优化算法

 结语

---

前言

研一下 半学期，无聊且恶心的课程（自己写那些有的没的公共卫生建议，其实还好。但是对以后没用呀，所以恶心）结束了。从去年九月份刚开始研究生生活，就一个猛子想要学些技术，期间也是找学习路线，去看统计学习导论的书，去学机器学习的各种模型（看了李宏毅的课和菜菜的课），去找GPU资源（colab，kaggle）最后走向autodl。也是给老师缝缝补补了个能跑的算法项目。但一切都像我的科目二一样，学时刷满了，但半年没练了，于是全忘了。（也有可能是我一开始就没想好好学，我太功利，总想着学会爬，就能跑了，最后也总是爬着跑，然后摔得鼻青脸肿或者趴着装死摆烂）

今天在日常的leetcode每日一抄之后，痛定思痛，决定和这些熟悉的陌生知识再打打招呼（熟悉也就仅仅停留在李宏毅老师的Transformer是变形金刚 上了）。先学吧，之后能不能找到合适的工作，看天命吧。我寻思着以后是没算法岗了吗，不会吧，无所谓了，反正现在与其在我是搞这个还是搞那个上举棋不定，担心自己一下学成了大神，显然是想太多了，当断不断反受其乱。接下来的一个月，我就好好看机器学习和深度学习的东西了（差不多，反正都是那些既熟悉又陌生的名词）。我也用用费曼学习法，争取把这些知识能在我这里多留存一些。

对了，把我为啥突然找到这里的原因说一下。

一直待在家里，让我有了啃老的错觉，可我是能去找工作的（bushi），去招聘网上看一下，说什么有论文的优先

算法理论基础扎实，对算法研究有强烈的热情，有CCF A/B级会议或期刊相关方向（SIGIR/Web Conf/KDD/ICML/NeurIPS/AAAI/IJCAI/ICLR/ACL/CIKM/WSDM/TKDE等）论文发表者优先；在算法领域大数据竞赛中获得突出成绩者优先

我就去查了一下这些刊物，我已经研一了，可还是啥都不知道（也不知道是不是不想知道，想继续活在无知的世界里，因为那样就不会天天那么难过TAT）

然后论文（暂时）搞不来，就想着后面的数据竞赛了，然后回想到当时过年的时候，每天废寝忘食的看菜菜的课程，可是现在啥也不记得了，就去搜有没有同学做过的笔记，助我回忆一下。

翻了几页百度检索列表，找到了。然后手抖了一下，点到这个标签了。

 然后就是CSDN的检索界面。（我陷入沉思，六七年了，自己就没有来这里面好好看过）

 然后就在这里面寻宝了。（想我之前辛辛苦苦找的学习路线什么巴拉巴拉，这里面都有，而且通过热度，点赞和评论一下就能判断质量好坏），当时心情有一点小无语。所幸我之前也没怎么好好学，也没怎么努力过，再走走一遍新路就是了。

把深度学习和机器学习热度前几个的都点开，然后开始遍历，第一个就卡住（还是说陷进去，还是说还是汲取养分）

OneTab - Shared tabs (one-tab.com)https://www.one-tab.com/page/nFmIYFJ8QS6cwVLP1AAPtQ这个

​​​​​​​韩宇：CV学习路线_青少年编程竞赛交流的博客-CSDN博客_cv学习路线https://blog.csdn.net/LSGO_MYP/article/details/120788637然后注意力集中在了菜菜底下的那位老师那里，找到了计算机视觉的教程（正经学校的研究生课程）。当然了，不可能直接去看视频的，所以到评论区去他们的网站，下载课件，原本是两份课件（针对本科的计算机视觉基础和针对研究生的计算机视觉和深度学习），我也想从基础开始看，但是发现是英文课件（我不是不能看，是觉得有点恶心），所以就看了后者。

我是打算先看PPT然后不会的再回到视频里面去看，所以那些自己之前不了解的，就要保留下来，上一步不也看了CSDN那些热度很高的，发现不乏有记录自己学习的，我也就凑凑热闹。（博客园那边编辑器不好用，唉）

然后就开始遍历课件了。

老师PPT做的是真的好

从这里开始

深度学习分类器结构

全局-利用全局（所有）像素，应用于 风景，城市建筑，不会有遮挡的

老师的话——学机器学习就是学 这些模型能干什么，优缺点，原理（因为可能不是那么趁手，还需要去改造）

 

指标TOP1，只看第一个 

 

图片类型

（在学之前，我是没有注意到这个概念的）二元的01 灰度图0-255，彩色图片 3维 0- 255

在小样本情况下，（高维映射）SVM是绝对的王者之一，而其基础就是在线性分类器上，同样线性分类器可以组成非线性的

线性分类器

图像表示有n维，那么权值也就要有n列，否则不能点乘。

我悟了hhhhhhhhh

对权值的理解

 

1. 可以把w 3072维拆成 32*32*3，拆成一个图片的样子。（再把值都标准化到0-255之间）

2.当x和w很相近时候，这个点乘的数值就会很大，

3.也就是说 w就是学习到的图片信息的平均值

 1.线性分类器就是在找决策边界。

2. 离得越远，越纯

损失函数

是直接利用wb进行建模，而不是，通过1与最大值那个差值进行建模。 

 +1，是加个边界

不仅要别的高，还要高出一分以上，才不会有损失

优化算法

 结语

希望能通过这种记流水账的形式，push自己每天多学点吧。我其实是想让别人知道我干了啥的，前几天刚把作业写完时候，然后看完毛骗第三季，第一次熬夜到看到第二天太阳。还有前几天无聊看沙丘，什么东西，电影之后，又去看了沙丘六部曲的大致介绍，感觉我顿悟了。还有又是无聊，看了笑面推销员，感觉自己好像深陷其中，被推销了什么一样，于是把b站关注都取消了，然后把首页视频反复的不感兴趣，以至于现在推给我的都是花花草草，大自然。（挺好）对了，我今天还做了40个俯卧撑，拉了20个引体。吃了烤鸭，因为是中国移动任我选套餐，领了20元美团的红包，减了之后，30元，量是真的大，一顿只能吃一半，过瘾是过瘾。哦，早上还看了浪姐第三季第五期。想喝咖啡，可又怕长痘。晚安。