- 博客(58)
- 收藏
- 关注
RSS订阅原创 线性回归、Logistic回归和softmax回归
区别：(1)输出：线性回归的输出是一个数值，适用于回归问题，如房屋预测价格、气温、销售额。logistic回归、softmax的输出是一个标签，适用于分类问题，如图像分类等。(2)支持类别：Logistic回归是二分类，softmax回归是多分类什么是回归分析？ 回归分析是一种预测性的建模技术， 主要研究自变量(x)和因变量(y)的关系，通常使用线/曲线来拟合数据，然后研究如何使数据点到线/曲线的距离差距最小。回归分析的目标就是拟合一条线/曲线，让图中线段加起来的和最小。线..
2022-03-20 00:13:53
1622
原创 Tensor
TensorTensor和NumPy的多维数组非常类似。然而，Tensor提供GPU计算和自动求梯度等更多功能。tensor的创建requires_grad默认为False，不可求导import torchx = torch.empty(5, 3)x = torch.rand(5, 3)x=torch.zeros(5, 3, dtype=torch.long)x = torch.tensor([5.5, 3])其它函数函数 功能 Tensor(*sizes)
2022-03-19 22:02:42
2032
原创 onnx模块
ONNX可视化网络的方法：（1）打开下面的网址，把网络拖到里面Netron（2）使用netronnetron是一个可以支持各种框架的神经网络模型可视化工具。 安装： #指定清华源安装pip install netron -i https://pypi.tuna.tsinghua.edu.cn/simple 新建一个python文件netrontest.pyimport netronmodelPath = "你的模型文件名...
2022-03-15 10:28:56
572
原创 优化器模块
一、梯度下降法 梯度下降法根是最基本的优化算法。根据在训练过程中每次迭代使用数据量的大小(一次iter计算的loss使用到的数据量的大小)，可以将梯度下降法分成批梯度下降法(Batch Gradient Descent，BGD)、随机梯度下降法(Stochastic Gradient Descent,SGD)和小批量梯度下降(Mini-Batch Gradient Descent ,MBGD)1.Batch Gradient Descent，BGD(1)梯度更新规则:BGD 采用...
2022-03-13 19:03:23
3089
原创 2021-03-10
yolov系列基于候选框检测的R-CNN系列方法主要是通过region proposal产生大量的可能包含待检测目标的默认框 ，再用分类器去判断每个bounding box里是否包含有物体，以及物体所属类别的概率。YOLO将目标检测任务当做一个回归（regression）问题来处理，使用单个神经网络，直接从一整张图像来预测出 bounding box 的坐标以及 box 中包含目标类别的概率（class probabilities）。一.yolov11.1yolov1的功能输入一张图片，输出
2022-03-13 14:37:30
3314
原创 长尾分布原理
一个均衡的数据集固然大大简化了对算法鲁棒性的要求，也一定程度上保障了所得模型的可靠性，但随着关注类别的逐渐增加，维持各个类别之间均衡就将带来指数增长的采集成本。长尾分布数据：就是少数类别有大部分数据，而多数类别只有小部分数据。直接利用长尾数据来训练的分类和识别系统，往往会对头部数据过拟合，从而在预测时忽略尾部的类别。如何有效的利用不均衡的长尾数据，来训练出均衡的分类器就是我们所关心的问题，从工业需求上来说，该研究也将大大地提升数据采集的速度并显著降低采集成本。常用的解决方法：..
2022-03-13 14:31:23
1439
原创 l1、l2正则化在pytorch框架下的实现方式
转载PyTorch训练模型添加L1/L2正则化的两种实现方式_hlld__的博客-CSDN博客_pytorch添加正则化在使用PyTorch训练模型时，可使用三种方式添加L1/L2正则化：一种是添加正则化项到损失函数中，另一种是在backward()之后，添加正则化项到参数变量的梯度中，然后再进行step()，一种是torch.optim优化器实现L2正则化方式一：添加到损失函数def l1_regularization(model, l1_alpha): l1_loss = []..
2022-01-13 17:09:54
5236
3
原创 2021-02-21
多谢：https://www.cnblogs.com/ziytong/p/10791475.htmlalbumentations-检测任务-数据增强方法(三)对于目标检测等任务会要求数据增强不仅仅返回增强之后的图片，还应该返回增强后的图片中目标的bounding box信息。对目标检测中的增强，该库一共提供了两类方式的增强，一种是Pixel-level transforms，另一种是Spatial-level transforms。1.首先定义可视化函数# 导入相关库，定义可视化函数
2021-03-10 17:48:22
175
原创 2021-02-20
albumentations-不同框架使用(三)一.pytorch调用albumentations1.1定义数据增强函数-用于检测任务中def get_train_transforms(): return A.Compose( [ A.RandomSizedCrop(min_max_height=(800, 800), height=1024, width=1024, p=0.5), A.OneOf([ .
2021-03-10 17:46:09
305
原创 2021-02-20
感谢以下网址#https://zhuanlan.zhihu.com/p/107399127#https://blog.csdn.net/qq_27039891/article/details/100795846#comments_13921741albumentations-常用的光照-模糊增强方法(二)ToGray()转灰度图OpticalDistortion 光学畸变OpticalDistortion(distort_limit=0.05, shift_limit=0..
2021-02-20 19:48:20
742
原创 2021-02-05
感谢以下网址#https://zhuanlan.zhihu.com/p/107399127albumentations1.用于分类HorizontalFlip、IAAPerspective、ShiftScaleRotate、CLAHE、RandomRotate90、Transpose、ShiftScaleRotate、Blur、OpticalDistortion、GridDistortion、HueSaturationValue、IAAAdditiveGaussianNoise、Gau.
2021-02-20 19:47:33
1406
转载 2021-01-24
2020年5篇目标检测算法综述http://mp.weixin.qq.com/s?__biz=MzI5MDUyMDIxNA==&mid=2247535753&idx=1&sn=b4db91cd7395399cf59c45db3968d6d4&chksm=ec1ca170db6b286683ee4897950ee799708be668f1eac63be918ab185a4ae860cc0ee411addf&mpshare=1&scene=23&src
2021-01-24 21:42:47
88
转载 2021-01-24
ISDA：隐式语义数据扩增算法旨在实现对样本进行更为高级上午、语义层面的变换，如改变物体的北京、颜色、视角等。http://mp.weixin.qq.com/s?__biz=MzI5MDUyMDIxNA==&mid=2247535581&idx=2&sn=2659ab8fcc6e750decfecd9f060140ea&chksm=ec1ca624db6b2f3226eb17925b4cfe4e8fed90df3879abf81a8868a63b97baffbac7c
2021-01-24 21:40:00
110
翻译 2021-01-24
如何防止过拟合？1.交叉验证交叉验证是防止过拟合的好方法。K-折验证是一种标准的交叉验证的方法，即将训练数据分成K个子集，用其中一个子集进行验证，用其它子集做训练。2.用更多的数据进行训练。用更多相关数据训练模型有助于更好的识别信号，避免将噪声当做信号。数据增强是增强训练数据的一种方式，可以通过翻转(flipping)、平移(translation)、旋转(ratation)、缩放(scaling)、更改亮度(changing brightness)等方式来实现。3.移除特征
2021-01-24 21:29:04
122
原创 安装pycharm
1.安装pycharm进入pycharm官网：https://www.jetbrains.com/pycharm/download/#section=windows安装社区版，打开终端，输入：sudo snap install pycharm-community --classic 安装专业版，打开终端，输入：sudo snap install pycharm-profe...
2019-08-26 21:50:07
271
原创 LeNet5、AlexNet、VGGNet、ResNet
1. 经典的卷积神经网络框架:LeNet5、AlexNet、VGGNet1.1LeNet5LeNet5不带输入层，一共有7层，可训练参数的层数为 5。INPUT-卷积C1-池化S2-卷积C3-池化S4-卷积C5-全链接F6-全链接OUTPUTINPUT的尺寸统一归一化为32*32*1 。卷积：卷积核大小5×5，步长：1池化：平均激活函数：双曲正切（Tanh）或S（S...
2019-08-26 20:06:05
341
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