![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 76
记录遇到的深度学习有关问题
啦啦啦昊昊
欢迎关注我
展开
-
微调 — 冻结网络参数
1.冻结前N层参数for i, p in enumerate(model.parameters()): if i < N: p.requires_grad = False2.冻结任意层参数 首先,需要知道某一层的名字;# 打印模型各层的名字for name, param in model.named_parameters(): if param.requires_grad: print(name) 冻...原创 2021-12-06 16:02:37 · 3065 阅读 · 2 评论 -
深度学习基础面试常见问题总结
1. 为什么需要做特征归一化、标准化? 使不同量纲的特征处于同一数值量级,减少方差大的特征的影响,使模型更准确。 加快学习算法的收敛速度。 2. 常用的归一化和标准化的方法有哪些? 线性归一化(min-max标准化) x’ = (x-min(x)) / (max(x)-min(x)),其中max是样本数据的最大值,min是样本数据的最小值 适用于数值比较集中的情况,可使用经验值常量来来代替max,min 标准差归一化(z-score 0均值标准化)原创 2021-10-25 16:57:09 · 1211 阅读 · 1 评论 -
目标检测评价指标总结
目标检测常用评价指标有:准确率 (Accuracy),混淆矩阵 (Confusion Matrix),精确率(Precision),召回率(Recall),平均正确率(AP),mean Average Precision(mAP),交除并(IoU),ROC + AUC,非极大值抑制(NMS)。1.准确率 (Accuracy)分对的样本数除以所有的样本数 ,即:准确(分类)率 = 正确预测的正反例数 / 总数。 准确率一般用来评估模型的全局准确...原创 2021-10-05 16:36:43 · 2264 阅读 · 0 评论 -
分类问题评价指标总结
1 二分类评价指标:准确率,精确率,召回率,F1-Score, AUC, ROC, P-R曲线对于二分类问题,1.1 准确率(Accuracy)准确率就是模型预测正确的样本数量占总样本数量的比例。一般分类问题采用这个评价指标,但是对于数据集不平衡的情况,准确率就不具有代表性了。比如:有的类别样本多,有的类别样本占比小。若样本多的类别识别率很高,样本少的类别都识别错误,此时用准确率来评估模型的好坏显然不是很好的选择。1.2 精确率(Precision)...原创 2021-10-04 19:44:01 · 2170 阅读 · 0 评论 -
深度学习基础总结
1 优化器优化(min/max)目标函数(损失函数)的算法,用于更新参数。SGD:每个batch更新一次参数,一般结合学习率动态调整策略。SGD通常训练时间更长,但是在好的参数初始化和学习率调度方案的情况下,结果更可靠。Adam:默认学习率为0.001,收敛速度更快,在复杂网络中表现更优。但是不是很稳定,尤其在训练后期容易震荡。2 学习率学习率的设置应该随着迭代次数的增加而减小,每迭代完指定次epoch也就是对整个数据过一遍,然后对学习率进行变化,这样能够保证每个样本得到公平的对待。学习原创 2021-10-04 18:16:17 · 228 阅读 · 0 评论