c8241998的博客

综述爬坑一天，终于整出来一套在目前数据集上可以100%准确率的模型，特此分享爬坑心得~因为整体代码结构和上篇手写数字的文章里代码结构比较相似，所以这里只贴出部分代码网络结构目前采用的两套模型是cnn以及vgg，效果都非常不错，其他模型可能后续还会尝试。CNN# cnndef convolutional_neural_network(image, type...

综述手写数字识别是每个学习神经网络的人上手操作的必由之路，此次实验基于paddlepaddle框架在百度AI Studio上进行实战，在fork的学习项目基础上做了数据集的修改以及网络结构的改良，最终可正确识别黑底白字及白底黑字的手写数字，在20k张的测试集上呈现99.313%的准确率，基本达到实验目的。网络结构本次实验原有基础网络结构为两层全连接层+一层全连接输出层，经过多次调...

paddlepaddle 当试图clone训练模型来生成测试模型的时候，遇到了这种奇葩错误（但是手写数字识别不会出现这个bug）解决方案来自@家行hang同学main_program = fluid.Program()startup_program = fluid.Program()with fluid.program_guard(main_program,start...

概念定义偏差（bias）：偏差衡量了模型的预测值与实际值之间的偏离关系。通常在深度学习中，我们每一次训练迭代出来的新模型，都会拿训练数据进行预测，偏差就反应在预测值与实际值匹配度上，比如通常在keras运行中看到的准确度为96%，则说明是低偏差；反之，如果准确度只有70%，则说明是高偏差。 方差（variance）：方差描述的是训练数据在不同迭代阶段的训练模型中，预测值的变化波动情况（或称之...

在机器学习、深度学习中使用的优化算法除了常见的梯度下降，还有 Adadelta，Adagrad，RMSProp 等几种优化器，都是什么呢，又该怎么选择呢？在 Sebastian Ruder 的这篇论文中给出了常用优化器的比较，今天来学习一下：https://arxiv.org/pdf/1609.04747.pdf本文将梳理：每个算法的梯度更新规则和缺点 为了应对这个不足而提出的下一个...

随着卷积神经网络的发展和普及，网络深度和架构研究早已经成为人们常见的问题，所以，现在卷积神经网络的趋势发展趋势就是：足够深、足够广。足够深就是网络层数足够深，足够广就意味着不能从传统尺度来解决问题，而应该是多尺度，也就是multi-scale。但是随着网络的深入，一些经典的问题也就随之出现，例如梯度弥散和梯度爆炸。这两种问题都是由于神经网络的特殊结构和特殊求参数方法造成的，也就是链式求导的间接产...

混淆矩阵True Positive(真正，TP)：将正类预测为正类数True Negative(真负，TN)：将负类预测为负类数False Positive(假正，FP)：将负类预测为正类数误报 (Type I error)False Negative(假负，FN)：将正类预测为负类数→漏报 (Type II error)1、准确率（Accuracy）准确率(acc...

mAP　　这里首先介绍几个常见的模型评价术语，现在假设我们的分类目标只有两类，计为正例（positive）和负例（negtive）分别是：　　1）True positives(TP): 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数（样本数）；　　2）False positives(FP): 被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数；　　...