深度学习
文章平均质量分 60
Charlotte_DL
这个作者很懒,什么都没留下…
展开
-
Dlib的安装
dlib的安装方法,未包含linux系统原创 2023-02-02 17:31:36 · 1410 阅读 · 0 评论 -
ananconda环境与外部环境交错问题
anaconda环境问题原创 2022-06-02 18:10:56 · 672 阅读 · 0 评论 -
FCN的技术点
FCN的知识点指标计算:IOU/MIOU指标计算:IOU/MIOUIOU:指的是一张训练或者测试图片中各个类别的交并比,如果一共有20个分类对象,那IOU中就有20个值,而MIOU就是求IOU的平均原创 2020-10-16 17:31:53 · 188 阅读 · 0 评论 -
服务器从0开始安装系统以及配置深度学习环境
一、下载ubuntu18.04系统镜像文件http://mirrors.aliyun.com/ubuntu-releases/18.04/二、制作系统盘(u盘)下载系统盘制作软件UltraISO:UltraISO官方下载地址:http://cn.ultraiso.net/xiazai.html (软件试用即可无需破解)制作步骤参考:https://blog.csdn.net/qq_35...原创 2019-07-05 15:45:08 · 1636 阅读 · 5 评论 -
各框架模型保存的格式汇总
Tensorflow1、CheckPoint(.ckpt)在训练 TensorFlow 模型时,每迭代若干轮需要保存一次权值到磁盘,称为“checkpoint”。这种格式文件是由 tf.train.Saver() 对象调用 saver.save() 生成的,只包含若干 Variables 对象序列化后的数据,不包含图结构,所以只给 checkpoint 模型不提供代码是无法重新构建计算图的。...原创 2019-06-27 17:10:08 · 2888 阅读 · 2 评论 -
Mac系统安装深度学习环境(Anaconda)
1、首先下载安装包: https://www.anaconda.com/download/ 2、双击安装包,按提示进行安装;完成安装后,会自动进入默认的 conda 环境,而且所有包均已安装完毕。可以在终端或命令提示符中键入 conda list,以查看你安装的内容。3、现在就可以在终端创建环境了,管理包和创建环境的代码和Linux中一样,可以查看另一篇文章https://blog.csdn...原创 2019-05-15 23:34:46 · 1636 阅读 · 0 评论 -
tensorflow
维度中[-1]的解释:它表示一个占位符,具体的含义需要根据实际情况来决定:# tensor 't' is [1, 2, 3, 4, 5, 6, 7, 8, 9]# tensor 't' has shape [9]reshape(t, [3, 3]) ==> [[1, 2, 3], [4, 5, 6], ...原创 2018-11-13 16:38:01 · 162 阅读 · 2 评论 -
皮肤检测说明
项目介绍:在这个项目中,你要设计一个算法,使其能对最致命的皮肤癌——黑色素瘤进行视觉诊断。你的算法应特别能将这种恶性皮肤肿瘤与两种良性病变(黑色素痣和脂溢性角化病)区分开来。数据和目标来自国际皮肤影像协作组织2017年黑色素瘤检测的皮肤病变分析。作为挑战的一部分,参与者需要设计一个算法,用于诊断三种不同皮肤病的其中之一(黑色素瘤、黑色素痣或脂溢性角化病)的皮肤病变图像。在该项目中,你要创建...原创 2018-07-29 10:43:47 · 1504 阅读 · 4 评论 -
敏感性、特异性,查准率、查全率
总结:敏感性 = 查全率 = 召回率;查全率又称召回率;查准率即精度。 准确率与之均不同,定义如下:被正确诊断的案例之和与总案例之比即为准确率。在癌症示例中,敏感性和特异性指:敏感性(sensitivity):在患有癌症的所有人中,诊断正确的人有多少?特异性(speciticity):在未患癌症的所有人中,诊断正确的人有多少?查准率和查全率的定义如下:查准率(precision...原创 2018-07-12 16:00:09 · 3506 阅读 · 0 评论 -
模型优化方法
转载链接:https://zhuanlan.zhihu.com/p/29534841第一步:先进行训练,得到一个初始的结果结果分析:首先我们观察训练 loss(目标函数值)变化,刚开始 loss 从 200 不断减小到接近 0,但是在 100 轮左右开始出现震荡,并且随着训练幅度越来越大,说明模型不稳定。然后观察训练集和验证集的准确率,发现训练集准确率接近于 1,验证集准确率稳定在 70% 左右,...转载 2018-07-12 12:08:38 · 16214 阅读 · 0 评论 -
实现独热编码的方法
方法一、用 Scikit-Learn 实现 One-Hot Encoding scikit-learn 的 LabelBinarizer 函数(二值化)可以很方便地把你的目标(labels)转化成独热编码向量。请看:import numpy as npfrom sklearn import preprocessing# Example labels 示例 labelslabe...原创 2018-07-12 01:40:02 · 3958 阅读 · 0 评论