一.
将图片预处理(如监督学习打标签等)后,将矩阵输入函数
X为图片,W为权值,b为偏执项。
二.解释
例子中将图片拉成列向量X与带权矩阵W相乘,加上偏执项b,得出一系列的分数。分数将对应各种分类。
分数高即为分类器人为样本图片为此类概论高,反之低。
三.
我们所说训练即为训练其中的W,在实际操作中,我们将用传统神经网络或者卷积神经网络代替线性分类器。
一.
将图片预处理(如监督学习打标签等)后,将矩阵输入函数
X为图片,W为权值,b为偏执项。
二.解释
例子中将图片拉成列向量X与带权矩阵W相乘,加上偏执项b,得出一系列的分数。分数将对应各种分类。
分数高即为分类器人为样本图片为此类概论高,反之低。
三.
我们所说训练即为训练其中的W,在实际操作中,我们将用传统神经网络或者卷积神经网络代替线性分类器。