机器学习
文章平均质量分 56
class_brick
以我所经,引以为幸
展开
-
ECCV2018论文及比赛整理
本文为极市平台原创收集,转载请附原文链接:https://blog.csdn.net/Extremevision/article/details/81875068————————————————————————————————————————————极市平台是专业视觉算法平台,主要为开发者提供真实项目需求,视觉算法开发等服务,点击填表**加入极市专业CV交流群,与6000+来自腾讯,华为,百度,...转载 2018-09-27 10:40:20 · 2698 阅读 · 0 评论 -
Softmax的理解与应用
Softmax在机器学习中有非常广泛的应用,但是刚刚接触机器学习的人可能对Softmax的特点以及好处并不理解,其实你了解了以后就会发现,Softmax计算简单,效果显著,非常好用。我们先来直观看一下,Softmax究竟是什么意思我们知道max,假如说我有两个数,a和b,并且a>b,如果取max,那么就直接取a,没有第二种可能但有的时候我不想这样,因为这样会造成分值小的那个饥饿。所以我希望分...转载 2018-04-11 21:19:59 · 670 阅读 · 0 评论 -
optimizer优化算法总结
优化方法总结参考优化方法总结参考深度学习最全优化方法总结比较An overview of gradient descent optimization algorithms目录优化方法总结SGD1 Batch gradient descent2 Stochastic gradient descent3 Mini-batch gradient descent三种gradient descent对比Mi...转载 2018-03-28 16:54:15 · 3983 阅读 · 1 评论 -
信息熵公式的由来
作者:忆臻链接:https://www.zhihu.com/question/22178202/answer/161732605来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 首先我们要区分信息量和信息熵的区别。下面根据我的理解一步一步引出信息熵及其公式的来源:信息熵的公式先抛出信息熵公式如下:其中 代表随机事件X为 的概率,下面来逐步介绍信息熵的公式来源!信息量信...转载 2018-03-22 11:07:56 · 8311 阅读 · 1 评论 -
CNN卷积神经网络推导和实现
Deep Learning论文笔记之(四)CNN卷积神经网络推导和实现zouxy09@qq.comhttp://blog.csdn.net/zouxy09 自己平时看了一些论文,但老感觉看完过后就会慢慢的淡忘,某一天重新拾起来的时候又好像没有看过一样。所以想习惯地把一些感觉有用的论文中的知识点总结整理一下,一方面在整理过程中,自己的理解也会更深,另一方面也方便未来自己的勘察。更好...转载 2018-03-30 10:36:05 · 1777 阅读 · 0 评论 -
tensorflow-梯度下降,有这一篇就够了(深度好文)
前言最近机器学习越来越火了,前段时间斯丹福大学副教授吴恩达都亲自录制了关于Deep Learning Specialization的教程,在国内掀起了巨大的学习热潮。本着不被时代抛弃的念头,自己也开始研究有关机器学习的知识。都说机器学习的学习难度非常大,但不亲自尝试一下又怎么会知道其中的奥妙与乐趣呢?只有不断的尝试才能找到最适合自己的道路。请容忍我上述的自我煽情,下面进入主题。这篇文章主要对机器学...转载 2018-03-06 10:21:46 · 655 阅读 · 0 评论 -
tensorflow转换one-hot向量
def one_hot(indices, depth, on_value=None, off_value=None, axis=None, dtype=None, name=None): """Returns a one-hot tensor. The locations represented by indices in `indices` take value...原创 2018-03-05 17:22:33 · 2631 阅读 · 0 评论 -
tensorflow常用函数
1、tensorflow的基本运作为了快速的熟悉TensorFlow编程,下面从一段简单的代码开始:import tensorflow as tf #定义‘符号’变量,也称为占位符 a = tf.placeholder("float") b = tf.placeholder("float") y = tf.mul(a, b) #构造一个op节点 sess = tf.Session()...转载 2018-03-02 10:49:16 · 1463 阅读 · 0 评论 -
机器学习常用数学符号及读法大全
转自:http://blog.csdn.net/u012965373/article/details/52936875数学符号及读法大全常用数学输入符号: ≈ ≡≠= ≤≥ < > ≮ ≯ ∷ ±+ - × ÷ / ∫∮ ∝ ∞ ∧ ∨ ∑∏∪ ∩ ∈ ∵ ∴ ⊥ ‖ ∠ ⌒ ≌ ∽ √ () 【】{} Ⅰ Ⅱ ⊕ ⊙∥α β γ δ ε转载 2018-02-07 11:19:58 · 8632 阅读 · 0 评论 -
GRU神经网络
转自:http://blog.csdn.net/wangyangzhizhou/article/details/77332582前面已经详细讲了LSTM神经网络(文末有链接回去),接着往下讲讲LSTM的一个很流行的变体。GRU是什么GRU即Gated Recurrent Unit。前面说到为了克服RNN无法很好处理远距离依赖而提出了LSTM,而GRU则是LSTM的一个变体,转载 2018-02-07 11:16:07 · 2473 阅读 · 0 评论 -
详解LSTM
今天的内容有:LSTM 思路LSTM 的前向计算LSTM 的反向传播关于调参LSTM长短时记忆网络(Long Short Term Memory Network, LSTM),是一种改进之后的循环神经网络,可以解决RNN无法处理长距离的依赖的问题,目前比较流行。长短时记忆网络的思路:原始 RNN 的隐藏层只有一个状态,即h,它对于短期的输入非常敏感。再增加一个状态,即c,让它来保存长期的状态,称为...转载 2018-02-11 15:39:30 · 1695 阅读 · 0 评论 -
卷积:如何成为一个很厉害的神经网络
原文:An Intuitive Explanation of Convolutional Neural Networks作者:Ujjwal Karn翻译:Kaiser(王司图)什么是卷积神经网络?又为什么很重要?卷积神经网络(Convolutional Neural Networks, ConvNets or CNNs)是一种在图像识别与分类领域被证明特别有效的转载 2018-01-29 09:33:15 · 401 阅读 · 0 评论 -
四条命令快速搭建centos7下tensorflow的OCR环境
pip install freetype-pypip install numpypip install opencv-pythonpip install tensorflow这里吐槽一下tensorflow中文社区,tensorflow中文社区的unix/linux的tensorflow安装命令是pip install https://storage.googleapis.co原创 2018-01-31 13:10:12 · 361 阅读 · 0 评论 -
解决RuntimeError:module compiled against API version 9 but this version of numpy is 7
由于使用TensorFlow 经常会涉及到使用numpy,但会出现API版本不匹配问题:要么是numpy有多个版本,要么是numpy只有最低版本。现在的版本是1.7的,去对应目录下删除该版本的numpy的文件,然后重新安装新版numpy由于直接使用pip和yum进行安装均不成功,所以只好下载 nump的zip文件进行安装:首先下载:wge原创 2018-01-31 13:09:10 · 6402 阅读 · 0 评论 -
目标检测---RCNN系列
• RCNN RCNN(Regions with CNN features)是将CNN方法应用到目标检测问题上的一个里程碑,由年轻有为的RBG大神提出,借助CNN良好的特征提取和分类性能,通过RegionProposal方法实现目标检测问题的转化。 算法可以分为四步: 1)候选区域选择 Region Proposal是一类传统的区域提取方...转载 2018-04-18 10:58:02 · 390 阅读 · 0 评论 -
Tensorflow中的dynamic shape、static shape及reshape、set_shape
转自:https://blog.csdn.net/qq_21949357/article/details/77987928这个问题是在学习Tensorflow当中,reshape与set_shape的区别时引出的。在学习Tensorflow的cifar10代码的时候,发现在处理cifar数据集的读入数据时,demo使用的是如下代码来处理读入数据而不是直接使用熟悉的reshape。float_ima...转载 2018-06-06 14:20:11 · 1087 阅读 · 0 评论 -
光流(optic flow)简介
光流(optic flow)是什么呢?名字很专业,感觉很陌生,但本质上,我们是最熟悉不过的了。因为这种视觉现象我们每天都在经历。从本质上说,光流就是你在这个运动着的世界里感觉到的明显的视觉运动(呵呵,相对论,没有绝对的静止,也没有绝对的运动)。例如,当你坐在火车上,然后往窗外看。你可以看到树、地面、建筑等等,他们都在往后退。这个运动就是光流。而且,我们都会发现,他们的运动速度居然不一样?这就给我们...转载 2018-09-25 16:16:48 · 13649 阅读 · 0 评论 -
语音特征MFCC提取过程详解
转自:https://blog.csdn.net/jojozhangju/article/details/18678861原来对语音特征参数MFCC的提取过程不是很了解,最近做实验需要自己手动去提取,所以借此机会,深入的学习了一下,所以记录下来,希望能够对日后的学习有一定的帮助。一、MFCC概述 在语音识别(SpeechRecognition)和话者识别(SpeakerRecogn...转载 2018-09-17 15:39:15 · 62745 阅读 · 2 评论 -
读取并输出tensorflow中所有变量的方法
variable_names = [v.name for v in tf.trainable_variables()]values = sess.run(variable_names)for k, v in zip(variable_names, values): print("Variable: ", k) print("Shape: ", v.shape) prin...原创 2018-07-13 11:21:39 · 6817 阅读 · 1 评论 -
imagenet标签
n01440764,丁鲷n01443537,金鱼n01484850,大白鲨n01491361,虎鲨n01494475,锤头鲨n01496331,电鳐n01498041,黄貂鱼n01514668,公鸡n01514859,母鸡n01518878,鸵鸟n01530575,燕雀n01531178,金翅雀n01532829,家朱雀n01534433,灯芯草雀n01537544,靛蓝雀,靛蓝鸟n0155899...转载 2018-07-11 16:43:52 · 4932 阅读 · 0 评论 -
可视化理解卷积神经网络
可视化理解卷积神经网络原文地址:http://blog.csdn.net/hjimce/article/details/50544370作者:hjimce一、相关理论本篇博文主要讲解2014年ECCV上的一篇经典文献:《Visualizing and Understanding Convolutional Networks》,可以说是CNN领域可视化理解的开山之作,这篇文献告诉我们CNN的每一层到...转载 2018-06-28 10:13:39 · 254 阅读 · 0 评论 -
数据集
人工智能大数据,公开的海量数据集下载,ImageNet数据集下载,数据挖掘机器学习数据集下载ImageNet挑战赛中超越人类的计算机视觉系统微软亚洲研究院视觉计算组基于深度卷积神经网络(CNN)的计算机视觉系统,在ImageNet 1000挑战中首次超越了人类进行对象识别分类的能力。他们的系统在ImageNet 2012分类数据集中的错误率已降低至4.94%。这个数据集包含约120万张训练图像、5...转载 2018-07-09 17:45:07 · 5387 阅读 · 0 评论 -
multi-class,multi-label与multi-task的区别
转自:https://blog.csdn.net/golden1314521/article/details/51251252一直很纠结Multi-class, Multi-label 以及 Multi-task 各自的区别和联系,最近找到了以下的说明资料:Multiclass classification means a classification task with more than tw...转载 2018-06-10 13:52:18 · 2588 阅读 · 0 评论 -
标签传播算法
标签传播算法(Label Propagation)及Python实现zouxy09@qq.comhttp://blog.csdn.net/zouxy09 众所周知,机器学习可以大体分为三大类:监督学习、非监督学习和半监督学习。监督学习可以认为是我们有非常多的labeled标注数据来train一个模型,期待这个模型能学习到数据的分布,以期对未来没有见到的样本做预测。那这个性能的源头--...转载 2018-06-10 13:44:17 · 5053 阅读 · 0 评论 -
准确率,召回率,F1 值、ROC,AUC、mse,mape评价指标
转载:https://blog.csdn.net/a819825294/article/details/51699211在机器学习、数据挖掘领域,工业界往往会根据实际的业务场景拟定相应的业务指标。本文旨在一起学习比较经典的三大类评价指标,其中第一、二类主要用于分类场景、第三类主要用于回归预测场景,基本思路是从概念公式,到优缺点,再到具体应用(分类问题,本文以二分类为例)。1.准确率P、召回率R、F...转载 2018-06-15 17:49:35 · 501 阅读 · 0 评论 -
Tensorflow slim库使用小记
转自:https://blog.csdn.net/Cyiano/article/details/75006883Tensorflow slim库使用小记slim库是tensorflow中的一个高层封装,它将原来很多tf中复杂的函数进一步封装,省去了很多重复的参数,以及平时不会考虑到的参数。可以理解为tensorflow的升级版。导入方式:import tensorflow as tfimport...转载 2018-06-15 09:12:35 · 420 阅读 · 0 评论 -
CNN 模型压缩与加速算法综述
导语:卷积神经网络日益增长的深度和尺寸为深度学习在移动端的部署带来了巨大的挑战,CNN模型压缩与加速成为了学术界和工业界都重点关注的研究领域之一。 作者:姜媚前言自从AlexNet一举夺得ILSVRC 2012 ImageNet图像分类竞赛的冠军后,卷积神经网络(CNN)的热潮便席卷了整个计算机视觉领域。CNN模型火速替代了传统人工设计(hand-crafted)特征和分类器,不仅提供了一种端到端...转载 2018-06-14 20:36:49 · 408 阅读 · 0 评论 -
CNN压缩的各种方式与历史
本文转载自公众号《与有三学AI》为了压榨CNN模型,这几年大家都干了什么mp.weixin.qq.com如果从2006年算,深度学习从产生到火爆已经十年了,在工业界已经产生了很多落地的应用。现在网络的深度已经可达1000层以上,下面我们关注一个问题:这些年大家是怎么“压榨”CNN模型的。首先回顾一下几个经典模型,我们主要看看深度和caffe模型大小。当然,在实际应用中,各自调试出的version...转载 2018-06-14 20:18:40 · 1481 阅读 · 0 评论 -
Slim在CPU上跑的方法
修改train_image_classifier中的这一句tf.app.flags.DEFINE_boolean('clone_on_cpu', True, 'Use CPUs to deploy clones.')参数的False改为True即可原创 2018-06-14 14:33:57 · 966 阅读 · 2 评论 -
【查资料用】顶会网址指南
看了版上很多贴子,发现很多版友都在问“热门研究方向”、“最新方法”等。有同学建议国内某教授的教材、或者CNKI、或者某些SCI期刊。每当看到这种问题,我都有点纳闷,为什么不去读顶级会议上的论文?我无意否认以上文献的价值,但是在机器学习、计算机视觉和人工智能领域,顶级会议才是王道。国内教材和CNKI上的基本是N年前老掉牙的东西。有人会质疑这些会议都只是EI。是的,这的确非常特殊:在许多其它领域,会议...转载 2018-06-13 16:27:17 · 3613 阅读 · 0 评论 -
tensorflow实战一---基于线性回归简单实现mnist手写体识别
Mnist手写体识别是tensorflow的入门经典教程,此处的mnist的手写体识别率达到了91%,优化算法为梯度下降算法,激活函数为softmax回归,没有中间层,基本步骤可以分为七步。1、设置变量2、设置数据与结果的计算关系(设置图)3、设置优化算法(梯度下降,train_step)4、设置激活函数(sotfmax)5、初始化数据6、开始训练7、模型评估代码如原创 2018-01-22 23:49:47 · 1222 阅读 · 0 评论 -
RELU激活函数及其他激活函数
本博客仅为作者记录笔记之用,不免有很多细节不对之处。还望各位看官能够见谅,欢迎批评指正。更多相关博客请猛戳:http://blog.csdn.net/cyh_24如需转载,请附上本文链接:http://blog.csdn.net/cyh_24/article/details/50593400日常 coding 中,我们会很自然的使用一些激活函数,比如:sigmoid转载 2018-01-22 23:11:46 · 993 阅读 · 0 评论 -
深度学习之卷积与池化
转载:http://www.cnblogs.com/zf-blog/p/6075286.html卷积神经网络(CNN)由输入层、卷积层、激活函数、池化层、全连接层组成,即INPUT-CONV-RELU-POOL-FC(1)卷积层:用它来进行特征提取,如下:输入图像是32*32*3,3是它的深度(即R、G、B),卷积层是一个5*5*3的filter(感受野),这里转载 2018-01-22 22:52:39 · 651 阅读 · 0 评论 -
How to train your Deep Neural Network(如何训练你的深度神经网络)
There are certain practices in Deep Learning that are highly recommended, in order to efficiently train Deep Neural Networks. In this post, I will be covering a few of these most commonly used practice转载 2017-12-05 15:31:24 · 1238 阅读 · 0 评论 -
机器学习九大算法---决策树
转自:http://blog.csdn.net/bigbigship/article/details/50991370基本流程决策树(decision tree)是一类常见的机器学习方法。决策树是一个预测模型;他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象,而每个分叉路径则代表的某个可能的属性值,而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的转载 2017-12-13 09:14:18 · 635 阅读 · 0 评论 -
机器学习实战之一---简单讲解决策树
前言:本文基于《机器学习实战》一书,采用python语言,对于机器学习当中的常用算法进行说明(最近心情不好,不想吹牛了)。 综述定义:首先来对决策树进行一个定义,决策树是一棵通过事物的特征来进行判断分支后得到该事物所需要的预测的属性的树。流程:提取特征à计算信息增益à构建决策树à使用决策树进行预测关键:树的构造,通过信息增益(熵)得到分支点和分支的方式。优点:计算复杂原创 2017-12-20 17:21:42 · 691 阅读 · 0 评论 -
对于随机森林的通俗理解
一、决策树决策树是机器学习最基本的模型,在不考虑其他复杂情况下,我们可以用一句话来描述决策树:如果得分大于等于60分,那么你及格了。这是一个最最简单的决策树的模型,我们把及格和没及格分别附上标签,及格(1),没及格(0),那么得到的决策树是这样的但是我们几乎不会让计算机做这么简单的工作,我们把情况变得复杂一点引用别的文章的一个例子这是一张女孩对于不同条件的男性是转载 2017-12-12 09:27:48 · 15776 阅读 · 1 评论 -
深入浅出LSTM神经网络
转自:https://www.csdn.net/article/2015-06-05/2824880LSTM递归神经网络RNN长短期记忆摘要:根据深度学习三大牛的介绍,LSTM网络已被证明比传统的RNNs更加有效。本文由UCSD研究机器学习理论和应用的博士生Zachary Chase Lipton撰写,用浅显的语言解释了卷积网络的基本知识,并介绍长短期记忆(LSTM)模型。转载 2017-12-11 17:14:48 · 1261 阅读 · 0 评论 -
机器学习九大算法---隐马尔科夫模型
转自:http://blog.csdn.net/baimafujinji/article/details/51285082前导性推荐阅读资料:从朴素贝叶斯分类器到贝叶斯网络(上)从朴素贝叶斯分类器到贝叶斯网络(下)引言在之前介绍贝叶斯网络的博文中,我们已经讨论过概率图模型(PGM)的概念了。Russell等在文献【1】中指出:“在统计学中,图模型这个术语指包含贝转载 2017-12-20 09:20:33 · 14445 阅读 · 1 评论 -
循环神经网络(RNN, Recurrent Neural Networks)介绍
循环神经网络(RNN, Recurrent Neural Networks)介绍 这篇文章很多内容是参考:http://www.wildml.com/2015/09/recurrent-neural-networks-tutorial-part-1-introduction-to-rnns/,在这篇文章中,加入了一些新的内容与一些自己的理解。 循环神经网络(Recurrent Neu转载 2017-12-09 19:07:18 · 265 阅读 · 0 评论