![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Deep Learning with Python
KDLin
这个作者很懒,什么都没留下…
展开
-
【Deep Learning with Python】C5 视觉
数据增广 keras图片生成器 让模型永远看到不同的图片 迁移学习 特征抽取,抽象表征再训练 普通迁移学习,粗调和微调 可视化 activation可视化,猫被不断抽象 filter可视化,类傅里叶分离 热力图可视化,卷积核的权重都是多少 以上为C5的全部内容,文章可在我的博客中找。...原创 2019-10-31 20:40:26 · 110 阅读 · 0 评论 -
【Deep Learning with Python】C5 热力图-感兴趣区域可视化
什么用以及是什么这个比较难以理解,尤其是实现部分的代码,因为需要对卷积核有更进一步的理解。目的 我想知道这么多个filter(通道,卷积核,下文不做区分),哪几个更重要,我想知道它们对于结果的贡献 我想知道输入的一个数据案例中哪一部分更加重要 原理简图输入对每一个通道进行求导,得到输出对各个通道梯度,可以视为通道对结果的贡献权重 让所有通道 * 权重,权重越大,通...原创 2019-10-31 20:39:28 · 520 阅读 · 0 评论 -
【Deep Learning with Python】C5 Activation,Filter可视化
Activation总的来说,拿到中间层次输出,用一张图片输入,可视化。如何获得中间层次。这一节的程序很有用。多输出模型from keras import modelslayer_outputs = [layer.output for layer in model.layers[:8]]activation_model = models.Model(inputs=model...原创 2019-10-31 20:38:38 · 295 阅读 · 0 评论 -
【Deep Learning with Python】C5 迁移学习两种方法
迁移学习这本书写得很好,我学到了很多keras迁移学习的技巧。特征提取的迁移学习 迁移学习方法二 微调其中有很多非常值得参考的东西,为了表达方便,我直接用书中的例子,一步步对模型进行改进。前置背景前面已经建立了一个识别猫和狗的模型,只使用了2000个样本!前面一步中,原始卷积神经网络识别结果是,val 0.7,超级过拟合,原因是数据实在太少。引入数据增广,val 0....原创 2019-10-31 20:37:32 · 297 阅读 · 0 评论 -
【Deep Learning with Python】C5 ImageDataGenerator & 数据增广
ImageDataGenerator 和数据增广ImageDataGenerator图片生成器,是keras中处理原始图片非常好用的API,简单来说就是,图片到数据的一个预处理和转换。我觉得这个东西的用法应该结合数据增广来讲。Python的生成器机制其实应该是一个迭代器,懒加载。数据增广数据增广是视觉领域用于小数据集情况下对抗过拟合的好用的方法。超乎我想象的好用。这...原创 2019-10-31 20:36:24 · 188 阅读 · 0 评论 -
【Deep Learning with Python】C4 特征工程&过拟合处理原理
大佬还是大佬,看完之后,很多东西都豁然开朗,可能也是大量的recall。机器学习机器学习四个分支:监督学习 无监督学习书里说,无监督学习是数据分析的面包和黄油,指的是,很多监督学习都需要先用无监督学习进行处理,比如聚类和降维。自监督学习自监督学习,启发式算法,让机器进行标注。但这只能说是大概,比如自编码器,提供过去的输入,如文本,或视频片段,要求预测下一个word或者fram...原创 2019-10-31 20:35:32 · 278 阅读 · 0 评论 -
【Deep Learning with Python】C3 K-fold & smooth plot
K-foldk交叉验证。适用于小数据集。简单来说就是防止某一次切分对数据结果影响很大,解决的方式就多切分几次,求均值!没有使用随机多次切,而是直接分成k组。实现如下,直接舍弃了末尾部分,不做验证。k=4num_val_samples=len(train_data)//knum_epochs=100For I in range(k):print('proces...原创 2019-10-31 20:33:46 · 115 阅读 · 0 评论 -
【Deep Learning with Python】C1 基础
这个作者确实很厉害,很多总结都属于真知灼见。也可能是他们学界的主流想法差不多,我多重验证的结果。炒作和未来每个技术发展都会出现大小的波动。炒作过分,期望落空,投资撤资会迎来寒冬。但长期来看,机器学习已经并且能够成为更有实用价值的东西。Dont believe the short-term hype, but do believe in the long-term vision.发展...原创 2019-10-31 20:32:56 · 122 阅读 · 0 评论 -
【Deep Learning with Python】C2 RELU & Loss & Early stop
我主要还是回忆起大量的理论知识。RELU,有什么用关于relu1. 最重要的特点,负值归零,其余就是最简单的线性函数2. 不要relu,那么神经网络再深,解空间依然没有变大,相当于最简单的逻辑回归3. 最简单的线性函数却达到了非线性的效果。Loss Function,损失函数怎么选损失函数容易忘记,简单的回忆一下。mse均方差典型的应用如回归任务,大概就是计算最...原创 2019-10-31 20:31:11 · 177 阅读 · 0 评论