![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
DeepLearning
fayeeenn
努力转码小白
展开
-
计算机视觉实践 - 街景字符编码识别/关于Task5的一些笔记
模型的集成学习情况调参指导框架观察数据搭建初始框架调参原则模型的集成通过交叉验证集成多模型测试集的数据增强Snapshot学习情况调参指导框架High Train Error:指的是与人类相比的,比如人识别字符的准确率为99%;High Train-Dev Error:过拟合的问题,可以通过正则化、加入更多的数据、或者尝试新的框架High Test-Dev Error:测试集错误率过大,这次比赛中会出现。可能是测试集和验证集的分布出现了差异。观察数据不同字符数量图片的占比,是否存在偏原创 2020-06-02 22:53:20 · 168 阅读 · 0 评论 -
计算机视觉实践 - 街景字符编码识别/关于Task4的一些笔记
模型训练与验证学习情况模型验证方法留出法交叉验证法K折交叉验证(K-fold Cross Validation)留一法(leave-one-out cross validation)自助采样法(BootStrap)代码学习情况复习了一下机器学习中的模型验证方法,因为深度学习也是机器学习的分支,这一部分还是差不多的。最近还在看CNN的结构、公式推理过程,发现高数线代又忘了…大学的知识难道真的不能靠刷题吗…模型验证方法留出法这是比较简单粗暴的方法,之前传统机器学习分类的方法是“三七分”,就是训练集7原创 2020-05-30 21:27:39 · 224 阅读 · 0 评论 -
吴恩达DeepLearning之神经网络与深度学习
第一课 - 神经网络与深度学习第一周第二周第三周 浅层神经网络第一周第二周第三周 浅层神经网络这边有个问题,为什么Sigmoid和tanh激活函数,z很大或很小的时候,也就是函数的斜率/梯度很小接近于0的时候,会拖慢梯度下降算法?我自己的理解是:z无限大的时候,梯度变化会很慢,所以在反向传播求导过程中,梯度下降十分慢。浅层神经网络中,正向传播和反向传播的公式推导。这边要注意,逻辑回归中的dz和da都是前面已经给出的定义,就是求偏导,为了方便编程给的定义。这边推导过程看的有些迷糊,原创 2020-05-28 17:22:10 · 168 阅读 · 0 评论 -
计算机视觉实践 - 街景字符编码识别/关于Task3的一些笔记
字符识别模型学习情况经典的卷积神经网络AlexNetVGG学习情况重点学习一下AlexNet和VGG的模型,跑完步回来码!经典的卷积神经网络AlexNetVGG原创 2020-05-26 20:33:34 · 153 阅读 · 0 评论 -
计算机视觉实践 - 街景字符编码识别/关于Task1的一些笔记
计算机视觉实践 - 街景字符编码识别 关于Task1的一些笔记Task 1 赛题理解学习情况字符识别论文笔记ResNet18CRNNBaseline自己的理解遇到的问题Reference最近参加了DataWhale的计算机视觉入门比赛,认识了很多大佬。虽然之前有过基于深度学习的一些实操经验,但对其中的原理还是不怎么懂,更别提模型的创新了。希望这次比赛过后,在理论和代码能力方面都能有所提高。Task 1 赛题理解赛题名称:零基础入门CV之街道字符识别赛题目标:通过这道赛题可以引导大家走入计算机视觉的原创 2020-05-20 21:58:40 · 532 阅读 · 0 评论