神经网络
神经网络:卷积神经网络、bp神经网络等
我要毕业!!
这个作者很懒,什么都没留下…
展开
-
表面缺陷检测数据集汇总及其相关项目推荐
https://mp.weixin.qq.com/s?__biz=MzI5MDUyMDIxNA==&mid=2247498632&idx=2&sn=a39387b9c15794393eb6e2c9561616cf原创 2022-11-21 22:00:45 · 274 阅读 · 0 评论 -
构建神经网络如何标记数据集
一、环境准备:anoconda prompt1、打开Anaconda Prompt 首先创建一个用于标注数据的py35单独环境名为label的环境,当然也可以用 Anaconda Navigator 界面程序来创建。conda create -- name=label python=3.82、查看创建环境是否成功并激活环境activate label3、添加镜像源下载并安装Pyqt5和labelimg,这里使用豆瓣源pip install pyqt5 -i https://pypi.doub原创 2022-11-21 22:01:46 · 1157 阅读 · 0 评论 -
《神经网络与深度学习》学习笔记——第二章 机器学习概述
文章目录一、机器学习的三个基本要素1.1、模型1.2、学习准则1.2.1 损失函数0-1损失函数平方损失函数交叉熵损失函数hinge损失函数1.2.2 风险最小化准则经验风险最小化结构风险最小化1.3、优化算法梯度下降法提前停止随机梯度下降法小批量梯度下降法一、机器学习的三个基本要素1.1、模型线性模型非线性模型1.2、学习准则模型f(x;θ)的好坏可以通过期望风险R(θ)(损失函数的期望) 来衡量1.2.1 损失函数损失函数是一个非负实数函数,用来量化模型预测和真实标签之间的差.原创 2022-10-09 22:38:48 · 124 阅读 · 0 评论 -
《神经网络与深度学习》学习笔记——第一章 绪论
一、机器学习机器学习模型一般会包含以下几个步骤:数据预处理:图像音频去噪、文本去除停用词等。特征提取:从原始数据中提取有效的特征。如在图像分类中,提取边缘、尺度不变特征变换等。特征转换:对特征进行一定的加工,比如升维、降维。常用的特征转换方法有:主成分分析、线性判别分析等。预测:学习一个函数并预测。二、表示(特征)学习自动地学习出有效地特征,并提高最终机器学习模型的性能。表示特征的方式:局部表示和分布式表示①: 局部表示:one-hot向量形式。优点:离散的表示方式有很好的解释原创 2021-06-02 17:28:47 · 254 阅读 · 0 评论