m0_66603327-CSDN博客

原创神经网络与深度学习——课程学习总结——Week4

可以用199维的向量表示一个人的特征，第一列代表年龄，第二列代表性别，后197列代表国家。用RNN建模序列数据输入：The cat sat on the mat。文本处理中：输入维度不定（可能一直有单词输入）；保留一些对过去观测的总结ℎ𝑡，并且同时更新预测。时间序列预测：当前+过去输入−>当前输出。输出维度不定或者是1（直接最终理解结果）图像分类：当前输入−>当前输出。图像分类中使用：1对1模型。• 训练精度: 89.2%• 验证精度: 84.3%• 测试精度: 84.4%输入和输出维度：固定。

2024-05-05 19:46:29 152

原创神经网络与深度学习——课程学习总结——Week3

其中𝑁代表测试集中所有图片的个数，𝑃(𝑘)表示在能识别出𝑘个图片的时候 Precision的值，而 Δ𝑟(𝑘)则表示识别图片个数从𝑘−1变化到𝑘时（通过调整阈值）Recall值的变化情况。FCN中第6、7、8层都是通过1×1卷积得到的，第6层的输出通道是4096，第 7层的输出通道是4096，第8层的输出是1000（类）,即1000个特征图（称为 heatmap）物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，并且物体还可以是多个类别。R(召回率）： 𝑇𝑃/(𝑇𝑃+𝐹𝑁)。

2024-04-22 13:56:12 582

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

m0_66603327的博客

原创神经网络与深度学习——课程学习总结——Week4

原创神经网络与深度学习——课程学习总结——Week3

原创神经网络与深度学习——课程学习总结——Week2

原创神经网络与深度学习——课程学习总结——Week1

原创 HIT 深入理解计算机系统CSAPP 大作业 --程序人生 Hello’s P2P

空空如也

空空如也

原创 神经网络与深度学习——课程学习总结——Week4

原创 神经网络与深度学习——课程学习总结——Week3

原创 神经网络与深度学习——课程学习总结——Week2

原创 神经网络与深度学习——课程学习总结——Week1

原创 HIT 深入理解计算机系统CSAPP 大作业 --程序人生 Hello’s P2P

空空如也

空空如也

原创神经网络与深度学习——课程学习总结——Week4

原创神经网络与深度学习——课程学习总结——Week3

原创神经网络与深度学习——课程学习总结——Week2

原创神经网络与深度学习——课程学习总结——Week1