![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
meili1021
这个作者很懒,什么都没留下…
展开
-
Datawhale 零基础入门CV赛事学习笔记--第5次打卡
集成学习方法在机器学习中的集成学习可以在一定程度上提高预测精度,常见的集成学习方法有Stacking、Bagging和Boosting,同时这些集成学习方法与具体验证集划分联系紧密。由于深度学习模型一般需要较长的训练周期,如果硬件设备不允许建议选取留出法,如果需要追求精度可以使用交叉验证的方法。下面假设构建了10折交叉验证,训练得到10个CNN模型。那么在10个CNN模型可以使用如下方式进行集成:对预测的结果的概率值进行平均,然后解码为具体字符; 对预测的字符进行投票,得到最终字符。深原创 2020-06-02 20:52:59 · 150 阅读 · 0 评论 -
Datawhale 零基础入门CV赛事学习笔记--第4次打卡 模型训练与验证
1、构造验证集在机器学习模型(特别是深度学习模型)的训练过程中,模型是非常容易过拟合的。深度学习模型在不断的训练过程中训练误差会逐渐降低,但测试误差的走势则不一定。在模型的训练过程中,模型只能利用训练数据来进行训练,模型并不能接触到测试集上的样本。因此模型如果将训练集学的过好,模型就会记住训练样本的细节,导致模型在测试集的泛化效果较差,这种现象称为过拟合(Overfitting)。与过拟合相对应的是欠拟合(Underfitting),即模型在训练集上的拟合效果较差。如图所示:随着模型复.原创 2020-05-30 22:10:05 · 140 阅读 · 0 评论 -
Datawhale 零基础入门CV赛事学习笔记--第3次打卡-字符识别模型
1、CNN介绍卷积神经网络(简称CNN)是一类特殊的人工神经网络,是深度学习中重要的一个分支。CNN在很多领域都表现优异,精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域,CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型。CNN每一层由众多的卷积核组成,每个卷积核对输入的像素进行卷积操作,得到下一次的输入。随着网络层的增加卷积核会逐渐扩大感受野,并缩减图像的尺寸。CNN是一种层次模型,输入的是原始的像素数据。CNN通过卷积(convolution)、池化(poolin...原创 2020-05-26 20:29:30 · 177 阅读 · 0 评论 -
Datawhale 零基础入门CV赛事学习笔记--第2次打卡
数据读取与数据扩增 读取图像 Pillow是Python图像处理函式库(PIL)的一个分支。Pillow提供了常见的图像读取和处理的操作,而且可以与ipython notebook无缝集成,是应用比较广泛的库。OpenCV是一个跨平台的计算机视觉库,最早由Intel开源得来。OpenCV发展的非常早,拥有众多的计算机视觉、数字图像处理和机器视觉等功能。OpenCV在功能上比Pillow更加强大很多,学习成本也高很多。OpenCV包含了众多的图像处理的功能,OpenCV包含了你能想得到.原创 2020-05-23 19:19:14 · 177 阅读 · 0 评论 -
零样本学习(相关网站)
1、零样本学习原理介绍 https://blog.csdn.net/Liangjun_Feng/article/details/82026574 https://zhuanlan.zhihu.com/p/34656727?spm=5176.9876270.0.0.3430e44aQUtl4x 内容概要: 1)零样本学习 Zero Short Lear...原创 2018-09-07 10:26:15 · 1200 阅读 · 0 评论