深度学习竞赛
无名之辈_
脚踏实地也不忘仰望星空
展开
-
Datawhale 零基础入门CV赛事-Task5 模型集成
DropoutDropout可以作为训练深度神经网络的一种技巧。在每个训练批次中,通过随机让一部分的节点停止工作。同时在预测的过程中让所有的节点都其作用。修改模型如下,主要就加了一个Dropout层,并采用0.5的丢弃率。class SVHN_Model1(nn.Module): def __init__(self): super(SVHN_Model1, self).__init__() model_conv = models原创 2020-06-02 21:13:58 · 172 阅读 · 0 评论 -
Datawhale 零基础入门CV赛事-Task4 模型训练与验证
文章目录深度学习中的TTA(Test Time Augmentation)--测试时数据增强技术Pytorch中模型的保存和加载模型训练与验证留出法(Hold-Out)交叉验证法(Cross Validation,CV)自助采样法(BootStrap)深度学习中的TTA(Test Time Augmentation)–测试时数据增强技术定义:TTA(Test Time Augmentation):测试时数据增强方法:测试时将原始数据做不同形式的增强,然后取结果的平均值作为最终结果作用:可以进一步提升原创 2020-05-30 22:45:26 · 206 阅读 · 0 评论 -
Datawhale 零基础入门CV赛事-Task3 字符识别模型
Datawhale 零基础入门CV赛事-Task3 字符识别模型在前面的章节,我们讲解了赛题的背景知识和赛题数据的读取。本章开始构建一个字符识别模型,基于对赛题理解本章将构建一个定长多字符分类模型。3 字符识别模型本章将会讲解卷积神经网络(Convolutional Neural Network, CNN)的常见层,并从头搭建一个字符识别模型。3.1 学习目标学习CNN基础和原理使用Pytorch框架构建CNN模型,并完成训练3.2 CNN介绍卷积神经网络(简称CNN)是一类特殊的人工神原创 2020-05-26 15:48:50 · 222 阅读 · 1 评论 -
Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增
torchvision.models模块的 子模块中包含以下模型结构。AlexNetVGGResNetSqueezeNetDenseNet可以通过调用构造函数来构造具有随机权重的模型:import torchvision.models as modelsresnet18 = models.resnet18()alexnet = models.alexnet()squeezenet = models.squeezenet1_0()densenet = models.densenet_16原创 2020-05-23 15:24:40 · 200 阅读 · 0 评论 -
Datawhale 零基础入门CV赛事-Task1 赛题理解
文章目录赛题理解1.1 学习目标1.2 赛题数据数据标签测评指标读取数据解题思路赛题理解赛题名称:零基础入门CV之街道字符识别赛题任务:赛题以计算机视觉中字符识别为背景,要求选手预测街道字符编码,这是一个典型的字符识别问题。为了简化赛题难度,赛题数据采用公开数据集SVHN,因此大家可以选择很多相应的paper作为思路参考。1.1 学习目标理解赛题背景和赛题数据完成赛题报名和数据下载,理解赛题的解题思路1.2 赛题数据赛题以街道字符为为赛题数据,数据集报名后可见并可下载,该数据来自收原创 2020-05-20 14:59:05 · 140 阅读 · 0 评论