机器学习笔记
机器学习笔记
LoveWeeknd
不积跬步无以至千里不积小流无以成江海
展开
-
关于损失函数2m解释
说明:m是代表m个样本,1/m 表示m个样本方差的均值,2是为了方便后面求导,其实是可以取任意实数原创 2018-07-20 17:23:16 · 1929 阅读 · 1 评论 -
SVM约束条件函数理解
对于约束条件函数s.t,如果样本站队错误的话,左边式子就是一个负值,则损失值就会 越大,如果站队正确,距离越远,左边式子越大,那么损失值就越小...原创 2018-08-09 17:11:34 · 2226 阅读 · 0 评论 -
多通道图像卷积计算演示
本文转自:https://blog.csdn.net/yudiemiaomiao/article/details/72466402对于单通道图像,若利用10个卷积核进行卷积计算,可以得到10个特征图;若输入为多通道图像,则输出特征图的个数依然是卷积核的个数(10个)。 1.单通道多个卷积核卷积计算 一个卷积核得到的特征提取是不充分的,我们可以添加多个卷积核,比如32个卷积核,从而可以学...转载 2018-08-21 09:43:38 · 3527 阅读 · 2 评论 -
交并比IoU的解释
用于评估语义分割算法性能的标准指标是平均 IOU(Intersection Over Union,交并比),IoU 定义如下:这样的评价指标可以判断目标的捕获程度(使预测标签与标注尽可能重合),也可以判断模型的精确程度(使并集尽可能重合)。 参考链接:https://baijiahao.baidu.com/s?id=1602428106371812559&wfr=spide...原创 2018-09-07 13:58:35 · 2617 阅读 · 0 评论 -
RGB彩图卷积过程
转载自:http://lib.csdn.net/article/aimachinelearning/42986在CNN中,滤波器filter(带着一组固定权重的神经元)对局部输入数据进行卷积计算。每计算完一个数据窗口内的局部数据后,数据窗口不断平移滑动,直到计算完所有数据。这个过程中,有这么几个参数: a. 深度depth:神经元个数,决定输出的depth厚度。同时代表滤波器个数。 ...转载 2018-10-30 17:13:40 · 9936 阅读 · 7 评论