![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Datawhale打卡活动
Hang_Q
这个作者很懒,什么都没留下…
展开
-
Datawhale CV组队学习打卡-05
Task5 模型集成学习目标 学习集成学习方法以及交叉验证情况下的模型集成 学会使用深度学习模型的集成学习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...原创 2020-06-02 15:35:05 · 143 阅读 · 1 评论 -
Datawhale CV组队学习打卡-04
Task4 模型训练与验证(一)过拟合与欠拟合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。欠拟合:根本原因是特征维度过少,模型过于简单,导致拟合的函数无法满足训练集,误差较大;解决方法:增加特征维度,增加训练数据;过拟合:根本原因是特..原创 2020-05-30 20:14:57 · 266 阅读 · 0 评论 -
Datawhale CV组队学习打卡-03
学习目标学习CNN基础和原理 使用Pytorch框架构建CNN模型,并完成训练下面内容把CNN和经典模型相关的学习笔记进行整合。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(pooling)、非线性激活函数(non-lin原创 2020-05-27 18:57:22 · 392 阅读 · 1 评论 -
Datawhale CV组队学习打卡-02
内容:数据读取与数据扩增学习Python和Pytorch中图像读取 学会扩增方法和Pytorch读取赛题数据(一)基础图像读取在Python中有很多库可以完成数据读取的操作,比较常见的有Pillow和OpenCV。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。from PIL import Image # 导入Pillow库# 读取图片i.原创 2020-05-23 21:42:58 · 214 阅读 · 1 评论 -
Datawhale CV组队学习打卡-01
街景字符编码识别赛题理解:https://tianchi.aliyun.com/competition/entrance/531795/introduction原创 2020-05-18 22:33:31 · 192 阅读 · 1 评论