![](https://img-blog.csdnimg.cn/20190918140158853.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
keras
Kears深度学习代码解析,设计图像处理 自然语言处理 机器学习等多个方面,付数据集
优惠券已抵扣
余额抵扣
还需支付
¥19.90
¥99.00
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
南七小僧
这个作者很懒,什么都没留下…
展开
-
基于BiLinear的VGG16+ResNet50,用于细粒度图像分类
细粒度视觉识别之双线性CNN模型[1] Lin T Y, RoyChowdhury A, Maji S. Bilinear cnn models for fine-grained visual recognition[C]//Proceedings of the IEEE International Conference on Computer Vision. 2015: 1449-1457....原创 2018-09-20 19:23:02 · 4289 阅读 · 4 评论 -
用CNN巧妙解决金字塔滑动窗口,用cnn一边滑动一遍输出预测分类
效果如图:这是用cnn对一张305*471的图像做分类得到的结果,相当于做了52*93次滑动窗口+分类,却仅仅耗时0.2672951465708593s。相当于一次窗口分类 ,仅仅耗时 0.00005s。具体网络+预测如下图所示:import numpy as npimport cv2import timefrom keras.layers import Dense,Con...原创 2018-09-15 18:55:53 · 3671 阅读 · 3 评论 -
【手把手】自己搭建 金字塔窗口监测+CNN神经网络 人眼预测分类技术【基于SPM的CNN预测网络】
1.开发算法自动化创造数据集【训练】【验证】【测试】,人工过滤一波数据集2.分类状态有三种,睁眼,闭眼,非眼【一开始用了两种,人眼和非人眼,对闭眼不能很好识别】3.搭建cnn网络【采用类似VGG16的网络,但是网络一定要小,这样才能做到实时,方便后期ncnn移动端开发】4.开发金字塔模型5.对窗口用cnn predict6.输入绘图,做可视化调试1.自动化采集数据集算法...原创 2018-09-13 20:19:21 · 814 阅读 · 1 评论 -
Apriori算法介绍(布尔关联规则 挖掘)啤酒尿不湿【数据挖掘 机器学习】
导读:随着大数据概念的火热,啤酒与尿布的故事广为人知。我们如何发现买啤酒的人往往也会买尿布这一规律?数据挖掘中的用于挖掘频繁项集和关联规则的Apriori算法可以告诉我们。本文首先对Apriori算法进行简介,而后进一步介绍相关的基本概念,之后详细的介绍Apriori算法的具体策略和步骤,最后给出Python实现代码。并附上小例子。1.Apriori算法简介Apriori算法是经典...原创 2018-09-06 09:53:23 · 3691 阅读 · 0 评论 -
Convolution1D与Convolution2D区别
1.Convolution1D主要用于nlp,Convolution2D主要用于cv。实际上,Convolution1D也可以用于cv,Convolution2D也可以用于nlp,只是那个时候不是标准的卷积方式,而是经过一定变形的卷积。2.可以看到Convolution1D的卷积只有3这一个参数,Convolution2D却有两个参数3(即长度为3,宽度为3的卷积)。表面上Convolutio...原创 2018-09-08 20:05:45 · 2342 阅读 · 0 评论 -
TextCNN 与 FastText 文本分类实战【Embedding|Word2Vec】
具体的理论知识,可以看看前面几篇文章,有详细介绍,这里直接po代码了# -*- coding: utf-8 -*-""" @Author: xkk @Date: 2018-09-07 12:42:37 @Last Modified by: xkk @Last Modified time: 2018-09-07 12:42:37"""import jiebaimpo...原创 2018-09-08 19:30:12 · 4001 阅读 · 0 评论 -
CCF大赛,【NLP处理】汽车行业用户评论 文本主题分类与基于主题的情感预测 【baseline】
通过tfidf+LR做文本分类、# -*- coding: utf-8 -*-"""Created on Wed Sep 5 13:23:31 2018@author: Lenovo"""import jieba as jbimport numpy as npimport pandas as pdfrom gensim.models.doc2vec import Doc...原创 2018-09-05 15:06:30 · 3906 阅读 · 10 评论 -
【NLP系列1】基于Doc2Vec的文本分类
import jieba as jbimport numpy as npimport pandas as pdfrom gensim.models.doc2vec import Doc2Vec, TaggedDocumentshixi = pd.read_table('shixi.txt')print(shixi)s = '哈哈哈哈大师赛的小康康'w = jb.cut(s)jd...原创 2018-08-30 11:26:21 · 823 阅读 · 0 评论 -
通俗的说 LDA ----Latent Dirichlet Allocation
LDA的原理:LDA(Latent Dirichlet Allocation)是一种文档主题生成模型,也称为一个三层贝叶斯概率模型,包含词、主题和文档三层结构。所谓生成模型,就是说,我们认为一篇文章的每个词都是通过“以一定概率选择了某个主题,并从这个主题中以一定概率选择某个词语”这样一个过程得到。文档到主题服从多项式分布,主题到词服从多项式分布。什么是主题因为LDA是一种主题模型,那么...原创 2018-08-30 10:28:00 · 7284 阅读 · 0 评论 -
基于LSI的 职位描述JD 匹配
在文本挖掘中,主题模型是比较特殊的一块,它的思想不同于我们常用的机器学习算法,因此这里我们需要专门来总结文本主题模型的算法。本文关注于潜在语义索引算法(LSI)的原理。1. 文本主题模型的问题特点 在数据分析中,我们经常会进行非监督学习的聚类算法,它可以对我们的特征数据进行非监督的聚类。而主题模型也是非监督的算法,目的是得到文本按照主题的概率分布。从这个方面来说,主题模型和普通的聚...原创 2018-08-29 17:20:52 · 483 阅读 · 0 评论 -
Xception 进阶之路
论文:Xception: Deep Learning with Depthwise Separable Convolutions 论文链接:https://arxiv.org/abs/1610.02357算法详解: Xception是google继Inception后提出的对Inception v3的另一种改进,主要是采用depthwise separable convolution来替换原...原创 2018-08-23 14:14:43 · 364 阅读 · 0 评论 -
反爬 与 反反爬
了解网站的反爬机制一般网站从以下几个方面反爬虫:1. 通过Headers反爬虫从用户请求的Headers反爬虫是最常见的反爬虫策略。很多网站都会对Headers的User-Agent进行检测,还有一部分网站会对Referer进行检测(一些资源网站的防盗链就是检测Referer)。如果遇到了这类反爬虫机制,可以直接在爬虫中添加Headers,将浏览器的User-Agent复制到爬虫的...原创 2018-08-23 13:18:51 · 5217 阅读 · 0 评论 -
AI-Inception家族介绍
一、文介绍的是著名的网络结构GoogLeNet及其延伸版本,目的是试图领会其中的思想而不是单纯关注结构。 GoogLeNet Incepetion V1 Motivation Architectural Details GoogLeNet Conclusion GoogLeNet Inception V2 Introduction General Design...原创 2018-08-22 21:56:55 · 391 阅读 · 0 评论 -
ResNet学习记录
梯度退化按照我们的惯性思维,一个网络越深则这个网络就应该具有更好的学习能力,而梯度退化是指下面一种现象:随着网络层数的增加,网络的效果先是变好到饱和,然后立即下降的一个现象。在这里,我们引用一幅来自Resnet里面的图片,更加直观的理解这个现象: 从上图我们可以看出,一个56层的网络的训练误差和测试误差都大于一个20层的网络。常规的网络的堆叠(plain network)在网络很深的...原创 2018-08-22 13:22:21 · 537 阅读 · 0 评论