机器学习
文章平均质量分 74
Cche1
即使是一个智慧的地狱,也比一个愚昧的天堂好些。
展开
-
机器学习: 训练集、验证集、测试集关系
最近在看机器学习的东西发现验证集的(Validation set) 有时候被提起到,以时间没明白验证集的真正用途。首先,这三个名词在机器学习领域的文章中是很常见的,以下是这三个词的定义。 Training set: A set of examples used for learning, which is to fit the parameters [i.e., weights原创 2017-07-21 11:12:33 · 4508 阅读 · 0 评论 -
0x00007FFD886A9129 处(位于 OpenCVTest.exe 中)有未经处理的异常: Microsoft C++ 异常: cv::Exception,位于内存位置 0x00000014
异常:0x00007FFD886A9129 处(位于 OpenCVTest.exe 中)有未经处理的异常: Microsoft C++ 异常: cv::Exception,位于内存位置 0x0000001472B9E7E0 处。原因:OpenCV中的imread函数读入格式问题,不支持类似“E:\OpenCV\OpenCVTest\4.png”这种格式。解决方案:将imread函数...原创 2019-04-15 16:01:07 · 21268 阅读 · 4 评论 -
opencv3.4与vs2017环境搭建
结合以下两篇文章即可完成配置,亲测有效:https://blog.csdn.net/qq_38604769/article/details/79305879https://jingyan.baidu.com/article/dca1fa6f13bd55f1a44052b9.html感谢博主贡献,希望可以帮到更多人。...原创 2019-04-15 11:31:30 · 236 阅读 · 0 评论 -
视觉光源选择
在机器视觉系统中,获得一张高质量的可处理的图像是至关重要。系统之所以成功,首先要保证图像质量好,特征明显,。一个机器视觉项目之所以失败,大部分情况是由于图像质量不好,特征不明显引起的。要保证好的图像,必须要选择一个合适的光源。 光源选型基本要素: 对比度:对比度对机器视觉来说非常重要。机器视觉应用的照明的最重要的任务就是使需要被观察的特征与需要被忽略...转载 2018-11-05 16:25:09 · 2402 阅读 · 0 评论 -
(干货)经验之谈:DeepLearning---(CNN)调参策略(二)
(干货)经验之谈:DeepLearning---卷积神经网络(CNN)(一)主要讲解了CNN模型的构造,那么本篇博客就主要讲解如何进行对应算法的训练策略。二、学习算法及训练策略下面,我们给出深度卷积神经网络的一些训练技巧,从数据的预处理、网络模型的参数初始化、训练过程中的学习速率及激活函数特性分析、正则化约束等角度总结一些实用的训练技巧。1、数据预处理数据预处理包括输入数据的预处理及隐层输出的归一...原创 2018-03-01 16:36:03 · 2471 阅读 · 1 评论 -
(干货)经验之谈:DeepLearning---CNN调参策略(一)
由于博主毕业设计需求,因此将自己两年来的经验小结一下,供自己后期查阅,同时希望能够帮到初入DL领域的小可爱们。本篇博客纯属干货,有任何问题,欢迎大家评论,博主会在看到的第一时间帮大家解疑。首先说一下什么是卷积神经网络?一、卷积神经网络的数学模型卷积神经网络是一种特殊的深度前馈神经网络,该网络模型的基础模块为卷积流(为了避免层级之间全连接造成的参数冗余),包括卷积(用于维数拓展)、非线性(稀疏性、饱...原创 2018-03-01 14:07:54 · 5749 阅读 · 0 评论 -
机器学习笔记(一)
机器学习算法原理: https://github.com/wepe/MachineLearning 机器学习实战原书内容与批注: https://github.com/apachecn/MachineLearning 机器学习的Python实现: https://github.com/lawlite19/MachineLearing_Python#原创 2017-11-23 17:53:39 · 511 阅读 · 0 评论 -
机器学习--常见神经网络及深度神经网络概述
1、无监督逐层训练:预训练:每次训练一层隐结点。训练时将上一层隐结点的输出作为输入,而本层隐结点的输出作为 下一层隐结点的输入。在预训练结束后,再对整个网络进行微调训练。2、DNN:指深度神经网络,与RNN循环神经网络、CNN卷积神经网络的区别就是,DNN特指全连接的神经元结构,并不包含卷积单元 或时间上的关联。一、DBN:(预训练+微调)思想:整个网络看成是多个RBM原创 2017-10-31 20:47:36 · 1113 阅读 · 0 评论 -
深度学习面试题2018
1、问题:如何优化模型 : 加速收敛, 避免overfit, 提升精度 ..?答案:可以从以下几个参数开始:- batch size effect;- learning rate effect;- weight initialization effect;- batch normalization- drop-out;- model average;- fine-tunin原创 2017-10-31 21:32:56 · 6802 阅读 · 0 评论 -
CNN/RNN网络各自参数含义、如何初始化参数,BP计算以及常见超参数调整策略。。。。
今天给大家推荐一本入门深度学习必读的权威教材,由深度学习权威Yoshua Bengio和GAN之父Ian Goodfellow等人合著的DeepLearning经典教程《Deep Learning》。废话不多说,直接上链接。中文版pdf下载地址:https://pan.baidu.com/s/1hr8qadY中文版github地址:https://github.com/ex原创 2017-09-10 20:25:16 · 3843 阅读 · 1 评论 -
推荐系统
开始探坑推荐系统,这个乍一听去乐趣无穷的课题,对于算法大神们来说是这样的: 而对于刚接触这个领域的我来说,是这样的: 在深坑外围徘徊了一周后,我整理了一些推荐系统的基本概念以及一些有代表性的简单的算法,作为初探总结,也希望能抛砖引玉,给同样想入坑的伙伴们提供一些思路。 1.什么是推荐系统什么是推荐系统?如果原创 2017-09-09 21:34:57 · 1087 阅读 · 0 评论 -
弗洛伊德算法-----最短路径算法(一)
学习此算法的原因:昨天下午遛弯的时候,碰到闺蜜正在看算法,突然问我会不会弗洛伊德算法?我就顺道答应,然后用了半个小时的时间,学习了此算法,并用5分钟讲解给她听,在此也分享给各位需要的朋友,让你们在最短的时间内,透彻的掌握该算法。Robert W. Floyd(罗伯特 弗洛伊德)1962年在“Communication of the ACM”上发表了该算法,同年Stephen Warsha...原创 2017-12-28 16:37:58 · 27940 阅读 · 6 评论