![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 90
SunnyFish-ty
学习学习再学习!
展开
-
从机器学习谈起
在本篇文章中,我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习,并且上手相关的实践。这篇文档也算是EasyPR开发的番外篇,从这里开始,必须对机器学习了解才能进一步介绍EasyPR的内核。当然,本文也面对一般读者,不会对阅读有相关的前提要求。 在进入正题前,我想读者心中可能会有一个疑惑:机器学习有什么重要性,以至于要阅读完这篇非常长的文章呢? 我并不直...转载 2018-03-30 13:04:21 · 252 阅读 · 0 评论 -
windows下训练yolo时出现CUDA Error: out of memory问题的解决
1.CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertio `0' failed.需要修改所使用的模型cfg文件中的subdivision的参数。由subdivisions=8改成subdivisions=64。subdivision:这个参数很有意思的,它会让你的每一个batch不是一下子都丢到网络里。而...转载 2018-05-24 11:29:02 · 45568 阅读 · 10 评论 -
Windows下如何用CMD命令跳转到指定的目录下
用易信 “扫一扫”将文章分享到朋友圈。 下载LOFTER我的照片书 |以Window7为例说明,想要跳转到I:\adt-bundle-windows-x86-20130219\sdk\platform-tools目录下。1、在运行中打开CMD命令窗口如下图所示: 2、输入盘符I:,按下回车键即可,这样就跳转到I盘下。如下图所示。 3、输入命令,“cd adt-bundle-wind...转载 2018-05-24 11:14:11 · 20402 阅读 · 0 评论 -
关于from PIL import Image问题
首先,需要用cmd命令找到python27\Scripts,下载安装pip,如果有,即可直接安装pillow以及image;接下来,会发现pycharm中“from PIL import Image”还是报错,接下来,我们点开file->settings->project interpreter,双击pip,搜索pillow,点击pillow,左下角会有install,安装成功即可。至...原创 2018-05-23 16:49:51 · 112306 阅读 · 2 评论 -
python代码xml转txt
为了训练深度学习模型,经常要整理大量的标注数据,需统一不同格式的标注数据,一般情况下习惯读取TXT格式的数据。但实际中经常遇到XML格式的标注数据,在此举例:1.读取XML标注数据;2.写入TXT文件。XML标注数据如下[html] view plain copy<annotation verified="no"> <folder>suE</folder>...转载 2018-05-23 15:40:12 · 5919 阅读 · 2 评论 -
深度学习超参数简单理解learning rate,weight decay和momentum
说到这些参数就会想到Stochastic Gradient Descent (SGD)!其实这些参数在caffe.proto中 对caffe网络中出现的各项参数做了详细的解释。Learning Rate学习率决定了权值更新的速度,设置得太大会使结果超过最优值,太小会使下降速度过慢。仅靠人为干预调整参数需要不断修改学习率,因此后面3种参数都是基于自适应的思路提出的解决方案。后面3中参数分别为:Wei...转载 2018-05-25 15:41:01 · 1532 阅读 · 0 评论 -
SVM中核函数的理解
这篇文章是阅读JULY大神支持向量机通俗导论(理解SVM的三层境界)的一点学习笔记。 在JULY大神原文中,对核函数解释的时候,点和点的坐标表示混用了”X”这个字母,从而为理解带来了不便。于是自己经过一些验算和重写之后,有了这一学习笔记。我们知道,核函数的提出是在解决SVM在将低维线性不可分数据映射成高位线性可分时提出来的,于是我们直接从此开始。 对于下图(来源于导论原文)的两类数据 我们可以用...转载 2018-04-16 20:48:28 · 1211 阅读 · 0 评论 -
【转】PyScripter启动出错:Python could not be properly initialized. We must quit.
【问题】折腾:【记录】使用Python的IDE:PyScripter过程中,安装完毕PyScripter后,启动出错:Python could not be properly initialized. We must quit. 【解决过程】1. 由于我当前已经安装的Python版本是2.7.2的,所以,后来从启动菜单中,找到了PyScripter for 2.7的,打算去试试:结果错误依旧。2....转载 2018-03-25 23:58:33 · 1167 阅读 · 0 评论 -
AdaBoost—MATLAB代码
在网上看了几篇AdaBoost的介绍后,感觉网上介绍的都不好,不能够让人完全理解,因此就下载了一个外国人写的代码,总算透彻的理解了AdaBoost,可以向Transfer开进了,现在分享一下代码: 主函数代码[plain] view plain copyclear;clc; % % DEMONSTRATION OF ADABOOST_tr and ADABOOST_te % % ...转载 2018-03-25 17:13:20 · 3738 阅读 · 0 评论 -
Boosting算法概念解析
Boosting是一族可将弱学习器提升为强学习器的算法,这族算法的工作机制类似:先从初始训练集训练出一个基学习器,再根据基学习器的表现对训练样本分布进行调整,使得先前基学习器做错的训练样本在后续受到更多的关注,然后基于调整后的样本分布来训练下一个基学习器;如此重复进行,直至基学习器数目达到事先指定的值T,最终将这T个基学习器进行加权结合。根据所给算法描述,好像只能同质 集成。百度百科的介绍:Ada...转载 2018-03-25 13:33:02 · 1238 阅读 · 0 评论 -
主成分分析(PCA)原理详解
一、PCA简介1. 相关背景主成分分析(Principal Component Analysis,PCA), 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量,转换后的这组变量叫主成分。上完陈恩红老师的《机器学习与知识发现》和季海波老师的《矩阵代数》两门课之后,颇有体会。最近在做主成分分析和奇异值分解方面的项目,所以记录一下心得体会。在许多领域的研究与应用中,往往需...原创 2018-03-24 19:41:44 · 512 阅读 · 0 评论 -
距离度量之马氏距离
马氏距离用来度量一个样本点P与数据分布为D的集合的距离。 假设样本点为: 数据集分布的均值为: 协方差矩阵为S。则这个样本点P与数据集合的马氏距离为: 马氏距离也可以衡量两个来自同一分布的样本x和y的相似性: 当样本集合的协方差矩阵是单位矩阵时,即样本的各个维度上的方差均为1.马氏距离就等于欧式距离相等。 当协方差矩阵是对角矩阵时,即样本数据在各个维度上的方差可能不为1.此时, 可以看做是标准化...转载 2018-03-24 19:37:56 · 936 阅读 · 0 评论 -
对YOLO训练输出参数的理解
I was recently asked what the different parameters mean you see logged to your terminal while training and how we should interpret these. An interesting question I will try to explain here.Nothing mor...转载 2018-05-24 16:53:41 · 1884 阅读 · 0 评论