学习
文章平均质量分 90
闲人_Yty
这个作者很懒,什么都没留下…
展开
-
李宏毅机器学习2021系列 作业2-年收入判断
李宏毅机器学习2021系列作业2-年收入判断项目描述二元分类是机器学习中最基础的问题之一,在这份教学中,你将学会如何实作一个线性二元分类器,来根据人们的个人资料,判断其年收入是否高于 50,000 美元。我们将以两种方法: logistic regression 与 generative model,来达成以上目的,你可以尝试了解、分析两者的设计理念及差别。实现二分类任务:个人收入是否超过50000元?数据集介绍这个资料集是由UCI Machine Learning Repository原创 2021-03-17 16:49:37 · 2572 阅读 · 8 评论 -
李宏毅机器学习2021系列 作业1-PM2.5预测
李宏毅机器学习2021系列作业1-PM2.5预测项目描述本次作业的资料是从行政院环境环保署空气品质监测网所下载的观测资料。希望大家能在本作业实现 linear regression 预测出 PM2.5 的数值。数据集介绍本次作业使用丰原站的观测记录,分成 train set 跟 test set,train set 是丰原站每个月的前 20 天所有资料。test set 则是从丰原站剩下的资料中取样出来。train.csv: 每个月前 20 天的完整资料。test.csv : 从剩下的原创 2021-03-15 23:17:22 · 2429 阅读 · 1 评论 -
图像处理入门基础(OpenCV)
文章目录图像处理入门基础(OpenCV)引言1. OpenCV库基础操作图像处理的概念与基本操作图片、GIF、视频像素:画面中最小的点分辨率=画面水平方向的像素值 * 画面垂直方向的像素值屏幕分辨率图像分辨率图像的基本概念使用OpenCV加载并保存图片说明加载图片2. OpenCV库进阶操作图像基本操作ROI通道分割与合并颜色空间转换特定颜色物体追踪阈值分割固定阈值分割自适应阈值Otsu阈值小结图像几何变换缩放图片翻转图片平移图片绘图功能画线画矩形添加文字小结图像间数学运算图片相加图像混合按位操作小结平滑图原创 2021-03-03 15:36:13 · 1390 阅读 · 1 评论 -
Paddle高层API实现图像分类(CIFAR-100数据集_ResNet101)
Paddle高层API实现图像分类(CIFAR-100数据集_ResNet101)『深度学习7日打卡营·大作业』零基础解锁深度学习神器飞桨框架高层API,七天时间助你掌握CV、NLP领域最火模型及应用。课程地址传送门:https://aistudio.baidu.com/aistudio/course/introduce/6771目标掌握深度学习常用模型基础知识熟练掌握一种国产开源深度学习框架具备独立完成相关深度学习任务的能力能用所学为AI加一份年味数据集:指定数据集:原创 2021-02-11 19:39:39 · 1132 阅读 · 4 评论 -
paddle2.0高层API实现人脸关键点检测(人脸关键点检测综述_自定义网络_paddleHub_趣味ps)
paddle2.0高层API实现人脸关键点检测(人脸关键点检测综述_自定义网络_paddleHub_趣味ps)本文包含了:- 人脸关键点检测综述- 人脸关键点检测数据集介绍以及数据处理实现- 自定义网络实现关键点检测- paddleHub实现关键点检测- 基于关键点检测的趣味ps『深度学习7日打卡营·day3』零基础解锁深度学习神器飞桨框架高层API,七天时间助你掌握CV、NLP领域最火模型及应用。课程地址传送门:https://aistudio.baidu.com/aistud原创 2021-02-06 02:43:37 · 917 阅读 · 0 评论 -
paddle2.0高层API实现ResNet50(十二生肖分类实战)
paddle2.0高层API实现ResNet50(十二生肖分类实战)① 问题定义十二生肖分类的本质是图像分类任务,我们采用CNN网络结构进行相关实践。② 数据准备2.1 解压缩数据集我们将网上获取的数据集以压缩包的方式上传到aistudio数据集中,并加载到我们的项目内。在使用之前我们进行数据集压缩包的一个解压。!unzip -q -o data/data68755/signs.zip2.2 数据标注我们先看一下解压缩后的数据集长成什么样子。.├── test│ ├── do原创 2021-02-05 02:43:14 · 972 阅读 · 0 评论 -
paddle2.0高层API快速实现LeNet(MNIST手写数字识别)
文章目录paddle2.0高层API快速实现LeNet(MNIST手写数字识别)DL万能公式数据加载和预处理查看数据搭建LeNet-5卷积神经网络网络模型可视化模型配置模型评估模型预测批量预测单张图片预测部署上线保存模型继续调优训练保存预测模型paddle2.0高层API快速实现LeNet(MNIST手写数字识别)『深度学习7日打卡营·快速入门特辑』零基础解锁深度学习神器飞桨框架高层API,七天时间助你掌握CV、NLP领域最火模型及应用。课程地址传送门:https://aistudio.bai原创 2021-02-04 22:56:04 · 501 阅读 · 1 评论 -
MobileNetV1/V2详解_以及MobileNetV2_Tensorflow2实现
MobileNet v1/v2卷积神经网络(CNN)已经普遍应用在计算机视觉领域,并且已经取得了不错的效果。图1为近几年来CNN在ImageNet竞赛的表现,可以看到为了追求分类准确度,模型深度越来越深,模型复杂度也越来越高,如深度残差网络(ResNet)其层数已经多达152层。然而,在某些真实的应用场景如移动或者嵌入式设备,如此大而复杂的模型是难以被应用的。首先是模型过于庞大,面临着内存不足的问题,其次这些场景要求低延迟,或者说响应速度要快,想象一下自动驾驶汽车的行人检测系统如果速度很慢会发生什么可怕原创 2021-02-04 14:31:06 · 918 阅读 · 0 评论 -
forget tf1! TensorFlow2索引和切片
文章目录TensorFlow2 Index & sliceBasic indexingNumpy-style indexingslicestart:endIndexing bystart:end:step (::)::-1 (inverse)...Seletive Indexingtf.boolean_maskTensorFlow2 Index & sliceindexingBasic indexing[idx][idx][idx]Same with Numpy[id原创 2021-02-03 23:06:10 · 249 阅读 · 1 评论 -
ResNet详解以及Tensorflow2实现(resnet_v1/v2_34/50/101)
ResNet_Tensorflow2实现ResNet引入在VGG-19中,卷积网络达到了19层,在GoogLeNet中,网络史无前例的达到了22层。网络层数越高包含的函数空间也就越大,理论上网络的加深会让模型更有可能找到合适的函数。但实际上,网络的精度会随着网络的层数增多而增多吗?在深度学习中,网络层数增多一般会伴着下面几个问题计算资源的消耗模型容易过拟合梯度消失/梯度爆炸问题的产生根据实验表明,随着网络的加深,优化效果反而越差,测试数据和训练数据的准确率反而降低了。这是由于网络的加深会原创 2021-02-03 01:33:12 · 1319 阅读 · 1 评论 -
CNN卷积神经网络_Lenet详解_paddle2.0实现
CNN卷积神经网络卷积神经网络(Convolutional Neural Networks, CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks),是深度学习(deep learning)的代表算法之一。卷积神经网络具有表征学习(representation learning)能力,能够按其阶层结构对输入信息进行平移不变分类(shift-invariant classification),因此也被称为“平移不变人工神经网络(Shift-Invar原创 2021-01-19 09:46:25 · 1084 阅读 · 0 评论 -
paddle2.0实现DNN(minst数据集)
文章目录paddle2.0实现DNN(minst数据集)Python依赖库数据准备数据集介绍train_reader和test_reader网络配置模型预测图片预处理使用Matplotlib工具显示这张图像并预测paddle2.0实现DNN(minst数据集)实践总体过程和步骤如下图:#导入需要的包import osimport zipfileimport randomimport jsonimport numpy as npfrom PIL import Imageimport m原创 2021-01-18 12:06:16 · 682 阅读 · 0 评论 -
深度学习Python基础库的使用
目录Python编程库Why Python?Python机器学习的优势Numpy库1.数组创建2.数组的计算3.数组的索引与切片pandas库1.Series2.DataFramePIL库Matplotlib库Python编程库Python被大量应用在数据挖掘和深度学习领域,其中使用极其广泛的是Numpy、pandas、Matplotlib、PIL等库。Why Python?解释型语言(Interpreted Languages)免费试用跨平台执行Python机器学习的优势方便调试的原创 2021-01-17 09:21:08 · 136 阅读 · 0 评论 -
强化学习(Reinforcement learning)综述
文章目录Reinforcement learning 综述强化学习的分类环境(Model-free,Model-based)Based(Policy-Based RL & Value-Based RL)回合更新和单步更新在线学习和离线学习强化学习理论基础马尔可夫决策过程(Markov Decision Processes,MDPs)基本概念MDP 求解Bellman期望方程Bellman方程的分析状态价值函数和动作价值函数的关系最优方程最优价值函数(optimal state-value funct原创 2021-01-11 16:23:13 · 3521 阅读 · 0 评论 -
pytorch神经网络实现
目录pytorch神经网络实现卷积神经网络(CNN)卷积池化(pooling)流行的CNN结构PyTorch搭建CNNRNN循环神经网络LSTM RNNPyTorch实现RNN自编码(Autoencoder)MNIST实战GAN生成对抗网络(Generative Adversarial Networks)pytorch神经网络实现包括CNN、RNN、LSTM等神经网络的介绍以及PyTorch实现。卷积神经网络(CNN)CNN(Convolutional Neural Network)卷积“卷积原创 2021-01-06 21:21:45 · 326 阅读 · 0 评论 -
PyTorch(2):搭建神经网络
PyTorch(2):搭建神经网络主要内容是通过Pytorch进行简单神经网络的搭建。关系拟合(回归) Regressionimport torchimport torch.nn.functional as Fimport matplotlib.pyplot as pltx = torch.unsqueeze(torch.linspace(-1,1,100),dim=1) # x data (tensor),shape=(100,1)y = x.pow(2) + 0.2*torch.ra原创 2021-01-06 21:15:46 · 168 阅读 · 0 评论