- 博客(10)
- 收藏
- 关注
RSS订阅
原创 linux+tensorflow利用faster-RCNN实现目标检测
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入linux+...
2019-07-05 14:26:09
421
原创 Python+输入多行数据
在一些在线笔试中，一般遇到的第一个问题就是数据的读人，今天写一下用Python实现多行数据读入问题话不多说，直接上code，如下：a, b,c= map(int, input().split(',')) # 一行输入多个数字，用逗号隔开，这里是输入三个数字N = list(map(int, input().split())) # 一行输入多个数字，空格隔开，存入列表N中Q = in...
2019-05-23 09:26:48
14061
3
原创 keras搭建VGG、ResNet、GoogleNet InceptionV3实现图像的多分类任务
前一段时间利用深度学习网络做过一些图像分类的任务，所以先找了一些经典的网络进行学习，如VGG、GoogleNet、ResNet，这些网络都是基于卷积操作搭建的网络，主要的差别有两点：内部卷积核大小和网络深度；正是这两点区别，使得网络的分类精度越来越高。这个里面对网络的解释，个人感觉比较通俗易懂，大家可以参考一下。基于keras实现分类任务基于keras利用VGG、ResNet、GoogleNe...
2019-11-04 10:36:20
970
原创 Inception
inception是主要思想是把google net的某一些大的卷积层换成11, 33, 5*5的小卷积，这样能够大大的减小权值参数数量。直接上一张完整的图片
2019-08-06 14:18:58
177
原创 Python+快速排序+内部函数实现排序
快速排序（quickSort）快排的思想：首先任意选取一个数据（通常选用数组的第一个数）作为关键数据，然后将所有比它小的数都放到它前面，所有比它大的数都放到它后面，这个过程称为一趟快速排序；之后利用递归再进行多次排序。先简单写一个冒泡排序，排序实现思路简单暴力，但具有较高时间复杂度 def BubbleSort(list): if list==[]: return [] else:...
2019-05-22 17:31:48
1430
原创 Keras 模型建立方式--- 序贯模型和函数式模型
Keras有两种类型的模型，序贯模型（Sequential）和函数式模型（Model），函数式模型应用更为广泛，序贯模型是函数式模型的一种特殊情况。序贯模型：使用序贯模型可以像搭积木一样一层一层地网上叠加神经网络 .一、序贯模型序贯模型的基本步骤model.add，添加层；model.compile,模型训练的BP模式设置；model.fit，模型训练参数设置 + 训练；model.e...
2019-03-25 11:18:12
759
2
原创 过拟合问题
标题过拟合表现过拟合一般表现为：在训练集上表现好，loss低；但在测试集上表现差，loss大；而且一般过拟合的模型较为复杂。标题防止过拟合方法1、减少特征，去除一些没用的特征2、增大数据量，一般数据量越大，训练效果越好3、正则化，可以是模型简单一些...
2019-03-21 21:57:46
635
原创 逻辑回归、交叉熵函数、Softmax函数的理解
逻辑回归的损失函数线性回归的损失函数是平方损失。逻辑回归的损失函数是对数损失函数，定义如下：其中：(xy)ϵD 是包含很多有标签样本 (x,y) 的数据集。“y”是有标签样本中的标签。由于这是逻辑回归，因此“y”的每个值必须是 0 或 1。“y’”是对于特征集“x”的预测值（介于 0 和 1 之间）。逻辑回归中的正则化正则化在逻辑回归建模中极其重要。如果没有正则化，逻辑回归的渐近性...
2019-03-21 15:39:38
533
原创 激励函数的意义和常用几个激励函数
激励函数的意义和类比在学习神经网络的时候，接触到的第一个晦涩的概念就是激励函数这个名词。所以小编就查了好多资料来理解这个概念，
2019-03-20 21:08:51
4777
原创 深度学习中Dropout
小编在深度学习的学习过程中，遇到的第2个概念是Dropout，所以又是一顿恶补。但感觉这个Dropout不仅要有通俗的个人理解，对原理的理解也是很重要的。为什么会有Dropout在模型训练过程中，如果模型的参数太多，而训练样本又太少，训练出来的模型很容易产生过拟合的现象。在训练神经网络中，过拟合表现为：模型在训练数据上损失函数较小，预测准确率较高；但在测试数据上损失函数比较大，预测准确率较低。...
2019-03-20 21:07:54
564
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人