![](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 72
dandeseed
知足且上进,温柔且坚定
展开
-
Yolov3与CenterNet速度和精度对比
DONE (t=13.52s).Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.374Average Precision (AP) @[ IoU=0.50 | area= all | maxDets=100 ] = 0.551Average Precision (AP) @[ IoU=0.75 | area= all | maxDets=100 ] = 0.408A.原创 2021-07-08 21:27:16 · 1518 阅读 · 1 评论 -
yolov5环境部署和测试
检测阶段:模型下载链接:https://github.com/ultralytics/yolov5/releases开始部署环境:出现的问题:No module named “skbuild”解决: pip install scikit-build测试python3 detect.py --source data/images --weights model/yolov5l.pt --conf 0.25ONNX和Pytorch格式文件的相互转换:Pytorch模型导出为ONNX格式:实原创 2021-04-02 20:49:32 · 1337 阅读 · 0 评论 -
统计学完全教程作业2
6.1bias(λ^)=E(λ^)−λ=E(1n∑i=1nXi)−λ=1n∑i=1nE(Xi)−λ=λ−λ=0se=V(λ^)=V(1n∑i=1nXi)=1nλMSE=bias2+V(λ^)=1nλ\begin{aligned}bias(\hat{ \lambda})&=E(\hat{\lambda})-\lambda \\ ...原创 2019-12-19 22:59:31 · 1657 阅读 · 0 评论 -
深度学习超参数介绍及调参
文章目录超参数概念什么是超参数,参数和超参数的区别?神经网络中包含哪些超参数?为什么要进行超参数调优?超参数的重要性顺序部分超参数如何影响模型性能?部分超参数合适的范围网络训练中的超参调整策略如何调试模型?为什么要做学习率调整?超参数概念什么是超参数,参数和超参数的区别? 区分...转载 2019-11-27 14:26:02 · 930 阅读 · 0 评论 -
深度学习超参数介绍及调参
文章目录 超参数概念 什么是超参数,参数和超参数的区别? 神经网络中包含哪些超参数? 为什么要进行超参数调优? 超参数的重要性顺序 部分超参数如何影响模型性能? 部分超参数合适的范围 网络训练中的超参调整策略...转载 2019-11-27 14:17:58 · 885 阅读 · 0 评论 -
深度学习中的batch、epoch、iteration的含义
深度学习的优化算法,说白了就是梯度下降。每次的参数更新有两种方式。第一种,遍历全部数据集算一次损失函数,然后算函数对各个参数的梯度,更新梯度。这种方法每更新一次参数都要把数据集里的所有样本都看一遍,计算量开销大,计算速度慢,不支持在线学习,这称为Batch gradient descent,批梯度下降。另一种,每看一个数据就算一下损失函数,然后求梯度更新参数,这个称为随机梯度下降,stoc...转载 2019-11-23 23:24:15 · 337 阅读 · 0 评论 -
激活函数ReLU、Leaky ReLU、PReLU和RReLU
激活函数”能分成两类——“饱和激活函数”和“非饱和激活函数”。sigmoid和tanh是“饱和激活函数”,而ReLU及其变体则是“非饱和激活函数”。使用“非饱和激活函数”的优势在于两点: 1.首先,“非饱和激活函数”能解决所谓的“梯度消失”问题。 2.其次,它能加快收敛速度。 Sigmoid函数需要一个实值输入压缩至[0,1]的范围 σ(x) = 1 / (...转载 2019-11-23 23:10:28 · 954 阅读 · 0 评论 -
什么是迁移学习
引言跟传统的监督式机器学习算法相比,深度神经网络目前最大的劣势是什么?贵。尤其是当我们在尝试处理现实生活中诸如图像识别、声音辨识等实际问题的时候。一旦你的模型中包含一些隐藏层时,增添多一层隐藏层将会花费巨大的计算资源。庆幸的是,有一种叫做“迁移学习”的方式,可以使我们在他人训练过的模型基础上进行小改动便可投入使用。在这篇文章中,我将会讲述如何使用预训练模型来加速解决问题的过程。...转载 2019-11-23 21:46:52 · 754 阅读 · 0 评论 -
数理统计完全教程作业1
2.3. 引理证明:P(X=x)=F(x)−F(x−),其中,F(x−)=limy→xF(y).\mathbb{P}(X=x)=F(x)-F(x^{-}),其中,F(x^{-})=\mathop{\text{lim}}\limits_{y \to x}F(y).P(X=x)=F(x)−F(x−),其中,F(x−)=y→xlimF(y).证:根据中值定理F(x)−F(x−)=∫x−xf(x)...原创 2019-11-19 10:16:31 · 841 阅读 · 0 评论 -
机器学习中的评价指标(recall、precision、F-messure、PR曲线)
https://blog.csdn.net/StupidAutofan/article/details/79583450https://blog.csdn.net/StupidAutofan/article/details/79583531https://www.cnblogs.com/Zhi-Z/p/8728168.htmlhttps://www.cnblogs.com/sddai/p/5...原创 2019-11-14 14:32:37 · 477 阅读 · 0 评论