![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
CV
ccChantal
这个作者很懒,什么都没留下…
展开
-
Datawhale 零基础入门CV赛事-Task5
5 模型集成本章讲解的知识点包括:集成学习方法深度学习中的集成学习和结果后处理思路。5.1 学习目标学习集成学习方法以及交叉验证情况下的模型集成学会使用深度学习模型的集成学习5.2 集成学习方法在机器学习中的集成学习可以在一定程度上提高预测精度,常见的集成学习方法有Stacking、Bagging和Boosting,同时这些集成学习方法与具体验证集划分联系紧密。由于深度学习模型一般需要较长的训练周期,如果硬件设备不允许建议选取留出法,如果需要追求精度可以使用交叉验证的方法。下面假原创 2020-06-02 23:34:38 · 86 阅读 · 0 评论 -
datawhale零基础入门CV Task4
4 模型训练与验证4.1 学习目标理解验证集的作用,并使用训练集和验证集完成训练学会使用Pytorch环境下的模型读取和加载,并了解调参流程4.2 构造验证集在机器学习模型(特别是深度学习模型)的训练过程中,模型是非常容易过拟合的。深度学习模型在不断的训练过程中训练误差会逐渐降低,但测试误差的走势则不一定。在模型的训练过程中,模型只能利用训练数据来进行训练,模型并不能接触到测试集上的样本。因此模型如果将训练集学的过好,模型就会记住训练样本的细节,导致模型在测试集的泛化效果较差,这种现象称为过原创 2020-05-30 23:27:10 · 106 阅读 · 0 评论 -
Datawhale 零基础入门CV赛事-Task3 字符识别模型
3 字符识别模型本章将会讲解卷积神经网络(Convolutional Neural Network, CNN)的常见层,并从头搭建一个字符识别模型。3.1 学习目标学习CNN基础和原理使用Pytorch框架构建CNN模型,并完成训练3.2 CNN介绍卷积神经网络(简称CNN)是一类特殊的人工神经网络,是深度学习中重要的一个分支。CNN在很多领域都表现优异,精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域,CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型。CNN每一层由原创 2020-05-26 23:19:32 · 115 阅读 · 0 评论 -
datawhale零基础入门CV Task2
Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增在上一章节,我们给大家讲解了赛题的内容和三种不同的解决方案。从本章开始我们将逐渐的学习使用【定长字符识别】思路来构建模型,逐步讲解赛题的解决方案和相应知识点。2 数据读取与数据扩增本章主要内容为数据读取、数据扩增方法和Pytorch读取赛题数据三个部分组成。2.1 学习目标学习Python和Pytorch中图像读取学会扩增方法和Pytorch读取赛题数据2.2 图像读取由于赛题数据是图像数据,赛题的任务是识别图像中的字原创 2020-05-23 23:09:40 · 215 阅读 · 0 评论 -
零基础入门CV task1
思路:使用CNN进行定长字符分类;运行系统要求:Python2/3,内存4G,有无GPU都可以(P.S. 环境一定要配置好!环境很重要)一、准备工作:1.gpu环境的“深入”:https://github.com/datawhalechina/dive-into-cv-pytorch/tree/master/beginner/chapter01_preliminary_knowledge/1.1_environment_install2.anaconda虚拟环境的建立3.pytorch的安装。原创 2020-05-20 22:28:59 · 170 阅读 · 0 评论