2020.06cv学习
张一%
这个作者很懒,什么都没留下…
展开
-
cv5-模型集成
文章目录模型集成的目的集成学习方法深度学习中的集成学习DropoutTTASnapshot结果后处理模型集成的目的提高预测精度集成学习方法 深度学习中的集成学习和结果后处理思路集成学习方法常见方法:Staking Bagging 和Boosting硬件很关键 : 硬件允许建议选择留出法需要高精度可以使用交叉验证法集成:十折交叉验证对预测的结果的概率值进行平均深度学习中的集成学习Dropout训练时 通过随即让一部分节点停止工作 预测时让所有的节点都起作用Dropout 常出现在原创 2020-06-02 07:50:43 · 441 阅读 · 0 评论 -
cv4-模型训练与验证
文章目录成熟且合格的深度学习训练流程模型训练与验证构造验证集模型训练与验证模型的保存和加载模型的调参成熟且合格的深度学习训练流程1 在训练集上训练,在验证集上验证2模型可以保存最优的权重,并取读权重3 可以记录下训练集和验证集的精度,便于调参模型训练与验证构造验证集机器学习训练结果很容易过拟合,所以对于训练集可能有较小的误差,但是模型的预测能力就很差了欠拟合 在训练集上结果就很差如何解决过拟合构建一个与测试集尽可能分布一致的样本集(即验证集),在训练的时候不断验证模型在验证集上的精度,以原创 2020-05-30 22:47:04 · 578 阅读 · 0 评论 -
cv3-字符识别模型
文章目录CNN(卷积神经网络)介绍常见相关名词的英语构建CNN模型!!!!!!!代码构建训练代码卷积神经网络常见层CNN(卷积神经网络)介绍精度和速度比传统计算学习方法高很多在计算机领域,CNN是解决图像分类,图像检索物体检测,语义分割的主流模型CNN每一层有众多的卷积核组成,每个卷积核对输入的像素进行卷积操作得到下一次输入约等于降维吧,变小了CNN是一种层次模型,由卷积,池化,非线性激活函数和全连接层构成。CNN训练原理:通过多次卷积和池化,CNN的最后一层将输入的 图像像素 映射为具体原创 2020-05-25 20:35:14 · 352 阅读 · 0 评论 -
cv2-task数据读取与数据扩增
文章目录图像读取PillowOpenCV1.3数据扩增方法2.3.1数据扩增介绍Pytorch读取数据学习使用 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知识点图像读取赛题任务是识别图像中的字符,所以首先要完成对数据的读取Python中有很多库可以完成数据读的操作,常见的有Pillow和OpenCVPillowPIL的一个分支,它可以与ipython notebook无缝集成from PIL import Image# 导入Pillow库im=Image.open('cat.jp原创 2020-05-23 08:33:35 · 415 阅读 · 0 评论 -
cv——Baseline+Task1 赛题理解
文章目录跑跑baseline跑跑baseline利用天池实验室跑大佬们给的baseline时要先挂载数据进去之后找到对应的数据集添加此时这个就可以运行了links = pd.read_csv('datalab/63253/mchar_data_list_0515.csv')links # 观察结果如下...原创 2020-05-19 22:48:44 · 329 阅读 · 1 评论