深度学习进阶
文章平均质量分 93
罗小罗同学
医学人工智能方向在读硕士,定期分享医学AI最新研究,同名公众号与交流群均由小罗个人运营,欢迎交流与合作!!
展开
-
一文带你快速入门【卷积神经网络(CNN)】
softmax层用于人脸分类**。中间三层都是使用参数不共享的卷积核,即局部卷积。具体原因如下:(1)对齐的人脸图片中,不同的区域会有不同的统计特征,因此并不存在特征的局部稳定性,所以使用相同的卷积核会导致信息的丢失。(2)不共享的卷积核并不增加推理时特征的计算量,仅会增加训练时的计算量。使用不共享的卷积核,由于需要训练的参数量大大增加,因此往往需要增加数据集的样本量以达到较好的效果。原创 2024-03-17 16:21:39 · 1180 阅读 · 1 评论 -
深度学习基础·上
从而有目的的去提取目标信息, 非常。原创 2024-03-17 16:20:08 · 1035 阅读 · 1 评论 -
机器学习基础(下)
举例来说,对于图中的第4个样本,其“Score”值为0.6,那么样本1,2,3,4都被认为是正样本,因为它们的“Score”值都大于等于0.6,而其他样本则都认为是负样本。现在假设有一个训练好的二分类器对10个正负样本(正例5个,负例5个)预测,得分按高到低排序得到的最好预测结果为[1, 1, 1, 1, 1, 0, 0, 0, 0, 0],即5个正例均排在5个负例前面,正例排在负例前面的概率为100%。因为ROC曲线有个很好的特性:当测试集中的正负样本的分布变换的时候,ROC曲线能够保持不变。原创 2024-03-17 16:19:31 · 694 阅读 · 1 评论 -
机器学习基础(中)
损失函数(Loss Function)又叫做误差函数,用来衡量算法的运行情况,估量模型的预测值与真实值的不一致程度,是一个非负实值函数,通常使用 L(Y, f(x)) 来表示。损失函数越小,模型的鲁棒性就越好。损失函数是经验风险函数的核心部分,也是结构风险函数重要组成部分。原创 2024-03-17 16:18:47 · 671 阅读 · 0 评论 -
深度学习需要的数学基础
导数(derivative)代表了在自变量变化趋于无穷小的时候,函数值的变化与自变量的变化的比值。几何意义是这个点的切线。物理意义是该时刻的(瞬时)变化率。注意:在一元函数中,只有一个自变量,也就是说只存在一个方向的变化率,这也就是为什么一元函数没有偏导数的原因。在物理学中有平均速度和瞬时速度之说。平均速度: v=\frac{s}{t} ,其中 v 表示平均速度, s 表示路程, t 表示时间。原创 2024-03-17 16:16:49 · 1045 阅读 · 1 评论