2020年05月_Roy??

09月 08月 07月 06月 05月

原创 Datawhale 零基础入门CV赛事-Task4 模型训练与验证

Datawhale 零基础入门CV赛事-Task4 模型训练与验证在上一章节我们构建了一个简单的CNN进行训练，并可视化了训练过程中的误差损失和第一个字符预测准确率，但这些还远远不够。一个成熟合格的深度学习训练流程至少具备以下功能：在训练集上进行训练，并在验证集上进行验证；模型可以保存最优的权重，并读取权重；记录下训练集和验证集的精度，便于调参。 4 模型训练与验证为此本章将从构建验证集、模型训练和验证、模型保存与加载和模型调参几个部分讲解，在部分小节中将会结合Pytorch代码进行讲解。 4.1

2020-05-30 17:16:27 96

原创 Datawhale 零基础入门CV赛事-Task3 字符识别模型

Datawhale 零基础入门CV赛事-Task3 字符识别模型在前面的章节，我们讲解了赛题的背景知识和赛题数据的读取。本章开始构建一个字符识别模型，基于对赛题理解本章将构建一个定长多字符分类模型。 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

2020-05-26 12:54:05 87

原创 Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增

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符。

2020-05-23 13:28:44 90

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人