![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
纵心似水
心之所向,素履以往;学如逆旅,一苇以航。
展开
-
(转)优化时该用SGD,还是用Adam?——绝对干货满满!
优化时该用SGD,还是用Adam?——绝对干货满满!转载 2019-12-06 11:16:32 · 49495 阅读 · 9 评论 -
MDS(Multi-dimension Scaling)计算与python代码实现
MDS(Multi-dimension Scaling)计算与python代码实现在现实数据中,很多数据都是高纬度的,在高纬度情况下进行数据处理将会有极大的数据处理量。为了,减少计算量,常常需要缓解这种数据维度灾难,这有两种途径:降维和特征选择。我们在这里介绍其中一种降维算法:MDS算法。MDS算法要求原始空间中样本之间的距离在低维空间中得以保持。但是为了有效降维,我们往往只需要降维后的距离与...转载 2019-12-04 17:40:00 · 2874 阅读 · 1 评论 -
详解Triplet loss三元组损失
详解Triplet loss三元组损失转载 2019-11-05 10:26:34 · 3027 阅读 · 0 评论 -
神经网络中的Exponential Moving Average——指数滑动平均
Exponential Moving Average——指数滑动平均找到一篇讲解神经网络中滑动平均的很好的文章,全程截图如下:转载 2019-10-18 16:06:08 · 1085 阅读 · 0 评论 -
GAN生成图像质量的两个评价指标——IS与FID
很久没有写原创博客了,最近在研究图像生成,看到关于生成器的评价指标有这么几个——IS(Inception Score)、FID(Fréchet Inception Distance)以及一些其它距离指标,下面主要参考三个博客,写写我的理解与感受吧。原创 2019-10-15 17:08:58 · 34886 阅读 · 10 评论 -
思考深度学习的泛化能力
深度神经网络往往带有大量的参数,但依然表现出很强的泛化能力(指训练好的模型在未见过的数据上的表现)。深度神经网络为何会拥有如此强的泛化能力?2016年、2017年的两篇论文引起了广泛思考。神经网络通过记忆学习《Understanding deep learning requires rethinking generalization》 一文通过实验得出初步结论: 神经网络极易记忆训练数...转载 2019-10-15 11:38:01 · 1140 阅读 · 0 评论 -
(转)t-SNE使用过程中的一些坑
t-SNE使用过程中的一些坑t-SNE使用过程中的一些坑转载 2019-09-29 13:55:18 · 646 阅读 · 0 评论 -
[全面解析] 机器学习中的数据聚类效果的可视化手段——从SNE到t-SNE再到LargeVis
[全面解析] 机器学习中的数据聚类效果的可视化手段——从SNE到t-SNE再到LargeVishttp://bindog.github.io/blog/2016/06/04/from-sne-to-tsne-to-largevis/转载 2019-09-26 09:10:47 · 318 阅读 · 0 评论 -
(转)简单强化Q-learning的Python实现
(转)简单强化Q-learning的Python实现强化学习(reinforcement learning),又称再励学习、评价学习,是一种重要的机器学习方法,强化学习是智能体(Agent)以“试错”的方式进行学习,通过与环境进行交互获得的奖赏指导行为,目标是使智能体获得最大的奖赏,强化学习不同于连接主义学习中的监督学习,主要表现在强化信号上,强化学习中由环境提供的强化信号是对产生动...转载 2019-09-17 21:22:11 · 1088 阅读 · 1 评论 -
遗传算法的Python实现
遗传算法的Python实现原创 2019-09-17 16:03:54 · 839 阅读 · 0 评论 -
(转)ICLR2018年网络结构生成论文——论文分层表示高效的架构搜索(HIERARCHICAL REPRESENTATIONS FOR EFFICIENT ARCHITECTURE SEARCH)
ICLR2018年网络结构生成论文——论文分层表示高效的架构搜索(HIERARCHICAL REPRESENTATIONS FOR EFFICIENT ARCHITECTURE SEARCH) ...转载 2019-09-05 14:22:36 · 199 阅读 · 0 评论 -
(转)CVPR2019年增量学习论文解读—— large scale incremental learning
CVPR2019年增量学习论文解读—— large scale incremental learning版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。本文链接:https://blog.csdn.net/shinian1987/article/details/94288012最近,增量学习,持续学习,终生学习的概念越来越火,也引起...转载 2019-09-05 09:02:25 · 1474 阅读 · 0 评论 -
(转)机器学习中几种交叉验证的方式及其示例代码
机器学习中几种交叉验证的方式及其示例代码 模型评价的目的:通过模型评价,我们知道当前训练模型的好坏,泛化能力如何?从而知道是否可以应用在解决问题上,如果不行,那又是哪里出了问题?train_test_split在分类问题中,我们通常通过对训练集进行train_test_split,划分成train 和test 两部分,其中train用来训练模型,test用来评估模型,模型通过fi...转载 2019-09-02 19:36:15 · 832 阅读 · 0 评论