- 博客(5)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 ImageDataGenerator从DataFrame中产生图片
from keras.applications.inception_v3 import preprocess_inputfrom keras.preprocessing.image import ImageDataGenerator# image_size = 224image_size = 299datagen = ImageDataGenerator(preprocessing_f...
2018-11-24 21:17:06
2677
3
原创 机器学习中 L1 和 L2 正则化
降低过拟合的方法：降低过拟合风险的方法所有为了减少测试误差的策略统称为正则化方法，这些方法可能会以增大训练误差为代价。数据增强 图像：平移、旋转、缩放 利用生成对抗网络（GAN）生成新数据 NLP：利用机器翻译生成新数据 降低模型复杂度 神经网络：减少网络层、神经元个数 决策树：降低树的深度、剪枝 ... 权值约束（添加正则化项） L1 正则化...
2018-11-22 19:58:15
355
原创 用训练好的模型预测分类
#图像预处理x_test = np.array(x_test, np.float32) / 255.#预测分类pre_test=model.predict(x_test,verbose=1)#转为文件img_id=sample_submission['id'].tolist()img_id=np.array(img_id)img_id=img_id.reshape((-1,1))...
2018-11-19 21:50:12
2261
转载 Keras使用保存点保存最好的模型
14.1 使用保存点长时间运行的程序需要能中途保存，加强健壮性。保存的程序应该可以继续运行，或者直接运行。深度学习的保存点用来存储模型的权重：这样可以继续训练，或者直接开始预测。Keras有回调API，配合ModelCheckpoint可以每轮保存网络信息，可以定义文件位置、文件名和保存时机等。例如，损失函数或准确率达到某个标准就保存，文件名的格式可以加入时间和准确率等。ModelChec...
2018-11-19 21:47:49
5386
原创 图像分类预处理
对于训练集图片分类记录在csv文件中的情况：有两种处理方式：一、将训练集图片分为x_train和y_train：#读入数据labels=pd.read_csv('labels.csv')sample_submission = pd.read_csv( 'sample_submission.csv')#进行one-hot编码，并转为np.arraytargets_series=...
2018-11-19 20:11:27
3472
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人