深度学习
文章平均质量分 57
随手笔记_000333
这个作者很懒,什么都没留下…
展开
-
数据版本管理 DVC data version control 和git一起管理你的机器学习实验数据
数据版本管理的目的每个模型的在训练的时候,所使用的训练数据/测试数据都有可能是变化的,在进行复现实验结果的时候,除了使用同样的代码,config,使用同样的数据也是非常重要的。如下图,如果要人工记录数据版本以及模型版本,使之匹配是比较麻烦的,因此,数据版本管理是十分必要的。一、简介DVC 可以轻松地将数据存储在许多存储系统上,像本地磁盘、SSH 服务器或云系统(S3、GCP 等...原创 2020-01-20 13:28:01 · 6824 阅读 · 0 评论 -
调试神经网络的注意事项和技巧总结(一)
最近在调试神经网络的过程中,遇到了网络不收敛的情况,查阅了很多的相关的资料,根据相关的建议,作出了一些实验,来进行调试,下面这几点是我遇到的几个坑: 1.数据预处理 2. 数据规范化 3.正则化 4.batch size 5.使用了不适当的学习率 6.在最后一层使用了错误的激活函数 7.网络含有不良梯度 8.尝试不同的优化器 9.及时检查结果首先,对于一个神经网络来说,我们在进行建原创 2017-11-25 14:20:02 · 1606 阅读 · 0 评论 -
sklearn.model_selection中的train_test_split使用方法,分割数据集,划分训练集和测试集
sklearn.model_selection中的train_test_split使用方法,分割数据集,划分训练集和测试集原创 2017-12-28 16:50:55 · 2950 阅读 · 0 评论 -
Alexnet 网络结构和原理介绍
一、Alexnet网络结构图* 二、Alexnet网络结构详细解读* 之前做过一个相关的ppt,下图是其中的一页,介绍的也比较详细,可以参考:Alexnet网络是由八层网络组成的,包括5层卷积层和3层全连接层,下面是详细的介绍: 首先,Alexnet的输入部分是224*224*3的图片,经过预处理之后,变为227*227*3的大小,作为网络的输入的部分。原创 2018-01-04 14:53:43 · 7521 阅读 · 0 评论 -
TP FP FN TN precision Recall Accuracy
TP: true postive,实际上是正样本,预测也为正样本,真正 FP:false postive,实际上是负样本,预测为正样本,真负 FN:false negative,实际上是正样本,预测为负样本,假负 TN:true negative,实际上是负样本,预测为负样本,真负 precision :精准率 = TP/(TP+FP) Recall :召回率 = TP/(TP+FN)原创 2017-12-29 16:28:19 · 835 阅读 · 0 评论 -
baseline needs more love 简单网络vs复杂网络(1)——baseline
(一)背景说到baseline和art of start,做建模的同学应该都不会陌生吧,最近关于机器学习和深度学习的争执也是越来越多,其中就不乏会有人认为,其实深度学习能够做到的事情,机器学习也可以做到,还可以少花费一些时间来训练模型,计算资源的要求也会低一些,可是事实上到底是怎样的呢?baseline needs more love这篇论文(ACL2018)中就做了相关的实验来进行证明。说到NL...原创 2018-07-13 20:59:41 · 828 阅读 · 0 评论