![](https://img-blog.csdnimg.cn/20200415230713952.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
文章平均质量分 76
机器学习
In_Sun
求知若饥,虚心若愚
展开
-
tensorflow 学习笔记
checkpoint 文件:checkpoint 是检查点文件,文件保存了一个目录下所有的模型列表model.ckpt.meta 文件保存了TensorFlow计算图的结构,可以理解为神经网络的网络结构model.ckpt.data 保存模型中每个变量的取值...原创 2019-04-04 11:51:57 · 83 阅读 · 0 评论 -
20180917 - 机器学习与线性回归
机器学习的定义: 机器学习是人工智能的一个分支,主要关于构造和研究可以从数据中学习的系统。机器学习的任务类型:(吹牛逼可以用) 监督学习(supervised learning): 回归 (Regression) 分类 (classification) 排序...原创 2018-09-17 16:02:41 · 115 阅读 · 0 评论 -
CONV & SAME CONV & VAILD CONV
通用卷积的输出计算SAME CONVVALID CONV原创 2020-04-13 21:44:58 · 211 阅读 · 0 评论 -
tensorflow 学习资料汇总
tensirflow 数据读取知乎专栏:十图详解tensorflow数据读取机制知乎专栏::TensorFlow全新的数据读取方式:DatsetAPI入门教程Estimator官网教程:Introduce to EstimatorGoogle开发者论坛:Introduction to TensorFlow Datasets and Estimators官网教程:创建自己定义的Esti...原创 2019-05-28 10:49:10 · 455 阅读 · 0 评论 -
AI:问题思考
人类在识别物体的时候也是分层次进行识别的,如果物体是一个比较简单的易于识别的物体,那么可能很快就会被识别出来,但是一个比较复杂的物体(比如被遮挡的物体,或者是明暗不明显的物体)可能需要进行仔细的观察然后才能识别出物体的具体信息。该想法是否可以应用到AI领域(卷积神经网络中),即在卷积神经网络的不同层对已经识别的特征进行输出,这样可以减少网络的计算量,如果在较浅层无法输出清晰正确的结果,那么可以...原创 2019-05-27 10:38:59 · 143 阅读 · 0 评论 -
VGG16网络结构
VGG 训练数据处理过程:Let S be the smallest side of an isotropically-rescaled training image.各向同性的缩放训练图像的最小边以S=256为例1. 将图片进行等比例缩放,最小边长度为2562. 对等比例比变化后的图像随机截取224*224的图像块3. 对裁剪的图像块进行随机水平翻转与RG...原创 2019-05-07 17:49:31 · 15700 阅读 · 0 评论 -
Depthwise卷积与Pointwise卷积
转自:https://blog.csdn.net/tintinetmilou/article/details/81607721 Depthwise(DW)卷积与Pointwise(PW)卷积,合起来被称作Depthwise Separable Convolution(参见Google的Xception),该结...转载 2019-03-19 16:35:53 · 724 阅读 · 0 评论 -
Anaconda下如何创建python2等虚拟环境
转载:https://blog.csdn.net/qq_38150441/article/details/81083469前言现在Python3 被越来越多的开发者所接受,同时让人尴尬的是很多遗留的老系统依旧运行在 Python2 的环境中,因此有时你不得不同时在两个版本中进行开发,调试。如何在系统中同时共存 Python2 和 Python3 是开发者不得不面对的问题,一个利好的消息是,A...转载 2019-03-01 10:56:40 · 458 阅读 · 0 评论 -
【Matplotlib】详解图像各个部分
转自:https://www.cnblogs.com/nju2014/p/5620776.html【Matplotlib】详解图像各个部分首先一幅Matplotlib的图像组成部分介绍。在matplotlib中,整个图像为一个Figure对象。在Figure对象中可以包含一个或者多个Axes对象。每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域。所属关系如下:下面以一...转载 2019-02-28 20:03:43 · 225 阅读 · 0 评论 -
机器学习任务的一般步骤
1. 确定特征 选取合适的数据和特征可能是最重要的步骤,也包括数据的预处理或清洗,通常可以称之为特征工程。2. 确定模型 确定目标函数及决策边界的形状。 可选择多个模型进行比较。3. 模型训练 根据训练数据估计模型参数。4. 模型评估 这里要区分两个概念:...原创 2019-02-28 10:48:25 · 1065 阅读 · 0 评论 -
numpy 中对axis参数的理解
import numpy as nparr = np.array([[[1,2],[3,4]],[[5,6],[7,8]]])print(np.sum(arr,axis=0)) # [[6, 8], [10, 12]]print(np.sum(arr,axis=1)) # [[4, 6], [12, 14]]print(np.sum(arr,axis=2)) # [[3,...原创 2019-01-31 12:05:48 · 499 阅读 · 0 评论 -
Jacobian矩阵和Hessian矩阵
转自:http://jacoxu.com/jacobian%E7%9F%A9%E9%98%B5%E5%92%8Chessian%E7%9F%A9%E9%98%B5/转载 2019-02-14 16:32:22 · 106 阅读 · 0 评论 -
深度学习基础(综述及名词解释)
深度学习发展历程1950s 提出了感知机perceptron,但是由于感知机不能解决异或问题,很快被学术界否认了。 之后不久便提出了多层感知机,多层感知机成功的解决了异或问题,并被认为可以在拟合任意形状的分类面,但是由于多层感知机本身面临难以训练的问题,也没有得到广泛的认可。1980s 1980年提出了反向传播算法(back propagation),为多层感知机的训练提供了理论上的...原创 2019-03-01 13:25:35 · 458 阅读 · 0 评论 -
训练集、验证集和测试集的意义
原文在有监督的机器学习中,经常会说到训练集(train)、验证集(validation)和测试集(test),这三个集合的区分可能会让人糊涂,特别是,有些读者搞不清楚验证集和测试集有什么区别。I. 划分如果我们自己已经有了一个大的标注数据集,想要完成一个有监督模型的测试,那么通常使用均匀随机抽样的方式,将数据集划分为训练集、验证集、测试集,这三个集合不能有交集,常见的比例是8:1:1,当然比例是人...转载 2018-06-08 09:54:31 · 967 阅读 · 0 评论