【机器学习】
PlusTang124
计算机视觉小菜鸟一枚
展开
-
Win7 64位 Keras深度学习框架安装
最近想用Python搞搞神经网络,就用Keras了。 Caffe和Keras相比优缺点: 框架 优点 缺点 Keras 使用简单,快速开发,参考资料多 运行慢 Caffe 使用较难,参考资料少 运行快为了快速上手,选择Keras。1.Keras安装安装过程全程参考:Keras深度学习框架配置感谢博主,写的非常详细。提醒!如果你之前单独安装过Python和MinG原创 2016-08-15 18:10:19 · 4457 阅读 · 0 评论 -
Keras+Theano后端,CPU、GPU、cuDNN加速对比(Dogs vs. Cats和mnist)
测试了一下分别用cpu,gpu,gpu+cudnn跑CNN,看看分别会用多少时间。说明笔记本配置:i5-3210m+GT640M+8G内存。 实验图片下载地址:kaggle:Dogs vs. Cats 关于源码和图片层次结构的说明:This script goes along the blog post"Building powerful image classification models原创 2016-08-24 10:45:29 · 11340 阅读 · 0 评论 -
激活函数在神经网络中的功能
激活函数在神经网络中的功能: 即通过对加权的输入进行非线性组合产生非线性决策边界(non-linear decision boundary)在今日头条看到这篇文章,有所收获。链接在这里:学界 | 神经网络中激活函数的作用原创 2016-09-06 08:09:56 · 2627 阅读 · 0 评论 -
马尔科夫蒙特卡洛方法 (MCMC)+ Gibbs采样 原理干货
最近要人工智能考试,复习被虐的不要不要的,老师一堂课讲的内容要自己再看几个小时……MCMC和 Gibbs采样看书看得一脸懵逼,还好同学分享了一篇文章,看完豁然开朗,比 《人工智能:一种现代的方法》强多了下面是链接:http://cos.name/2013/01/lda-math-mcmc-and-gibbs-sampling/转载 2016-11-15 22:20:48 · 1790 阅读 · 0 评论 -
关于ML、DL中的一些问题(2)——数据归一化方法
线性函数归一化(Min-Max scaling) 也称为离差标准化,是对原始数据的线性变换,使结果值映射到[0 - 1]之间。转换函数如下: x∗=x−minmax−min\ x^* = \frac{x-min}{max-min}0均值标准化(Z-score) 这种方法给予原始数据的均值(mean)和标准差(standard deviation)进行数据的标准化。经过处理的数原创 2016-12-09 15:31:31 · 1159 阅读 · 0 评论 -
关于ML、DL中的一些问题(1)——数据归一化的作用
1.为什么要进行数据归一化?在进行数据分析的时候,什么情况下需要对数据进行标准化处理? 归一化首先在维数非常多的时候,可以防止某一维或某几维对数据影响过大,其次可以程序可以运行更快。方法很多,min-max,z-score,p范数等 主要看模型是否具有伸缩不变性。 有些模型在各个维度进行不均匀伸缩后,最优解与原来不等价,例如SVM。对于这样的模型,除非本来各维数据的分布范围就转载 2016-12-09 14:40:57 · 4477 阅读 · 0 评论 -
数据不平衡处理----smote算法
实习时候要训练一个模型,一批衣服数据分布太不均匀了,结果被告知简单处理下就好了,数量太小的类别直接扔掉,数量太多的类别随机抽一部分,数量不多也不少的就直接copy到指定数量就好………………好Low啊 就去查了查,对于这个问题,貌似也没特别好的方法,主要两方面入手: 1.对数据进行采样(over-sampling和under-sampling) 2.训练时调整惩罚权重其中,smote算法算就是o原创 2017-02-16 14:55:07 · 8136 阅读 · 3 评论