PlusTang

实验室新装了keras，发现keras默认后端是tensorflow，想换回theano，看了官方文档也没搞懂，最终搞定，很简单。 中文文档的描述：keras中文文档，切换后端其实就是在C:\Users\75538（75538是我的windos用户名字，找你对应的用户名就行）下有个文件夹.keras，里面有keras.json文件，改一下里面的内容就好了，如果没有文件夹和文件，手动创建就行。用th

因为之前theano更新默认后端改为tensorflow，怎么该后端都不行，就试试caffe吧 参考了这两篇博客，安装也不难。 caffe学习(1):多平台下安装配置Caffe - fish的专栏 - 博客频道 - CSDN.NET Windows下caffe安装详解(cpu+gpu+matcaffe+pycaffe) - 博客频道 - CSDN.NET下面是一个简易的步骤和注意事项：步骤安

网上看了一堆都是图片转lmdb格式，然后测试总的准确率，我想测试每张图片的top1，top2以及对应置信度是多少，摸索了一下午+一晚上终于搞定，期间遇到不少坑！！！同时感谢实验室博士师兄一块帮我找bug说明：数据集是上海BOT大赛的（12种动物），网上下载的vgg16权重文件，并且修改输出类别为12，对最后三层全连接网络训练了8个小时，top1准确率为80%，top5准确率95%使用的测试图片是一个

原本的打算是参加上海Bot大赛，在比赛中学习一下相关知识，就是想入门而已。开学半个月一直没找到状态，只是上上课。后来在师兄的帮助下，开始逐渐着手比赛的事情，虽然最终没有赶上在比赛截至前提交一版测试。但学了不少，不亏！大致记录一下这一个月做的事情：keras篇win10下先配置keras，看keras文档，用theano后端跑了mnsit数据集，Dogs and Cats 数据集熟悉keras后，

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

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

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

之前一直只专注于VGG-16，围绕VGG-16做了很多实验，心想其他网络也都差不多，这次实习时候又是分类问题，就心想换一个网络试试，因为数据有240W，比较大，就选Resnet吧，参数少，训练快，效果还好。看论文的结果Resnet-50和101、152差距也不算太大，于是选了最小的Resnet-50。 下面是论文中在ImageNet上的测试结果： 言归正转，说说要注意到点（我用的caffe）