人工智能
tianzhiya121
这个作者很懒,什么都没留下…
展开
-
TF-IDF词向量表示
TF-IDF的英文表示是term frequency(词频),inverse document frequency(逆文件频率)。tf-idf是一个权重,其常被用于信息检索和文本挖掘。此权重是一个统计量度,字词的重要性随着它在文件中出现的次数成正比增加,但同时会随着它在语料库中出现的频率成反比下降。词频 (term frequency, TF)指的是某一个给定的词语在该文件中出现的次数。这个...原创 2019-12-12 17:52:19 · 3156 阅读 · 0 评论 -
计算机视觉教程核心版(八)卷积神经网络各种层
本节主要介绍卷积神经网络目录概述卷积神经网络中的层 卷积层 池化层 全连接层 将全连接层转化为卷积层 卷积神经网络结构介绍层的模式概述卷积神经网络非常相似于之前的一般神经网络。它们都由含有可学习的参数(权重和偏置)的神经元组成。每一个神经元接受一些输入,执行点乘并在之后跟随这一个非线性函数。整个神经网络依然表达着一个可微分的得分函...翻译 2019-05-20 08:23:09 · 1132 阅读 · 0 评论 -
计算机视觉教程核心版(十)特征可视化
Visualizing what ConvNets learnSeveral approaches for understanding and visualizing Convolutional Networks have been developed in the literature, partly as a response the common criticism that the l...转载 2019-05-20 09:05:34 · 487 阅读 · 0 评论 -
计算机视觉教程核心版(六)数据预处理、初始化和分类与回归
数据预处理、权重初始化和损失函数warming up数据预处理权重初始化warming up在之间的章节中。我们介绍了神经元的模型,其计算点乘后跟着一个非线性化,而神经元排列成层。合并起来,不同的层数、每层不同神经元的个数以及不同的激活函数定义了新型的得分函数(从线性映射扩展得来)。在本节中,我们将讨论其他针对数据预处理、权重初始化和损失函数的设计选择。在实际中并不常用标准化方差,PCA...翻译 2019-05-11 19:15:38 · 703 阅读 · 0 评论 -
计算机视觉教程核心版(九)迁移学习
迁移学习实际中很少有人从头开始训练一个神经网络,因为大部分任务都缺少足够的数据量。常用的方法是预训练一个基于非常大的数据集上的神经网络,之后将这个神经网络要么作为任务的初始化,要么作为任务的一个特征提取器。三种主要的迁移学习系列列出如下:ConvNet作为特征提取器。取一个在ImageNet上训练过的分类神经网络,移除最后的全连接层,剩下的部分作为自定义数据集的特征提取器。 微调Conv...翻译 2019-05-17 10:00:09 · 419 阅读 · 0 评论 -
计算机视觉教程核心版(七)神经网络动态学习参数调整
前面学习了如何建立神经网络网络连接,数据预处理和损失函数,优化方法。下面介绍学习的过程即,可视化学习过程并在训练中调试这些参数。内容训练之前:理智检查技巧监视训练过程训练之前:理智检查技巧寻找正确的可能的损失。当你用小的参数初始化时候,确保你得到你期望的损失值。在设置正则化为零的基础上,单独检测损失函数。例如,在CIFAR10中,使用softmax分类器进行分类,我...原创 2019-05-13 10:00:01 · 675 阅读 · 0 评论 -
计算机视觉教程核心版(三)优化下篇优化方法
本节承接优化中篇在前面的章节中我们已经介绍了最简单的优化方法,随机梯度下降法。如下代码和图示例左边代码中仅仅需要两行代码就可以实现SGD优化方法。右边的图展示了含有两个参数的损失函数等高线的图,不同颜色代表不同的损失函数,中间红色表示最小梯度。SGD问题SGD的问题在一个方向很敏感(下降较快)在其他方向效果次之,在高维方面更加明显。2.SGD的另一个问题是由局部最小值点或...原创 2019-05-13 16:09:06 · 385 阅读 · 0 评论 -
计算机视觉教程核心版(四)激活函数
目录基础神经网络常用非线性函数基础神经网络在线性分类中,我们不同视觉类别的得分函数是通过,W是权重矩阵,x是一个输入列向量。在神经网络中,我们计算的是,如图所示结构。函数max(0,x)是一个非线性化函数,其作用于输入的每个像素。像这样的非线性化函数有许多,但这个是一个常用的选择,其将所有的输入小于零的值归零,其他不变。如上图,假设输入shape为[1*3072],最...原创 2019-05-07 14:52:44 · 352 阅读 · 0 评论 -
计算机视觉教程核心版(二)线性分类
线性分类目录 线性分类概念 解释线性分类器 损失函数 实例 总结 线性分类概念承上:上一节介绍了图像分类的基本概念。我们还介绍了KNN分类器,它通过比较测试集到训练集所有图像的距离来决定测试集的类别。然而KNN有着众多的缺点:分类器必须记住所有的训练数据并且将此数据存储以用于将来和测试数据比较。这在空间上是低效率的,因为数据及大小...翻译 2019-05-01 17:03:50 · 447 阅读 · 0 评论 -
计算机视觉教程核心版(五)神经网络结构基础介绍
全连接神经网络结构基础介绍全连接层级组织前向传播计算表现力如何设置层数和每层神经元个数减少过拟合:正则化举例全连接层级组织神经网络被建模为一系列相互连接单不循环的神经元的集合。即一些神经元的输出可以变为其他神经元的输入。对于常规神经元,最普通的层类型是全连接神经网络,其相互连接的两个层完全成对连接。但如果模型仅仅一层网络,则没有连接。下图展示两个拓扑图,用于表示全连接神经元的堆积。图片来源...翻译 2019-05-08 20:42:55 · 434 阅读 · 0 评论 -
tensorflow数据篇(三)——使用tf.data建立数据通道
使用tf.data建立数据通道动 机在机器学习项目中构建输入管道总是漫长而痛苦的,并且比构建实际模型需要更多的时间。在本教程中,我们将学习如何使用TensorFlow的数据集模块tf.data为图像和文本构建有效的管道。目 标学习如何使用tf.data并练习 建立高效的加载图像和处理图像的通道 建立高效的文本处理通道,包括如何建立词库内容目录一、tf.d...翻译 2019-04-13 10:48:20 · 8292 阅读 · 1 评论 -
tensorflow数据篇(一)——使用tf.data加载数据
使用tf.data加载数据动机此篇教程指于如何使用tf.data加载数据,本文所用图片分布在各个目录之中,每一个目录拥有一类图片。目标了解数据集所需要的信息 建立tf.data.Dataset对象图像数据集下载后需要了解的信息:图像的数量、格式和路径,标签数量、格式和标签路径 图像的尺寸以及通道数 图像使用图像库随机显示部分图像建立tf.dat...翻译 2019-04-14 21:25:15 · 1788 阅读 · 0 评论 -
tensorflow数据篇(二)——tf.data.Dataset常用函数
动机tf.data.Dataset用来构建数据输入管道,其涉及许多重要函数,总结在此,为下节准备。目标了解tf.data.Dataset必备的函数功能,以及参数作用,仅仅涉及图像处理。tf.data.Dataset常用函数Dataset表示一个元素的集合,可以看作函数式编程中的 lazy list, 元素是tensor tuple。创建Dataset的方式可以分为两种,分...转载 2019-04-15 10:59:37 · 4177 阅读 · 0 评论 -
keras图像输入通道建立——flow_from_directory
动机keras日渐火热,了解其高效建立输入通道的方法有重要意义。目标 创建并结构化数据集 生成训练集和验证集 模型选择、加载、编译和训练 创建并结构化数据集以图像分割为例,你必须跟踪图像和它们的膜。通常情况下,,你将选择PASCAL VOC, 或者MS COCO, 或者Cityscapes。如果选择这些数据集,你大部分的工作已经完成...翻译 2019-04-28 15:39:37 · 4733 阅读 · 2 评论 -
计算机视觉教程核心版(一)图像分类
动机弥补并复习计算机视觉基础理论和代码目的进一步了解图像分类的问题、数据驱动方法以及示例kNN法基本的代码函数内容 图像分类数据、驱动方法,输入通道 KNN法 总结 图像分类图像分类是计算机视觉的核心问题,尽管它简单但是它有着一系列的实际应用。并且许多其他的视觉任务(如对象检测,分割)都可以转为图像分类任务。图像的原始表示是一个值在[0,25...翻译 2019-04-30 22:17:28 · 756 阅读 · 0 评论