Devin的博客

支持向量机模型详解

yolov3论文解读

https://blog.csdn.net/weixin_44474718/article/details/106445766

基本定义下图中是机器学习训练后的模型性能常用指标，及其来源：分类正确的两类：true positive(简称TP)：对象本来为正例，网络识别为正例true negative(简称TN)：对象本来为负例，网络识别为负例分类错误的两类：false positive(简称FP)：对象本来为负例，网络识别为正例，通常叫误报false negative(简称FN)：对象本来为正例，网络识别为负例，通常叫漏报什么是 Ground Truth字面意思就是实际情况，也就是“数据集+标

top1 和top5的计算top1----- 就是你预测的label取最后概率向量里面最大的那一个作为预测结果，如过你的预测结果中概率最大的那个分类正确，则预测正确。否则预测错误top5----- 就是最后概率向量最大的前五名中，只要出现了正确概率即为预测正确。否则预测错误。...

这是一篇比较好的介绍深度学习基础的书籍值得推荐http://neuralnetworksanddeeplearning.com/index.html

https://blog.csdn.net/qq_41800366/article/details/86583789

刚开始阶段当迭代次数小于网络文件.cfg中设置的参数burn_in时会用以下方式计算learn_ratein src/network.c line 95:if (batch_num < net->burn_in) return net->learning_rate * pow((float)batch_num / net->burn_in, net->power);so: learning_rate * (iterations/burn_in)^4net-&g.

https://blog.csdn.net/zolalad/article/details/11848739

https://blog.csdn.net/qq_32789231/article/details/103896996?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522159845036819725222457886%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=159845036819725222457886&am