Basics
是Amanda啊
这个作者很懒,什么都没留下…
展开
-
神经网络训练中的一些琐碎调参方法
以TF为框架,调了调MLP,列了一些方式,欢迎讨论。(1)正则项约束:针对所有的权重施加L1 or L2范数 正则化约束 L1:很多权重为0的稀疏化约束; L2:权重约束为更加接近原点 WRloss1 = tf.keras.regularizers.l2(0.5e-5)(W1)WRloss2 = tf.keras.regularizers.l2(0.5e-5)(W2)(2)分阶段优化:在优化过程中,前阶段正则项应该不参与更新模型,例如:当epoc...原创 2020-11-19 14:58:14 · 562 阅读 · 0 评论 -
关于数字图像的一些notes
记录一下关于数字图像的亮度、对比度、饱和度、锐化、以及几个颜色空间的相关知识;主要参考了知乎两篇介绍:https://zhuanlan.zhihu.com/p/44813768https://zhuanlan.zhihu.com/p/28766366A. 基本概念1. 亮度:图像的明暗程度;2. 对比度:最高和最低灰度级的灰度差;3. 饱和度:图像颜色种类的多少,像素最大值和最小值之间的中间值越多,图像的颜色种类越多;4. 锐化:补偿图像轮廓,增强图像的边缘以及灰度的跳变;5..原创 2020-07-27 10:28:38 · 111 阅读 · 0 评论