黛玛日孜-CSDN博客

原创机器学习4. 支持向量机

理论情况下，高斯核函数可以将数据映射到无限多维，高斯核函数可展开维泰勒级数，无线逼近。核函数的作用，如果只是做线性分类，好像轮不到SVM登场了，核函数才是它的强大之处！可以对每一个实例（样本数据点）创建一个地标，此时会将。核函数：#gamma越小，辐射范围越大，过拟合可能性越小。软间隔的作用，这么复杂的算法肯定会导致过拟合现象，如何来进行解决呢？因为特征是2维的，所以w也是2维的。m表示样本个数，n表示特征个数。

2022-09-14 00:11:16 729

原创机器学习4. 决策树

目录4-11节11.决策树原理4-12节12.决策树代码实现4-13节13.决策树实验分析树模型的可视化展示¶概率估计决策树中的正则化决策树模型对数据的敏感

2022-09-13 16:00:17 801

原创机器学习4. 贝叶斯

贝叶斯解决逆向概率问题。4-20节20.贝叶斯算法原理4-21节21.贝叶斯代码实现数据格式：垃圾邮件分类示例，两个类别代码：bayes.py

2022-09-13 15:45:39 426

原创 pytorch-cifar运行自己的数据

（2）从终端命令行运行，否则没有测试结果 PS D:\Code\pytorch-cifar> python .\main.py。out7: torch.Size([2, 276480]) #276480=512*20*27对应最后一层全连接维数。out8: torch.Size([2, 2]) #第一个2为设置的batchsize值；第二个2为设置的类别数据。（3）#D:\Code\pytorch-cifar\models\resnet.py中注意修改最后一层维数。

2022-09-03 20:03:45 412

原创第一届雷达学报博士论坛学术报告目次

目录第一届雷达学报博士论坛学术报告目次以下仅仅是相关重点内容，详情见上面目录。1. SAR成像技术分论坛基于“模型+数据驱动”的SAR学习成像方法研究（倪嘉成）SAR图像域干扰抑制方法（杨会章）2. 雷达信号处理分论坛基于特征值域的雷达海面目标检测算法设计（赵文静）3. 雷达感知技术分论坛（重要）基于深度学习的雷达多维信号特征融合方法（苏宁远）基于跨模态信息融合的细粒度人体感知技术（张东恒）雷达HRRP参数化统计建模及其在目标识别中的应用（陈健）4. SAR应用技术分论坛基于柔性超像素(Soft Super

2022-08-14 20:28:15 805

原创 mmdetection训练自己的数据，用网络deformable_detr做示例，先用labelme标注转为coco格式，训练后测试并分析

1.标注labelme2.将labelme标注的数据转为coco格式直接上代码：coco格式如下：3.mmdetection训练自己的数据，用网络deformable_detr做示例4.模型训练train.py（可视化标注文件browse_dataset.py）5.DEMO演示image_demo.py6.模型测试test.py7.可视化分析模块confusion_matrix.py、analyze_results.py、analyze_logs.py等。其他可在官网查看8.参数量计算量.

2022-08-08 23:00:04 2859 5

原创 mmclassification数据增强预处理、Grad-CAM、日志结果可视化，网络模型计算量、参数量统计

1.数据增强预处理可视化vis_pipeline.py2.对结果重要区域可视化Grad-CAM（1）使用方法（2）代码官网（3）Grad-CAM论文简介3.日志结果可视化曲线--loss、每次迭代平均时间3.网络模型计算量、参数量统计...

2022-08-07 17:14:36 1124 1

原创 mmclassification注意事项-修改、增加模块，测试时参数说明

1.测试image_demo.py效果时，在windows下传入参数为绝对路径，不然可能找不着。2.测试时参数说明test.py3.修改、增加模块3.1配置文件D:\Code\mmclassification\configs\resnet\GWF_resnet18_8xb32_in1k.py中（1）neck（2）loss--示例增加L1Loss，并进行debug（3）数据增强--颜色抖动、mixup（4）修改配置文件其他参数--加预训练模型、修改学习率...

2022-08-07 12:00:45 1052 1

原创 open-mmlab. mmclassification构建自己的数据集格式并训练

代码】open-mmlab. mmclassification构建自己的数据集格式并训练。

2022-08-06 17:59:06 1152 1

原创 open-mmlab. mmclassification安装并使用自己数据集windows下

重点： num_classes=10, #num_classes=1000,修改为自己的类别数量data_prefix='../mmcls/data/mnist/train', #'data/imagenet/train'修改为自己的数据位置depth=18,num_classes=10, #num_classes=1000,修改为自己的类别数量dict(]dict(]

2022-08-06 16:19:57 1304 1

黛玛日孜的博客