- 博客(5)
- 收藏
- 关注
RSS订阅原创 DATACV入门赛事
Dropout可以作为训练深度神经网络的一种技巧。在每个训练批次中，通过随机让一部分的节点停止工作。同时在预测的过程中让所有的节点都其作用。
2020-06-02 23:58:19
105
1
原创 Datawhale 零基础入门CV赛事
在机器学习模型（特别是深度学习模型）的训练过程中，模型是非常容易过拟合的。深度学习模型在不断的训练过程中训练误差会逐渐降低，但测试误差的走势则不一定。 在模型的训练过程中，模型只能利用训练数据来进行训练，模型并不能接触到测试集上的样本。因此模型如果将训练集学的过好，模型就会记住训练样本的细节，导致模型在测试集的泛化效果较差，这种现象称为过拟合（Overfitting）。与过拟合相对应的是欠拟合（Underfitting），即模型在训练集上的拟合效果较差。 随着模型复杂度和模型训练轮数的增加，CNN模型在
2020-05-30 23:47:48
155
1
原创 Datawhale 零基础入门CV赛事
3 字符识别模型 本章将会讲解卷积神经网络（Convolutional Neural Network, CNN）的常见层，并从头搭建一个字符识别模型。 3.1 学习目标 学习CNN基础和原理； 使用Pytorch框架构建CNN模型，并完成训练； 3.2 CNN介绍 卷积神经网络（简称CNN）是一类特殊的人工神经网络，是深度学习中重要的一个分支。CNN在很多领域都表现优异，精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域，CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型。 C
2020-05-26 22:29:02
115
原创 Datawhale 零基础入门CV赛事
这几天都在准备考试，也没有很认真的完成任务，嘤嘤嘤。 首先是图像数据的读入，有两种一种是从PIL中读取 from PIL import Image, ImageFilter im = Image.open('tyw.jpg') # 应用模糊滤镜: im2 = im.filter(ImageFilter.BLUR) im2.save('blur.jpg', 'jpeg') 即结果为 运用opencv读入为的代码为 import cv2 img = cv2.imread('tyw.jp
2020-05-23 23:22:55
143
原创 Datawhale 零基础入门CV赛事
虽然我是学的图像，但是说来惭愧也很少用python去构建网络写代码，这次也算是提供了一个机会吧。 在赛题理解之前，环境的安装真的是还是满心累的，安装了CUDA，Anaconda，以及pytorch的包，配个环境都配置了好长时间，对于我一个最讨厌装软件的人来说，完成这些我也算对的起这次学习了，好啦下面进入正题。 赛题名称：零基础入门CV之街道字符识别 赛题目标：通过这道赛题可以引导大家走入计算机视觉的世界，主要针对竞赛选手上手视觉赛题，提高对数据建模能力。 赛题任务：赛题以计算机视觉中字符识别为背景，
2020-05-20 19:54:43
111
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人