深度学习
文章平均质量分 56
深度学习的学习笔记
阿巴乾
人工智能机器学习
展开
-
迁移学习概述
训练网络过程中遇到一些问题:数据太少,训练模型结果不好 调节参数花费很多时间 重新训练一个模型花费很多时间应用背景:前人做过一个模型的训练,得到一个较好的结果,我现在有一个项目可以将其模型参数拿来继续训练使用。比如之前有一个100W数据集训练VGG模型的自行车识别分类,现在需要做一个项目和这个目的差不多,那么就可以使用别人的训练模型进行训练。本质:将相似目标检测的同一个模型的训练数据权重偏置拿来继续训练,就相当于权重和偏置的初始化是用的别人已经训练好的。学习的部分:对于一.原创 2021-10-02 10:51:14 · 91 阅读 · 0 评论 -
Pytorch卷积神经网络Mnist手写数字识别-GPU训练
导入工具包import torchimport torch.nn as nnimport torch.optim as optimimport torch.nn.functional as Ffrom torchvision import datasets,transforms import matplotlib.pyplot as pltimport numpy as np%matplotlib inline定义超参数# 定义超参数 input_size = 28 #..原创 2021-09-30 22:56:21 · 631 阅读 · 0 评论 -
PyTorch实现Mnist手写数字识别
首先下载读取Mnist数据集%matplotlib inlinefrom pathlib import Pathimport requests%matplotlib inlineDATA_PATH = Path("data")PATH = DATA_PATH / "mnist"PATH.mkdir(parents=True, exist_ok=True)URL = "http://deeplearning.net/data/mnist/"FILENAME = "mnist.pkl原创 2021-09-29 21:48:26 · 650 阅读 · 0 评论 -
PyTorch神经网络气温预测
预测阶段(前向推断)原创 2021-09-28 20:15:03 · 749 阅读 · 0 评论 -
目标检测综述
计算机视觉能解决的问题------分类、检测、分割分类:算法可以可以告诉我们图像的类别,但并不知道物体再图像中的位置。检测:用矩形框把图像中的物体框出来,进行分类和定位。(一个图像中有多个物体多个类别,把每一个物体都用矩形框框出来进行分类)分割:在检测的基础上获得更准确的抠图信息。分割的分类------语义分割、实例分割语义分割:对每一个像素分类不管这个像素是属于那几个物体的,只管他是什么类别的。实例分割:要把同一个类别的不同实例区分出来。...原创 2021-09-20 14:35:42 · 106 阅读 · 0 评论 -
浅层神经网络python代码
实现了一个有单一隐藏层的二分类神经网络一、工具包numpy是Python科学计算的基本包。 Sklearn提供了简单有效的数据挖掘和数据分析工具。 matplotlib是一个用Python绘制图形的库 planar utils提供了在这次赋值中使用的各种有用的函数 testCases提供了一些测试示例来评估函数的正确性# Package importsimport numpy as npimport matplotlib.pyplot as pltfrom testCases...原创 2021-07-28 22:00:02 · 574 阅读 · 0 评论 -
神经网络思维的逻辑回归python代码
一、工具包numpy是Python科学计算的基本包。 h5py是一个与存储在H5文件中的数据集交互的常用包。 matplotlib是一个著名的Python绘图库。 PIL和scipy在这里用来测试模型。import numpy as npimport matplotlib.pyplot as pltimport h5pyimport scipyfrom PIL import Imagefrom scipy import ndimagefrom lr_utils import loa原创 2021-07-28 13:04:51 · 890 阅读 · 1 评论