- 博客(6)
- 收藏
- 关注
RSS订阅
原创 Win10+Anaconda3（python3.7.5）+无GPU下安装pytorch（清华镜像源）
** 最新版pytorch安装教程，基于python3.7 ** 今天下午安装pytorch，花了一个多小时在网上看了各种教程，这些教程几乎都是GPU版本的，步骤都好省略（我这种萌新研究了好久），且都不是最新版本安装，没有一个教程和我的安装完全环境相同，所以在刚刚自己倒腾成功安装后，决定写下第一篇博文。 1. 前提是已经安装好anaconda3，清华镜像源里2019.07版本 2.开始安装pyto...
2019-11-29 17:38:07
3104
3
原创 datawhale组队学习CV记录五
模型集成 1.集成学习的方法 机器学习中常见的集成学习方法有: 1)Stacking 2)Bagging 3)Boosting 在10个CNN模型可以使用如下方式进行集成： 1） 对预测的结果的概率值进行平均，然后解码为具体字符； 2） 对预测的字符进行投票，得到最终字符。 2.深度学习中的集成学习 1）Dropout： 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作用。 2）TTA（测试集数据扩增）： 数据扩增不仅可以在训练时候用，而且可以同样在预测时候进行数据扩增
2020-06-02 22:06:11
104
1
原创 datawhale组队学习CV记录四
模型训练与验证 1.构造验证集 模型容易出现过拟合现象，为解决过拟合需要构建一个与测试集尽可能分布一致的验证集。 1）训练集（Train Set）：模型用于训练和调整模型参数； 2）验证集（Validation Set）：用来验证模型精度和调整模型超参数； 3）测试集（Test Set）：验证模型的泛化能力。 在没有给定验证集的情况下，需要从训练集冲拆分一部分得到验证集。验证集的划分有三种方法： 1） 留出法（Hold-Out） 直接将训练集划分成两部分，得到新的训练集和验证集。有可能导致模型在验证集上过拟
2020-05-30 22:49:40
112
原创 datawhale组队学习CV记录三
字符识别模型 根据大赛题目来构建一个定长字符分类模型，构建模型需要学会用pytorch框架来构建CNN模型，因此本次学习从CNN开始。 1.CNN CNN是卷积神经网络 CNN常见模型： LeNet-5(1998) AlexNet(2012) VGG-16(2014) Inception-v1 (2014) ResNet-50 (2015) 2.pytorch构建CNN模型 在Pytorch中构建CNN模型需要定义好模型的参数和正向传播，Pytorch会根据正向传播自动计算反向传播。 本次学习的是一个简单
2020-05-27 09:19:18
112
原创 datawhale组队学习CV记录二
数据读取与数据扩增 1.数据读取 图像数据通常使用Pillow和OpenCV： 2.数据扩增 数据扩增可以增加训练集的样本，缓解过拟合情况也可以给模型带来更强的泛化能力。 数据扩增的方法： 本次比赛的图像数据不能进行翻转，数字一旦翻转就改变了原本的含义。 常用数据扩增库：torchvision，imgaug，albumentations 3.pytorch数据读取 在Pytorch中数据是通过Dataset进行封装，并通过DataLoder进行并行读取。 Dataset：对数据集的封装，提供索引方式的对
2020-05-23 17:55:08
112
原创 datawhale组队学习CV记录一
理解赛题背景和赛题数据 完成赛题报名和数据下载，理解赛题的解题思路 本次赛题的难点是需要对不定长的字符进行识别，有三种解决思路： 1）将所有图像都抽象为6个字符，对不足6个字符的进行填充，则原问题编程6字符分类问题 2）不定长字符识别 3）先检测再分类，先利用检测识别出字符位置，再对字符进行分类 ...
2020-05-20 18:50:56
110
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