深度学习计算机视觉 叶梓 度量学习 t-SNE降维可视化（第2章降维

最新推荐文章于 2023-07-08 19:44:24 发布
最新推荐文章于 2023-07-08 19:44:24 发布
阅读量450 收藏 1
点赞数
分类专栏： 机器学习+数学
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44523062/article/details/106727835
版权

github地址
在这里插入图片描述
通过MNIST数据训练Siamese对比损失

1 距离和度量学习

如何让一个算法更好的学习到一种度量。K近邻、K-means，SVM，相似比对，搜索相关算法，非常依赖距离度量，来对数据执行分类、聚类、搜索。

欧式、马氏（经过PCA降维A^T后的欧式度量）

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

欧式、余弦

在这里插入图片描述
归一化的余弦距离，归一化后向量相减就是近似夹角弧度
在这里插入图片描述

2 非线性度量学习 和 Siamese网络

在这里插入图片描述
在这里插入图片描述

3 实验MNIST 训练SIamese

1 数据集MNIST生成图片. 两个相同但是顺序不同的MNIST，正例对1，负例对0

在这里插入图片描述
生成MINIST数据脚本
在这里插入图片描述

2 Caffe参数共享基础网络LeNet5

在这里插入图片描述
在这里插入图片描述

3 结果可视化

在这里插入图片描述

4 用t-SNE可视化高维特征

python、sklearn。可视化FC倒数第二层
在这里插入图片描述

第二章原话

在这里插入图片描述

AIchiNiurou
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【机器学习】基于t-SNE数据可视化工程
gongdiwudu的专栏
06-29 5006
Scikit-learn API提供TSNE类，以使用T-SNE方法可视化数据。在本教程中，我们将简要学习如何在 Python 中使用 TSNE 拟合和可视化数据。
利用tSNE进行数据降维与可视化
禅与计算机程序设计艺术
07-19 2938
作者：禅与计算机程序设计艺术 随着数据量的增加、复杂度的提升以及应用场景的变化，传统的基于人类的认知模式的数据可视化手段已经无法满足人们对高维数据的快速理解。因此，人工智能领域涌现出了基于机器学习技术的无监督降维方法，如PCA、KMeans等。这些降维方法能够自动发现高维数据中主要特征，并将数据压缩至一定的维度空间中去，从而实现数据的高效
【Python学习】TSNE可视化
思南的博客
08-29 2381
from sklearn.manifold import TSNE tsne = TSNE() tsne.fit_transform(data_zs) #进行数据降维 tsne = pd.DataFrame(tsne.embedding_, index = data_zs.index) #转换数据格式 import matplotlib.pyplot as plt plt.rcParams[‘font.sans-serif’] = [‘SimHei’] #用来正常显示中文标签 plt.rcParams[‘a
Adapting Grad-CAM for Embedding Networks - 度量学习网络可视化方法（reid、人脸识别）
kebijuelun的博客
08-08 671
Adapting Grad-CAM for Embedding Networks TL;DR 基于 grad-cam 修改得到一种适配embedding网络的可视化方法，可以用于人脸识别、reid等任务 基于度量学习中常用的 triplet loss 代替分类任务中的类别激活值来进行反向求导 对训练集提前提取特征与反传梯度，在测试阶段采取复用训练集中的梯度来避免在测试阶段的反向求导过程 Introduction 传统的 grad-cam 基于对某类别的得分（ ycy^{c}yc ），求取对某层特征
使用t-SNE可视化高维数据集
半夏微凉的博客
09-15 1203
在这篇文章中，我们将介绍用于数据可视化的t-SNE算法。 t-SNE[1]是用于高维数据的强大降维和可视化技术。 参考资源 [1] Maaten, Laurens van der, and Geoffrey Hinton. “Visualizing data using t-SNE.” Journal of machine learning research 9.Nov (2008): 2579-2605. [paper] [youtube] [2] An Introduction to t-SNE wit
TSNE实现降维及可视化
lyy的博客
04-08 1万+
目录前言降维可视化举例： 前言 最近在看迁移学习需要观察迁移效果，需要把特征可视化来查看分布情况，所以需要用到降维可视化这个工具，所以在这里记录一下。 方法挺简单的，阅读本文大概5分钟。 降维 使用TSNE进行降维操作，该函数的输入是flatten之后的特征，即[batch,维度]。 接口参数解释： sklearn.manifold.TSNE(n_components=2, perplexity=30.0, early_exaggeration=12.0, learning_rate=200.0, n
计算机视觉 ——上海交通大学 ppt
08-30
上海交通大学计算机视觉实验室有关计算机视觉方面的ppt。代表了国内的最新水平
Hadoop2.2.0+Hbase0.98.4+sqoop-1.4.4+hive-0.98.1安装手册（All）_ZCX
12-27
叶梓老师整理的Hadoop2.2.0+Hbase0.98.4+sqoop-1.4.4+hive-0.98.1安装手册，非常实用
基于深度循环神经网络DRNN的单通道音乐人声分离python源码（高分大作业）
最新发布
05-15
基于深度循环神经网络DRNN的单通道音乐人声分离python源码（高分大作业）.zip已获导师指导并通过的97分的高分期末大作业项目，可作为课程设计和期末大作业，下载即用无需修改，项目完整确保可以运行。 信号分析与...
树莓派超级计算机教程
08-13
教程将一步步教你如何使用树莓派打造一个超级计算机集群。文档为英文。 简单概括，分如下四步： First steps to get machine up Building MPI so we can run code on multiple nodes Flash me… once（将配置好的一...
高维数据SVM实现+降维可视化
06-01
高维数据SVM实现+降维可视化 是更改别人的代码的，使用软间隔最大化，SMO优化算法，t-sne降维可视化，发现数据是否是容易线性可分的。
java-springboot-quartz-定时任务.zip
09-29
Java SpringBoot Quartz 定时任务是一个广泛应用于企业级开发中的技术组合，主要用于自动化执行周期性的任务。SpringBoot作为轻量级的框架，简化了Spring应用的初始搭建以及开发过程，而Quartz则是一个功能强大的...
详解 sklearn 中 TSNE可视化
热门推荐
Avery123123的博客
03-16 2万+
详解 sklearn 中 TSNE可视化数据降维与可视化——t-SNETSNE的参数函数参数表：返回对象的属性表：优化 t-SNEBarnes-Hut t-SNE实例Hello WorldS 曲线的降维与可视化手写数字的降维可视化 数据降维与可视化——t-SNE 参考：sklearn手册 t-SNE 是目前来说效果最好的数据降维与可视化方法，但是它的缺点也很明显，比如：占内存大，运行时间长。 但是...
维度学习、度量学习
Roykuang的专栏
12-10 1万+
之所以将这三个放在一起，主要是在学习的时候，感觉他们之间有很大的关联，是一大类非监督学习，且其中的主要算法都可以从这几个学习方法的角度来解释。我的一个不成熟的解释是，这三种算法都是在寻找一种转换，将数据放在一个适合的空间，以求获得合适的度量方式（距离度量，维度度量等等）。这里主要总结了其他大神们的杰作，以及西瓜书上的内容。维度灾难发生时，利用维度学习将数据转换到合适空间；流形学习利用拓扑流形概念来
ai讲师人工智能讲师计算机视觉讲师叶梓：计算机视觉领域的自监督学习模型——MAE-14
人工智能讲师分享前沿技术
05-20 270
接上一篇 P31P32 CV大神——何恺明 n2003年5月，何恺明拿到保送清华的资格，高考获得满分900分的成绩，成为当年广东省9位满分状元之一。 n本科就读于清华大学，博士毕业于香港中文大学多媒体实验室。 n2011年加入微软亚洲研究院（MSRA）工作，主要研究计算机视觉和深度学习。 n2016年，加入Facebook AI Research（FAIR）担任研究科学家。 n2020年1月11日，荣登AI全球最具影响力学者榜单。 故事还没完…… n2021年12月中旬
t-SNE进行分类可视化
xu.hyj
04-12 1万+
我们在论文中通常可以看到下图这样的可视化效果，这就是使用t-SNE降维方法进行的可视化，当然除了t-SNE还有其他的比如PCA等降维等方法，关于这些算法的原理有很多文章可以借阅，这里不展开阐释，重点讲讲如何进行可视化。
度量学习——总结
AmbitionalH的博客
03-12 8662
传统方法 User guide: contents — metric-learn 0.6.2 documentation 深度学习 基于深度学习的度量学习方法大都由两个部分组成：特征提取模块和距离度量模块。距离度量模块的任务是使同一类样本间的距离更靠近，而不同类样本间的距离更远离。这一模块更多的实现方法是改进损失函数，对模型的学习更加“赏罚分明”。 基于正负样本对的方法 也可以称为基于对比学习的方法，抽出正负样本对学习。对比学习的方法现在正广泛的应用于学习更好的特征提取模块，即用自监督学习的方法来
支持向量机SVM代码详解——多分类/降维可视化/参数优化【python】
lichensun的博客
07-08 2万+
主要介绍数学建模以及大数据比赛中常用的SVM支持向量机模型算法，并使用python实现实例二分类、多分类、可视化以及参数优化。
可视化高维数据：T-SNE
idol24的博客
06-04 1362
作者：知乎—Ganso地址：https://zhuanlan.zhihu.com/p/99469215Google Tech Talk June 24, 2013 (more info b...
python 通用场景图像分割.pdf
04-04
课程深入探讨了机器学习、深度学习与人工智能领域的计算机视觉技术，特别聚焦于语义分割这一关键概念。 在课程中，首先介绍了什么是图像分割，它涉及将图像分解成具有相似特征的区域，每个区域代表不同的对象或背景...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值