- 博客(6)
- 收藏
- 关注
RSS订阅原创 百度飞桨PaddlePaddle-21天零基础实践深度学习-目标检测
百度飞桨PaddlePaddle-21天零基础实践深度学习-目标检测YOLOv3概念边界框锚框交并比（衡量指标）数据读取和预处理模型YOLOv3YOLO-V3基本思想卷积神经网络提取特征根据输出特征图计算预测框位置和类别建立输出特征图与预测框之间的关联损失函数多尺度检测开启端到端训练预测模型效果及可视化优化防止梯度消失和梯度爆炸防止过拟合参数调优后处理 概念 边界框 <1> xyxyxyxyxyxy，即(x1,y1,x2,y2)(x_1, y_1, x_2, y_2)(x1,y1,x2,y
2020-08-30 12:15:27
721
原创 百度飞桨PaddlePaddle-21天零基础实践深度学习-卷积神经网络基础
百度飞桨PaddlePaddle-21天零基础实践深度学习-卷积神经网络基础计算机视觉主要任务应用场景发展历程卷积神经网络卷积卷积计算填充（padding）步幅（stride）感受野（Receptive Field）多输入通道、多输出通道和批量操作飞桨卷积API介绍卷积算子应用举例池化激活函数批归一化Dropout 计算机视觉 主要任务 识别图片物体 检测物体所在的位置 目标物体跟踪 理解并描述图像里场景和故事 基本子任务： <1> 图像分类 （类别） <2> 目标检测
2020-08-22 20:59:36
477
原创 百度飞桨PaddlePaddle-21天零基础实践深度学习-图像分类
百度飞桨PaddlePaddle-21天零基础实践深度学习-图像分类摘要数据集介绍眼疾分类数据集iChallenge-PM数据准备数据读取器定义数据输出形状卷积神经网络LeNetLeNet-5网络 （3conv+2fc）LeNet识别手写数字LeNet 识别眼疾图片AlexNetAlexNet-8网络（5conv+3fc）AlexNet在眼疾数据集上应用VGGVGG-16网络（13conv+3fc）AlexNet在眼疾数据集上应用GoogLeNetGoogLeNet-22网络GoogLeNet在眼疾数据集上
2020-08-20 21:47:01
2159
原创 百度飞桨PaddlePaddle-21天零基础实践深度学习-【手写数字任务】3
@百度飞桨PaddlePaddle-21天零基础实践深度学习-【手写数字任务】3 资源配置 面对更加复杂的机器学习或深度学习任务，需要运算速度更高的硬件（如GPU、NPU），甚至同时使用多个机器共同训练一个任务（多卡训练和多机训练）。可以通过资源配置的优化，提升模型训练效率。 单GPU训练 飞桨动态图通过fluid.dygraph.guard(place=None)里的place参数，设置在GPU上训练还是CPU上训练。 with fluid.dygraph.guard(place=fluid.CPUPla
2020-08-17 20:54:43
389
原创 百度飞桨PaddelePaddle-21天零基础实践深度学习-【手写数字任务】2
百度飞桨PaddelePaddle-21天零基础实践深度学习-【手写数字任务】2模型设计网络结构损失函数训练配置优化算法 模型设计 网络结构 全连接神经网络 经典的全连接神经网络来包含四层网络：输入层、两个隐含层和输出层。 使用MNIST数据集，输入为28X28的像素值，隐含层是10X10结构，激活函数为Sigmoid。输出层是回归一个数字。 Sigmoid公式： f(x)=11+e−x f(x)=\frac{1}{1+e^{-x}} f(x)=1+e−x1 代码如下： # 多层全连接神经网络实现 c
2020-08-14 20:45:35
413
原创 百度飞桨PaddelePaddle-21天零基础实践深度学习-【手写数字识别】1
百度飞桨PaddelePaddle-21天零基础实践深度学习-学习笔记数据处理实践作业 今天毕然老师通过经典案例【手写数字识别任务】展开，模型方面从房价预测模型过渡到手写体识别模型。使用“横纵式”教学法中的纵向极简方案快速完成手写数字识别任务的建模，但模型测试效果并未达成预期。所以考虑从横向展开，如 图所示，逐个环节优化，以达到最优训练效果。 数据处理 步骤：读入数据——划分数据集——生成批次数据——训练样本集乱序——校验数据有效性 异步数据读取方式 与同步数据读取相比，异步数据读取仅增加了三行代码，如下
2020-08-14 11:45:29
470
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