![](https://img-blog.csdnimg.cn/20210529112430919.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习/机器学习
文章平均质量分 88
记录我的深度学习心得与学习笔记。
小生凡一
Talk is cheap. Show me the code.
展开
-
【机器学习】图解VGG与ResNet (文末送书)
????粉丝福利送书:《 自然语言处理NLP从入门到项目实战》????点赞 ???? 收藏 ⭐留言 ???? 即可参与抽奖送书 ????下周二(12月28日)晚上20:00将会在【点赞区和评论区】抽一位粉丝送这本北京大学出版社的书~????????详情请看最后的介绍嗷~✨文章目录1. VGG1.1 网络输入1.2 网络各层结构2. ResNet福利送书1. VGGVGG网络采用小的滤波器, 具有更深的网络结构。3x3 CONV,2x2 MAX POOL三个 3x3 conv 的堆叠,具备等效原创 2021-12-21 14:00:46 · 4847 阅读 · 11 评论 -
☀️机器学习实战☀️基于 YOLO网络 的人脸识别 |(文末送机器学习书籍~)
一、 项目进展1.1 第一阶段由于是人脸识别,我们在打算使用OpenCV,通过进行一些的cv操作,例如将背景和人进行一个减法操作的运算,再进行高斯滤波降噪点,以及进行形态学的腐蚀与膨胀操作,但是这种算法只能应用于简单背景下的单人检测。无法应对多人情况下的检测识别。于是进入第二阶段。1.2 第二阶段在这个阶段,我们采取了YOLOv3 + OpenCV的方案,YOLO系列算法是目标检测领域的佼佼者。在YOLOv3强大的网络下,我们的人脸识别准确率达到了一个新的高度。当然由于YOLOv3的权重文件高达两百原创 2021-09-06 07:23:47 · 5544 阅读 · 76 评论 -
☀️机器学习入门☀️(一) 机器学习简介 | 附加小练习
目录1. 机器学习是什么2. 机器学习、深度学习和人工智能的区别与联系1. 机器学习是什么用老师上课的一张图我们可以用大白话来解释:大量的数据通过这个学习机器去学习计算,然后获取到一些精华的数据来进行一些猜想,预测或是实践。e.g:举个例子,高考,每个人进行大量的题目学习,然后去高考。进行大量的题目学习,就是学习计算,然后获取到了一些精华的数据知识,去高考就是用你所学的数据知识进行实践。人如此,机器也是如此,这也可以应用在机器上面,如果一个机器去经过大量的题目进行学习,机器也可以去参加高考,而原创 2021-08-31 07:49:02 · 1438 阅读 · 43 评论 -
☀️机器学习入门☀️(四) PCA 和 LDA 降维算法 | 附加小练习(文末送书)
目录1. PCA 主成分分析1.1 算法简介1.2 实现思路1.3 公式推算1.3.1 PCA顺序排序1.3.2 样本协方差矩阵1.4 小练习2. LDA 线性判断分析2.1 算法简介2.2 实现思路2.3 小练习3. 福利送书1. PCA 主成分分析1.1 算法简介数据样本虽然是高维的,但是与学习任务紧密相关的或许仅仅是一个低维嵌入,因此可以对数据进行有效的降维。主成分分析是一种统计分析、简化数据集的方法。它利用正交变换来对一系列可能相关的变量的观测值进行线性变换,从而投影为一系列线性原创 2021-09-17 08:08:23 · 1945 阅读 · 11 评论 -
☀️机器学习入门☀️(三) 图解K-Means聚类算法 | 附加小练习
物以类聚经典的无监督学习算法 ——K-Means聚类算法目录1. K-Means 定义2. K-Means 步骤1. K-Means 定义K-means聚类算法首先是随机选取K个对象作为初始的聚类中心,然后计算每个样本与各个聚类中心之间的距离,把每个样本分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一次样本,聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有(或最小数目)样本被重新分配给不同的聚类,没.原创 2021-09-08 21:46:42 · 2588 阅读 · 40 评论 -
☀️机器学习入门☀️(二) KNN分类算法 | 附加小练习
目录1. 聚类与分类1.1 聚类1.2 分类2. 关于KNN算法练习第一题:第二题:1. 聚类与分类1.1 聚类聚类是将数据对象的集合分成相似的对象类的过程。使得同一个簇(或类)中的对象之间具有较高的相似性,而不同簇中的对象具有较高的相异性,并且事先不知道数据集本身有多少类别,属于无监督学习。e.g:比如预测某一学校的在校大学生的好朋友团体,我们不知道大学生和谁玩的好玩的不好,我们通过他们的相似度进行聚类,聚成n个团体,这就是聚类。1.2 分类分类就是事先已知道数据集中包含多少种类,从而对数据原创 2021-09-01 22:30:59 · 3513 阅读 · 55 评论 -
一个numpy搭建神经网络
NumPy搭建我的第一个神经网络前言 利用纯numpy实现手势识别,首先是进行的整体的网络构成,然后再展示代码部分。这是我的第一个神经网络。完整代码: GitHub网络大体体现: 输入层,隐藏层,输出层。已经知道的是输出层是有十个结果的,就是10个数字的概率。关于训练集,验证集,测试集关于手算的梯度下降三个参数的求解第一个参数手算详细过程代码部分激活函数,以及激活函数的导数def tanh(x): return np.tanh(x)def bypass(x原创 2021-03-15 17:45:50 · 861 阅读 · 1 评论 -
【目标检测】你想知道的手势识别都在这里 【YOLO】网络
基于YOLO+ResNet50的手势识别(一)项目背景以及系统环境本文所使用的深度学习框架为pytorch-gpu-1.7.1版本,python3.7版本,需要在特定的系统环境中运行。本文搭建实验所需要的系统环境如下所示。1.1 项目背景 近年来,计算机视觉技术蓬勃发展,为生产和生活带来了巨大的变革。像是刷脸支付、无人驾驶等已经上市或即将走向成熟的技术,极大便利了我们的日常生活。但是我们观察到,目前市场上尚未出现一款完善的针对会议演示控制的计算机视觉产品。同时,由于新冠疫情的影响,加深了人们对于原创 2021-05-27 00:41:54 · 23444 阅读 · 147 评论 -
pytorch实现YoloV3模型
yoloV3的学习笔记以下内容是学习Bubbliiiing大佬,自己整理的笔记大佬的CSDN链接 点击这里YOLOv3Yolov3的模型的实现过程简单介绍: yolov3主要主要就是通过Darknet-53的主干网络进行特征的提取。首先是进行输入的数据的大小—>先是进行一次卷积的处理,增加通道数,主干部分Darknet-53 主干网络是Darknet53,其重要特点是使用了残缺网络Residual。darknet53中的残差卷积就是进行一次3*3,步长为2的卷积,然后保存该原创 2021-03-08 17:10:33 · 3805 阅读 · 2 评论 -
TensorFlow学习之旅(一)入门知识记录
Session 会议控制Session 是 TensorFlow 为了控制和输出文件的执行语句,运行 Session.run() 可以获得你想要的运算结果import tensorflow as tf# session 会议控制tf.compat.v1.disable_eager_execution() # 保证sess.run()能够正常运行matrix1 = tf.constant([[3, 3]]) # 建立两个矩阵matrix2 = tf.constant([[2], [2]]原创 2021-02-18 23:51:37 · 379 阅读 · 0 评论