- 博客(4)
- 收藏
- 关注
RSS订阅原创 迁移学习--微调
我们假设这些模型参数包含了源数据集上学习的到的知识，且这些知识同样适用于目标数据集。我们还假设模型的输出层与源数据集的标签紧密相关，因此在目标模型中不予采用。图像增广技术通过对训练图像做一系列的随机变换，来产生相似又不同的训练样本，从而扩大数据集的规模。（4）在目标数据集上训练目标模型。我们从头到尾训练输出层，而其余层的参数都是基于源模型的参数微调得到的。（3）为目标模型添加一个输出大小为目标数据集类别个数的输出层，并随机初始化该层模型参数。当目标数据集远小于源数据集时，微调有助于提升模型的泛化能力。
2023-06-17 23:29:28
678
1
原创 深度学习--LeNet、Alexnet（mxnet框架）
因为ImageNet中绝大多数图像的高和宽均比MNIST图像的高和宽大10倍以上，ImageNet图像的物体占用更多的像素，所以需要更大的卷积窗口来捕获物体。由于早期显存的限制，最早的AlexNet使用双数据流的设计使一个GPU只需要处理一半模型。幸运的是，显存在过去几年得到了长足的发展，因此通常我们不再需要这样的特别设计了。第一，与相对较小的LeNet相比，AlexNet包含8层变换，其中有5层卷积和2层全连接隐藏层，以及1个全连接输出层。AlexNet与LeNet的设计理念非常相似，但也有显著的区别。
2023-06-15 21:52:09
139
1
原创 人工神经网络--手写字体识别
MNIST数据集由手写数字图片和数字标签0〜9组成的，它包含了70000个手写数字图像，其中60000个是训练数据，另外10000个是测试数据。每个样本都是一张28 * 28像素的灰度手写数字图片。②划分测试和训练集（为了控制训练时间，缩减训练数据和测试数据分别为5000和1000）缺点：sklearn库中的MLP分类和回归只适用于处理小数据集。
2023-04-29 00:06:52
272
1
原创 线性回归鸢尾花练习
Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。iris以鸢尾花的特征作为数据来源，常用在分类操作中。该数据集由3种不同类型的鸢尾花的50个样本数据构成。其中的一个种类与另外两个种类是线性可分离的，后两个种类是非线性可分离的。可以将花瓣数据分为训练数据。Petal.Length（花瓣长度），单位是cm;Petal.Width（花瓣宽度），单位是cm;
2023-04-27 14:14:33
416
1
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