2018年02月_哎呦不错的温jay

原创机器学习--svm不同核函数介绍及选择

首先介绍线性核函数的概念：就是没有核函数，用θ0+θ1*X1+θ2*X2+...θn*Xn进行分类。假设有数据有n个特征，m条数据：则当n很大，m很小的时候，用线性核函数。n很小，m很大的时候，用高斯核函数。选择高斯核函数的时候需要调整参数δ，如果δ的平方很大，那么你就有可能得到一个较大的误差、较低方差的分类器。但是如果σ 的平方很小，那么你就会有较大的方差，较低误差的分类器。正常情况下就使用以...

2018-02-26 15:12:02 13551 1

原创 tensorflow--tf.nn.l2_loss()函数示例

我在网上找了一圈，发现并没有人很详细地介绍过tf.nn.l2_loss函数。我今天来给大家解释并跑一下这个函数。tf.nn.l2_loss(t, name=None)解释：这个函数的作用是利用 L2 范数来计算张量的误差值，但是没有开方并且只取 L2 范数的值的一半，具体如下：output = sum(t ** 2) / 2代码：import tensorflow as tfa=tf.cons...

2018-02-14 22:30:56 7825 1

原创深度学习、tensorflow--神经风格迁移（neural style transfer）原理以及实现代码

最近在计算机视觉界流行一个算法，神经风格迁移（neural style transfer），出自论文《 A Neural Algorithm of Artistic Style》，今天来让我们看看这究竟是怎么一回事。我们有一个内容图片（拿学校大门献丑了）：一个风格图片：最终生成图片：是不是还是相当有意思的，我先介绍原理，一会给代码。首先，在介绍原理之前，确保你明白卷积神经网络（CNN）原理，CNN...

2018-02-14 21:33:35 17841 27

原创机器学习--SVM（支持向量机）标记点选择与损失函数

本篇文章介绍SVM如何选择标记点，以及引入核函数后的损失函数。若是还没理解核函数及高斯核函数的同学可以看看上一篇：http://blog.csdn.net/wenqiwenqi123/article/details/79313876给定m个样本(x1,y1)、(x2,y2).....(xm,ym).最好的标记点选择就是把所有样本都当做标记点。将标记点记为l1、l2...

2018-02-12 01:49:06 10975 3

原创机器学习--SVM（支持向量机）核函数原理以及高斯核函数

最近小小地研究了一下SVM，发现这个算法还是相当有意思，今天来给大家讲讲其原理。首先假设每个样本的特征值为X1、X2...到Xn，即有n个特征值。θ1、θ2、θ3...θn为对应权值。那么要将上图两类红色的X和白色的O分类的话，最简单的方法就是找到合适的权值，使得：当θ0+θ1*X1+θ2*X2+...θn*Xn>=0时将样本分为第一类。当式子<0时，分为第二类。将该式拓展一下可以变...

2018-02-12 00:02:40 43981 5

原创 python--scipy.misc.imresize()函数示例

这个函数如它名字一般，就是拿来重新调整图片的形状的。这样说比较抽象，直接看代码：import scipy.miscimport numpy as npdef imread(path): img = scipy.misc.imread(path).astype(np.float) if len(img.shape) == 2: # grayscale ...

2018-02-10 20:09:56 24469 6

原创深度学习--简述卷积层如何检测物体边缘原理

对计算机视觉与深度学习有所了解的同学应该知道图像卷积可以识别出物体，在神经网络的前几层，识别出物体最基础的例如垂直或是水平的边缘。在之后的隐藏层慢慢可以识别出物体的部分，直到最后几层可以识别出完整的物体。本篇文章主要介绍卷积层为何可以检测出这些。先介绍一个概念，过滤器：这是一个3*3的过滤器，是一个矩阵，数值如上所示，一会介绍这是干嘛用的。假设我们有一个6*6的灰度图像：

2018-02-03 18:51:34 6054 2

原创深度学习--训练集验证集测试集合理划分比例

众所周知，在机器学习深度学习领域，合理划分训练集验证集和测试集是很重要的，本文主要介绍如何划分。过去，人们运用机器学习传统方法的时候，一般将训练集和测试集划为7：3.若有验证集，则划为6:2:2. 这样划分确实很科学，当数据量不大的时候（万级别及以下）。但到了大数据时代，数据量陡增为百万级别，此时我们不需要那么多的验证集和训练集。假设有100W条数据，只需要拿出1W条来当验

2018-02-01 19:52:13 73087 7

wenqiwenqi123的博客