- 博客(11)
- 资源 (1)
- 收藏
- 关注
原创 Python 遍历目录
代码:import os def scanfile(path): filelist = os.listdir(path) allfile = [] for filename in filelist: filepath = os.path.join(path,filename) if os.path.i
2016-07-25 18:19:58
882
翻译 MxNet教程:使用一台机器训练1400万张图片
此方法描述了如何是使用一台机器 -4张GTX980互联在一台机器上,训练8.5天训练完整个ImageNet 数据集,此数据集有14,197,087张图片。 1.存储海量数据的方法。 2.最小化内存的计算代价。 3.如何快速训练模型。
2016-07-21 19:24:14
4469
转载 提高机器学习模型准确率的八大方法
机器学习面对的是一个受限有穷空间 到 一个扩大的有穷空间 的泛化问题。 对于一个不能充分描述的真实数据空间,假设空间的可信度就大打折扣,基于假设空间建立的模型就一直在欠拟合和过拟合之间摇摆。1. 增加更多数据 2. 处理缺失值和异常值 3. 特征工程学 4. 特征选择 5. 使用多种算法 6. 算法的调整 7. 集成模型 8. 交叉验证。
2016-07-12 17:37:07
16235
1
原创 Caffe: gflag编译出现问题汇总
1. 使用Unicode字符集:出现问题E:\CodeBase\ML\Caffe\ThirdPartySrc\gflags-master\src\gflags.cc(1340): error C2664: 'BOOL PathMatchSpecW(LPCWSTR,LPCWSTR)' : cannot convert argument 1 from 'const char *' to 'LP
2016-07-12 14:36:19
5181
翻译 分布式机器学习框架:MxNet
MxNet官网: http://mxnet.readthedocs.io/en/latest/前言:caffe是很优秀的dl平台。影响了后面很多相关框架。cxxnet借鉴了很多caffe的思想。相比之下,cxxnet在实现上更加干净,例如依赖很少,通过mshadow的模板化使得gpu和cpu代码只用写一份,分布式接口也很干净。mxnet是cxxnet的下一代,目前实现了
2016-07-12 09:57:48
3595
原创 Caffe: Vs13添加CUDA支持
右键工程点击:Building Dependency右击:Build Customizations点击选项:CUDA 7.5
2016-07-11 18:43:08
927
转载 分布式机器学习框架:MxNet 前言
原文连接:MxNet和Caffe之间有什么优缺点一、前言:Minerva: 高效灵活的并行深度学习引擎 不同于cxxnet追求极致速度和易用性,Minerva则提供了一个高效灵活的平台让开发者快速实现一个高度定制化的深度神经网络。 Minerva在系统设计上使用分层的设计原则,将“算的快”这一对于系统底层的需求和“好用”这一对于系统接
2016-07-08 11:48:13
3192
转载 分布式机器学习框架:CXXNet
caffe是很优秀的dl平台。影响了后面很多相关框架。 cxxnet借鉴了很多caffe的思想。相比之下,cxxnet在实现上更加干净,例如依赖很少,通过mshadow的模板化使得gpu和cpu代码只用写一份,分布式接口也很干净。CXXNET:极致的C++深度学习库 cxxnet是一个并行的深度神经网络计算库,它继承了xgboost的简洁和极速的基因,并开始被
2016-07-08 11:04:44
1723
翻译 各种流行深度学习构架的性能对比
知乎上对各种深度学习方法的对比: 在众多的神经网络框架如chainer, caffe, torch,mxnet等之间如何做选择?四个月前就有人提出更新对比,现在我看还没有对比更新过。 Evaluation of Deep Learning Toolkits原文: Abstract. In this study, I ev
2016-07-07 19:34:38
7202
原创 fatal error C1083: 无法打开包括文件:“stdio.h
现象: vs2012一直fatal error C1083: 无法打开包括文件:“stdio.h”不知道配置太多,动到了什么地方,出现了这个问题;在: 解决方案--调试源文件 里面添加 包含 C:\Program Files (x86)\Microsoft Visual Studio 11.0\VC\include 没有效果!!
2016-07-07 15:37:12
12716
使用FLANN.LSH进行检索
2014-04-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人