- 博客(8)
- 收藏
- 关注
RSS订阅原创 初识探测任务
探测任务就是找出图片中有几个目标，用bounding box把他们圈起来，并给出他们的类别发展历程overFeat -》R-CNN-》Faster R-CNN-》Yolo(v1,v2,v3)，具有实用价值的只有R-CNN和YOLO，下面简单说说他们R-CNN工作流：图片--SS--CNN分类网络---类别预测--边框回归--逐类NMS缺点：每张图片必须缓存2000个4096维向...
2020-09-20 22:57:55
106
原创 排序算法Pyhon实现
快速排序class Solution1: def quick_sort(arr): if len(arr) < 2: return arr else: first_one = arr[0] less_part = [i for i in arr[1:] if i < first_one] greater_part = [i for i in arr[1...
2020-09-20 22:52:35
60
原创 对过拟合，欠拟合和正则化的理解
过拟合定义：训练误差和测试误差之间的差距太大原因：模型容量过大后果：无法提取有效的结构信息，即解过多，无法选出一个泛化能力好的解（这里就得解释一下模型容量和泛化能力的概念了，模型容量即拟合各种函数的能力，显然高次函数多项式的这种能力比低次的强，就说更高次的模型容量大。泛化能力即在未观测到的输入上表现的良好程度）欠拟合定义：模型不能在训练集上获得足够低的误差原因：
2017-07-08 19:56:19
470
原创 关于随机梯度下降算法（SGD）的理解
从接触深度学习开始，就不断听到随机梯度下降这个名词。那么这到底是个什么东东呢？随机梯度下降是用来求损失函数系数的最优解的，什么是损失函数呢？损失函数就是你模型的预测值和真实值之间的差距怎么求呢？就是求损失函数最小值（或者能找到的最小值）对应的系数，我们希望损失函数值往波谷的方向走，那么怎么知道波谷的方向呢，就是梯度下降的方向所以，只要对各个系数求偏导
2017-07-08 18:51:44
1982
原创 ubuntu下caffe实战---mnist数据集测试
测试用到手写体识别模型LeNet，mnist数据集其中LeNet是一种CNN模型，由一个卷积层、后面跟一个下采样层、再跟另外一个卷积层和另一个下采样层，再之后是两个全连接层组成。mnist数据集：包括60000个训练集和10000个验证集训练过程：1.下载mnist数据集cd ~/caffe./data/mnist/get_mnist.sh如果出现权限不够的
2017-04-17 18:37:49
5078
1
原创 【机器学习】自学笔记绪论---机器学习进阶之路
v 机器学习进阶之路1) 看一些机器学习导论性质的书/视频，完成对机器学习的感性认识；2) 看一些算法讲解视频，如斯坦福大学公开课；推导算法的过程3) 找到要学习的算法的实现代码，分析算法的实现过程、优缺点、参数设置；使用框架去训练模型、运用模型；4) 参加一些机器学习方面的竞赛，综合地运用已形成的能力，进一步巩固提高5) 选择特定的应用领域（如语音识别、自然语言处理、推荐系统等）进行专攻
2016-12-12 16:53:30
1138
1
原创 机器学习算法学习计划
了解常用算法的基本思想和大概流程，懂得这些算法的理论过程，非常熟悉怎样使用它，知道算法的优缺点，知道在什么场合使用什么算法，掌握根据使用的情景进行调参的能力。
2016-12-11 20:51:56
3110
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