![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习模型及框架
wzx9511
在机器学习的路上,死磕到底!
展开
-
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...原创 2020-09-20 22:57:55 · 108 阅读 · 0 评论 -
【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)进行专攻原创 2016-12-12 16:53:30 · 1139 阅读 · 1 评论 -
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原创 2017-07-08 18:51:44 · 1983 阅读 · 0 评论 -
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:原创 2017-07-08 19:56:19 · 472 阅读 · 0 评论