![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
天池竞赛
ClFH
new 一个未来
展开
-
Datawhale_街景字符编码识别-Task5—模型集成
Task5—模型集成1、模型集成1.1、Dropout1.2、TTA1、模型集成在深度学习中本身就有一些集成学习思路的做法1.1、DropoutDropout可以作为训练深度神经网络的一种技巧。在每个训练批次中,通过随机让一部分的节点停止工作。同时在预测的过程中让所有的节点都其作用。Dropout经常出现在在先有的CNN网络中,可以有效的缓解模型过拟合的情况,也可以在预测时增加模型的精度。加入Dropout后的网络结构如下:# 定义模型class SVHN_Model1(nn.Module)原创 2020-06-02 22:47:08 · 157 阅读 · 0 评论 -
Datawhale_街景字符编码识别-pytorch.transforms数据增强
街景字符编码识别-Task41、构建数据集2、参数设置3、定义模型3.1、使用VGG16迁移学习1、构建数据集trainGen = keras.preprocessing.image.ImageDataGenerator(rescale=1./255, rotation_range=40,原创 2020-05-30 23:43:21 · 416 阅读 · 0 评论 -
Datawhale_街景字符编码识别-Task3—字符识别模型
街景字符编码识别-Task3模型构建模型构建#深度神经网络model = keras.models.Sequential()#定义第一个卷积层model.add(keras.layers.Conv2D(filters = 32, #32个通道(32个卷积核) kernel_size=3, #卷积核大小为3 padding='sa原创 2020-05-27 20:29:16 · 369 阅读 · 1 评论 -
Datawhale_街景字符编码识别-Task2—图像数据读取与数据增广
Task2—数据读取与数据扩增读取前四张图片的标签及图片读取前四张图片的标签及图片 imgs = glob.glob(data_dir['train_data']+'*.png')fig, ax = plt.subplots(figsize=(12, 8), nrows=2, ncols=2)marks = pd.read_json(data_dir['train_label'])for i in range(4): img_name = os.path.split(imgs[原创 2020-05-25 19:47:34 · 271 阅读 · 0 评论 -
Datawhale_街景字符编码识别-Task1—数据加载及预处理
数据加载及预处理1、文本数据预处理1.1、标签数据处理1.2、图片数据处理1、文本数据预处理1.1、标签数据处理可以将赛题抽象为一个定长字符识别问题,在赛题数据集中大部分图像中字符个数为2-4个,最多的字符个数为6个大多数的数字序列都是2或3的序列,只有一个来自训练集的例子在序列中有6个数字。该网络的设计目标是识别最多5位数字。网络输出6个值,前5个对应序列中的每个数字(输出10表示为空数字),最后一个值是序列中除去填充值有多少个位数。加载训练数据标签import globmetadata原创 2020-05-20 22:52:54 · 232 阅读 · 0 评论 -
Task5 模型融合
模型融合1 模型融合1.1 模型融合目标1.2 内容介绍1.3 Stacking相关理论介绍1.3.1 什么是stacking1.3.2 如何进行 stacking1.3.3 Stacking的方法讲解2 代码示例回归\分类概率-融合:三级目录1 模型融合了解各种模型结果的融合方式,在比赛的攻坚时刻冲刺Top1.1 模型融合目标对于多种调参完成的模型进行模型融合。完成对于多种模型的融合...原创 2020-04-03 08:19:01 · 228 阅读 · 0 评论 -
Task4 建模调参
Task4 建模调参建模与调参1 学习目标2 内容介绍2 相关原理介绍与推荐2.1 线性回归模型2.2 决策树模型2.3 GBDT模型2.4 XGBoost模型2.5 LightGBM模型2.6 教材推荐3 代码示例3.1 读取数据3.2 线性回归 & 五折交叉验证 & 模拟真实业务情况3.2.1 简单建模3.2.2 五折交叉验证3.2.3 模拟真实业务情况3.2.4 绘制学习率...原创 2020-04-01 20:46:00 · 356 阅读 · 0 评论 -
数据挖掘-Task3 特征工程
Datawhale 数据挖掘-Task3 特征工程特征工程目标1 内容介绍2 代码示例2.1 导入数据合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart...原创 2020-03-28 14:40:30 · 842 阅读 · 0 评论 -
数据的探索性分析(EDA)
Task2 数据的探索性分析(EDA)1、EDA的作用2、内容介绍3、代码示例3.1 载入各种数据科学以及可视化库3.2 载入数据简略观察数据head()+shape3.3 总览数据概况3.3.1 通过describ()来熟悉数据的相关统计量3.3.2 通过info()来熟悉数据类型3.4 判断数据缺失和异常3.4.1 查看每列nan的存在情况3.4.2 查看异常值检测3.5 了解预测值的分...原创 2020-03-24 17:29:04 · 853 阅读 · 0 评论