- 博客(12)
- 资源 (11)
- 收藏
- 关注
原创 从零开始学keras之使用预训练的卷积神经网络
想要将深度学习应用于小型图像数据集,一种常用且非常高效的方法是使用预训练网络。 预训练网络(pretrained network)是一个保存好的网络,之前已在大型数据集(通常是大规模图像分类任务)上训练好。如果这个原始数据集足够大且足够通用,那么预训练网络学到的特征的空间层次结构可以有效地作为视觉世界的通用模型,因此这些特征可用于各种不同的计算机视觉问题,即使这些新问题涉及的类别和原始任务完全不同...
2020-01-18 18:56:25 3509 2
原创 从零开始学keras之kaggle猫狗识别分类器
使用很少的数据来训练一个图像分类模型,这是很常见的情况,如果你要从事计算机视觉方面的职业,很可能会在实践中遇到这种情况。“很少的”样本可能是几百张图像,也可能是几万张图像。来看一个实例,我们将重点讨论猫狗图像分类,数据集中包含 4000 张猫和狗的图像(2000 张猫的图像,2000 张狗的图像)。我们将 2000 张图像用于训练,1000 张用于验证,1000张用于测试。本节将介绍解决这一问题的...
2020-01-17 18:36:40 6735
原创 从零开始学keras之卷积神经网络介绍
卷积神经网络简介我们将深入讲解卷积神经网络的原理,以及它在计算机视觉任务上为什么如此成功。但在此之前,我们先来看一个简单的卷积神经网络示例,即使用卷积神经网络对 MNIST 数字进行分类,这个任务我们在第 2 章用密集连接网络做过(当时的测试精度为 97.8%)。虽然本例中的卷积神经网络很简单,但其精度肯定会超过第 2 章的密集连接网络。下列代码将会展示一个简单的卷积神经网络。它是Con...
2020-01-16 19:01:48 848
原创 从零开始学keras之过拟合与欠拟合
在预测电影评论、主题分类和房价回归中,模型在留出验证数据上的性能总是在几轮后达到最高点,然后开始下降。也就是说,模型很快就在训练数据上开始过拟合。过拟合存在于所有机器学习问题中。学会如何处理过拟合对掌握机器学习至关重要。机器学习的根本问题是优化和泛化之间的对立。优化(optimization)是指调节模型以在训练数据上得到最佳性能(即机器学习中的学习),而泛化(generalization)是...
2020-01-11 20:32:05 1691
原创 从零开始学Pytorch之数据操作
import torchtorch.manual_seed(0)torch.cuda.manual_seed(0)print(torch.__version__)输出pytorch的版本号创建Tensor创建一个5x3的未初始化的Tensor:x = torch.empty(5, 3)print(x)输出为:tensor([[0.0000e+00, 1.0842e-1...
2020-01-10 18:46:58 971
原创 从零开始学keras之预测房价
前面讲的都是分类问题,其目标是预测输入数据点所对应的单一离散的标签。另一种常见的机器学习问题是回归问题,它预测一个连续值而不是离散的标签,例如,根据气象数据预测明天的气温,或者根据软件说明书预测完成软件项目所需要的时间。注意:不要将回归问题与 logistic 回归算法混为一谈。令人困惑的是,logistic 回归不是回归算法,而是分类算法。波士顿房价预测本节将要预测 20 世纪 70...
2020-01-09 19:00:48 1157
原创 Ubuntu18.04安装opencv出现的一系列问题解决方法(持续更新~)
$ sudo make 出现以下问题1、this file requires compiler and library support for the iso c++ 2011 standard解决方法:在工程主目录的CMakeLists.txt中添加如下,可以编译成功:SET( CMAKE_CXX_FLAGS "-std=c++11 -O3")2、~/opencv_contri...
2020-01-08 17:20:59 1752
原创 VGGnet论文解读及代码实现
# Title文章标题VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION# Summary网络架构如下图:卷积神经网络的输入是一个固定大小的224×224 RGB图像。做的唯一预处理是从每个像素中减去在训练集上计算的RGB平均值。图像通过一堆卷积(conv.)层传递,我们使用带有非常小的接受域的过...
2020-01-07 17:20:04 1507
原创 从零开始学keras之多分类问题
本节你会构建一个网络,将路透社新闻划分为 46 个互斥的主题。因为有多个类别,所以这是多分类(multiclass classification)问题的一个例子。因为每个数据点只能划分到一个类别,所以更具体地说,这是单标签、多分类(single-label, multiclass classification)问题的一个例子。如果每个数据点可以划分到多个类别(主题),那它就是一个多标签、多分类(m...
2020-01-06 18:42:29 3934
原创 从零开始学keras之电影二分类
二分类问题可能是应用最广泛的机器学习问题。在这个例子中,你将学习根据电影评论的文字内容将其划分为正面或负面。本博客使用 IMDB 数据集,它包含来自互联网电影数据库(IMDB)的 50 000 条严重两极分化的评论。数据集被分为用于训练的 25 000 条评论与用于测试的 25 000 条评论,训练集和测试集都包含 50% 的正面评论和 50% 的负面评论。为什么要将训练集和测试集分开?...
2020-01-05 19:35:39 1253
原创 python读取图片并储存为CSV文件
读取图片的标签并储存到CSV文件,代码如下:import osimport csvdef create_csv(dirname): path='./chongqing1_round1_testA_20191223/'+dirname+'/' name=os.listdir(path) with open (dirname+'.csv','w') as csvfi...
2020-01-04 22:12:51 7925 4
原创 回望2019,展望2020
总结2019 回顾2019年,我思绪万千。这一年世界波诡云谲,国际形势风云变幻。于国家而言,中国面临着前所未有的经济下行压力和面临世界百年之未有大变局;于企业而言,2019年各个企业公司日子都不好过,国家开启了新一轮的财政去杠杆,许多中小企业都融不到钱,在经济的寒冬中倒闭了;于个人而言,被时光的洪流裹挟前进。以前一直以为自己是风,现在才知道其实自己只是草,风往哪边吹,我们就往哪边倒。这一年有...
2020-01-03 09:20:32 1281 9
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人