![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
AI(人工智能)
Yi_jia_yi
这个作者很懒,什么都没留下…
展开
-
街景字符编码识别_Task04模型训练与验证
1 欠拟合和过拟合欠拟合:即模型没有很好地捕捉到数据特征,不能够很好地拟合数据;过拟合:即模型把数据学习的太彻底,导致测试的时候不能够很好地识别数据,即不能正确的分类,模型泛化能力太差。过拟合原因:常见是模型复杂度太高解决过拟合:构建一个与测试集尽可能分布相似的样本,训练过程不断验证模型在验证集上的精度,来控制模型的训练。因此可以划分验证集来进行验证,2 评估方法留出法:把数据集D划分为两个互斥的集合,其中一个是训练集,一个是测试集。书中给出的参考划分比例是,训练集66.6%~80%交叉验证原创 2020-05-30 23:38:03 · 219 阅读 · 0 评论 -
街景字符编码识别_Task01赛题理解
赛题理解1 赛题了解赛题来源自Google街景图像中的门牌号数据集(The Street View House Numbers Dataset, SVHN),并根据一定方式采样得到比赛数据集。训练集数据包括3W张照片,验证集数据包括1W张照片,测试集A/B包括4W张照片,每张照片包括颜色图像和对应的编码类别和具体位置。所有的数据(训练集、验证集和测试集)的标注使用JSON格式,并使用文件名进行索引。如果一个文件中包括多个字符,则使用列表将字段进行组合。评价标准为准确率,选手提交结果与实际图片的原创 2020-05-20 23:23:52 · 266 阅读 · 0 评论