深度学习
Glory_g
明日之我胸中有沟壑,立马振山河
展开
-
Mnist 数据集的下载 以及 tensorflow 实现手写数字识别
Mnist 数据集Mnist 内置 50000 组训练数据 10000 组测试数据 对于深度学习的学习、训练起到了很好的作用 Moist 数据集下载地址 : http://yann.lecun.com/exdb/mnist/手写数字识别手写数字识别有多种实现的方式 比如 softmax 回归 (逻辑回归的推广、可以看成逻辑回归应用于多类分类的问题) 卷积神经网络也可以实现,原创 2018-01-26 11:48:54 · 7076 阅读 · 0 评论 -
深度学习中的数据增强
关于计算机视觉领域数据增强的一些常用的方法为什么需要数据增强 :一般而言,比较成功的神经网络需要大量的参数,许许多多的神经网路的参数都是数以百万计,而使得这些参数可以正确工作则需要大量的数据进行训练,而实际情况中数据并没有我们想象中的那么多数据增强的作用 :增加训练的数据量,提高模型的泛化能力增加噪声数据,提升模型的鲁棒性如何获得大量的数据 :一种方法是获得新的数...原创 2018-08-18 17:06:42 · 60305 阅读 · 28 评论 -
PyTorch 模型的保存和加载
1. Pytorch 加载完整模型的参数保存加载整个模型 # 保存整个模型torch.save (model_object, 'model.pk1')# 加载整个模型 model = torch.load('model.pkl')保存模型的参数 (推荐使用)# 模型参数保存torch.save (model_object.state_dict(), 'params....原创 2018-08-18 19:03:39 · 4735 阅读 · 1 评论 -
深度学习之感受野的计算和举例
感受野 (receptive field) :从CNN可视化的角度来讲,就是输出feature map某个节点的响应对应的输入图像的区域大小就是感受野。感受野的计算 :首先捶墙推荐一个直接写好的感受野计算的网站 :https://fomoro.com/tools/receptive-fields/#只用把你自己的网络层以及参数输入进去就可以得到感受野的大小了,非常方便准确。下面说一说...原创 2018-09-21 19:59:39 · 1644 阅读 · 0 评论