机器学习
文章平均质量分 77
HuntZou
这个作者很懒,什么都没留下…
展开
-
图像矩的理解及作用
我们希望能用很少的几个特征代表一个图形,这些特征不因图形在图像中所在的位置、旋转角度、缩放比例的改变而改变,也不应受光照、噪点等影响。经过计算机视觉多年的发展,已经发现了很多这样的特征, 不变矩就是其中一个。统计学中的矩图像的几何矩将图像的像素坐标看作是二维随机变量,像素的灰度值看作是概率,就可以套用统计学中的矩作为图像的几何矩。原点矩:Mij=∑x∑yxiyjI(x,y)M_{ij}=\sum_x \sum_y x^iy^jI(x,y)Mij=∑x∑yxiyjI(x,y)中心矩:μij=原创 2022-04-20 12:22:57 · 4278 阅读 · 0 评论 -
大白话反向传播和链式求导
#mermaid-svg-8owjzWvxhoectPXD {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-8owjzWvxhoectPXD .error-icon{fill:#552222;}#mermaid-svg-8owjzWvxhoectPXD .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-8owjzWv原创 2022-04-06 12:27:18 · 1006 阅读 · 0 评论 -
Pytorch将多维张量转换为一维
使用 tensor.reshape(-1) 即可其中,若reshape的参数为负数,则表示不指定具体维度的长度,以真实的数据长度补足原创 2022-03-31 11:00:31 · 12110 阅读 · 0 评论 -
分类问题时loss只是收敛到0.693附近的直线
目录问题概述根本原因:交叉熵常见原因之一:Sigmoid出现问题原因及解决方法1 当输入与输出确实不相关时2 当模型初始权重相同且较大,且学习率较小时3 当模型的输入本身就很小,或者模型初始化权重很小时4 特征不明显,导致长时间训练不拟合5 使用sigmoid或tanh这类函数时,或输入特征较大使得收敛更困难这种情况一般是在使用了交叉熵的二分类问题上容易出现,同样的,也可能出现loss收敛到1.0986、1.386等等,其实他们就是log(1/2)、log(1/3)、log(1/4)。。。问题概述根原创 2022-03-26 20:47:47 · 6649 阅读 · 0 评论