<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[QH0695的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/QH0695</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; QH0695]]></copyright><item><title><![CDATA[Datawhale CV组队学习打卡-05]]></title><link>https://blog.youkuaiyun.com/QH0695/article/details/106497285</link><guid>https://blog.youkuaiyun.com/QH0695/article/details/106497285</guid><author>QH0695</author><pubDate>Tue, 02 Jun 2020 15:35:05 +0800</pubDate><description><![CDATA[Task5 模型集成



学习目标

 学习集成学习方法以及交叉验证情况下的模型集成
 学会使用深度学习模型的集成学习



集成学习方法

在机器学习中的集成学习可以在一定程度上提高预测精度，常见的集成学习方法有Stacking、Bagging和Boosting，同时这些集成学习方法与具体验证集划分联系紧密。

由于深度学习模型一般需要较长的训练周期，如果硬件设备不允许建议选取留出法，如果需要追求精度可以使用交叉验证的方法。

下面假设构建了10折交叉验证，训练得到10个CNN模型。
那...]]></description><category></category></item><item><title><![CDATA[Datawhale CV组队学习打卡-04]]></title><link>https://blog.youkuaiyun.com/QH0695/article/details/106446250</link><guid>https://blog.youkuaiyun.com/QH0695/article/details/106446250</guid><author>QH0695</author><pubDate>Sat, 30 May 2020 20:14:57 +0800</pubDate><description><![CDATA[Task4 模型训练与验证

（一）过拟合与欠拟合

在模型的训练过程中，模型只能利用训练数据来进行训练，模型并不能接触到测试集上的样本。因此模型如果将训练集学的过好，模型就会记住训练样本的细节，导致模型在测试集的泛化效果较差，这种现象称为过拟合（Overfitting）。与过拟合相对应的是欠拟合（Underfitting），即模型在训练集上的拟合效果较差。

欠拟合：根本原因是特征维度过少，模型过于简单，导致拟合的函数无法满足训练集，误差较大；解决方法：增加特征维度，增加训练数据；过拟合：根本原因是特..]]></description><category></category></item><item><title><![CDATA[Datawhale CV组队学习打卡-03]]></title><link>https://blog.youkuaiyun.com/QH0695/article/details/106387876</link><guid>https://blog.youkuaiyun.com/QH0695/article/details/106387876</guid><author>QH0695</author><pubDate>Wed, 27 May 2020 18:57:22 +0800</pubDate><description><![CDATA[学习目标

学习CNN基础和原理
	使用Pytorch框架构建CNN模型，并完成训练
下面内容把CNN和经典模型相关的学习笔记进行整合。

卷积神经网络（简称CNN）是一类特殊的人工神经网络，是深度学习中重要的一个分支。CNN在很多领域都表现优异，精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域，CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型。CNN是一种层次模型，输入的是原始的像素数据。CNN通过卷积（convolution）、池化（pooling）、非线性激活函数（non-lin]]></description><category></category></item><item><title><![CDATA[Datawhale CV组队学习打卡-02]]></title><link>https://blog.youkuaiyun.com/QH0695/article/details/106280729</link><guid>https://blog.youkuaiyun.com/QH0695/article/details/106280729</guid><author>QH0695</author><pubDate>Sat, 23 May 2020 21:42:58 +0800</pubDate><description><![CDATA[内容：数据读取与数据扩增

学习Python和Pytorch中图像读取
	学会扩增方法和Pytorch读取赛题数据


（一）基础图像读取

在Python中有很多库可以完成数据读取的操作，比较常见的有Pillow和OpenCV。

Pillow是Python图像处理函式库(PIL）的一个分支。Pillow提供了常见的图像读取和处理的操作，而且可以与ipython notebook无缝集成，是应用比较广泛的库。


from PIL import Image  # 导入Pillow库

# 读取图片

i.]]></description><category></category></item><item><title><![CDATA[Datawhale CV组队学习打卡-01]]></title><link>https://blog.youkuaiyun.com/QH0695/article/details/106203200</link><guid>https://blog.youkuaiyun.com/QH0695/article/details/106203200</guid><author>QH0695</author><pubDate>Mon, 18 May 2020 22:33:31 +0800</pubDate><description><![CDATA[街景字符编码识别赛题理解：

https://tianchi.aliyun.com/competition/entrance/531795/introduction
]]></description><category></category></item></channel></rss>