<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Zebbbb的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Zebbbb</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Zebbbb]]></copyright><item><title><![CDATA[Datawhale 零基础入门CV赛事-Task5 模型集成]]></title><link>https://blog.youkuaiyun.com/Zebbbb/article/details/106460428</link><guid>https://blog.youkuaiyun.com/Zebbbb/article/details/106460428</guid><author>Zebbbb</author><pubDate>Sun, 31 May 2020 21:01:57 +0800</pubDate><description><![CDATA[文章目录Datawhale 零基础入门CV赛事-Task5 模型集成学习目标集成学习方法深度学习中的集成学习DropoutTTASnapshot结果后处理本章小结
Datawhale 零基础入门CV赛事-Task5 模型集成
在上一章我们学习了如何构建验证集，如何训练和验证。本章作为本次赛题学习的最后一章，将会讲解如何使用集成学习提高预测精度。
本章讲解的知识点包括：集成学习方法、深度学习中的集成学习和结果后处理思路。
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]]></description><category></category></item><item><title><![CDATA[Datawhale 零基础入门CV赛事-Task4 模型训练与验证]]></title><link>https://blog.youkuaiyun.com/Zebbbb/article/details/106393393</link><guid>https://blog.youkuaiyun.com/Zebbbb/article/details/106393393</guid><author>Zebbbb</author><pubDate>Fri, 29 May 2020 23:53:42 +0800</pubDate><description><![CDATA[文章目录Datawhale 零基础入门CV赛事-Task4 模型训练与验证学习目标构造验证集模型训练与验证
Datawhale 零基础入门CV赛事-Task4 模型训练与验证
在上一章节我们构建了一个简单的CNN进行训练，并可视化了训练过程中的误差损失和第一个字符预测准确率，但这些还远远不够。一个成熟合格的深度学习训练流程至少具备以下功能：

在训练集上进行训练，并在验证集上进行验证；
模型可以保存最优的权重，并读取权重；
记录下训练集和验证集的精度，便于调参。

为此本章将从构建验证集、模型训练和验证、模]]></description><category></category></item><item><title><![CDATA[Datawhale 零基础入门CV赛事-Task3 字符识别模型]]></title><link>https://blog.youkuaiyun.com/Zebbbb/article/details/106322594</link><guid>https://blog.youkuaiyun.com/Zebbbb/article/details/106322594</guid><author>Zebbbb</author><pubDate>Tue, 26 May 2020 10:06:51 +0800</pubDate><description><![CDATA[文章目录Datawhale 零基础入门CV赛事-Task3 字符识别模型
Datawhale 零基础入门CV赛事-Task3 字符识别模型

]]></description><category></category></item><item><title><![CDATA[Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增]]></title><link>https://blog.youkuaiyun.com/Zebbbb/article/details/106293241</link><guid>https://blog.youkuaiyun.com/Zebbbb/article/details/106293241</guid><author>Zebbbb</author><pubDate>Sat, 23 May 2020 13:17:27 +0800</pubDate><description><![CDATA[文章目录Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增学习目标图像读取PillowOpenCV数据扩增方法
Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增
本章主要内容为数据读取、数据扩增方法和Pytorch读取赛题数据三个部分组成。
学习目标

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

图像读取
由于赛题数据是图像数据，赛题的任务是识别图像中的字符。因此我们首先需要完成对数据的读取操作，在Python中有很多]]></description><category></category></item><item><title><![CDATA[Datawhale 零基础入门CV赛事-Task1 赛题理解]]></title><link>https://blog.youkuaiyun.com/Zebbbb/article/details/106211461</link><guid>https://blog.youkuaiyun.com/Zebbbb/article/details/106211461</guid><author>Zebbbb</author><pubDate>Tue, 19 May 2020 23:21:18 +0800</pubDate><description><![CDATA[文章目录Datawhale 零基础入门CV赛事-Task1 赛题理解1. 学习目标
Datawhale 零基础入门CV赛事-Task1 赛题理解
赛题名称：零基础入门CV赛事-街道字符识别
赛题地址
赛题目标：通过这道赛题可以引导大家走入计算机视觉的世界，主要针对竞赛选手上手视觉赛题，提高对数据建模能力。
赛题任务：赛题以计算机视觉中字符识别为背景，要求选手预测街道字符编码，这是一个典型的字符识别问题。
为了简化赛题难度，赛题数据采用公开数据集SVHN，因此大家可以选择很多相应的paper作为思路参考。
1]]></description><category></category></item></channel></rss>