Dandelion_2的博客

当我们训练一个神经网络模型的时候，我们经常会遇到这样的一个头疼的问题，那就是，神经网络模型的loss值不下降，以致我们无法训练，或者无法得到一个效果较好的模型。导致训练时loss不下降的原因有很多，而且，更普遍的来说，loss不下降一般分为三种，即：训练集上loss不下降，验证集上loss不下降，和测试集上loss不下降训练集loss不下降1.模型结构和特征工程存在问题如果一个模型的结构有问题，那么它就很难训练，通常，自己“自主研发”设计的网络结构可能很难适应实际问题，通过参考别人已经设计好并实现和测

#include<opencv2/opencv.hpp>#include<iostream>using namespace cv;using namespace std;/**************************************************************************************************************Function: RotateImageDescription:

本笔记参照TensorFlow Guide官方教程，主要是对‘Accelerator-Use a GPU’教程内容翻译和内容结构编排，原文链接：Accelerat...

现在需要把数据集拆分成训练集和验证集，数据集为香港理工大学掌静脉数据集，如图其中10张作为训练集，2张作为验证集#include<iostream>#include<opencv2/opencv.hpp>#include<string>#include<io.h>#include <direct.h>using namespace std;using namespace cv;void getJustCurrentD

import ospath = 'C:/Users/Administrator/Desktop/22' # path为labelme标注后的.json文件存放的路径json_file = os.listdir(path)for file in json_file: os.system("D:/anaconda/envs/labelme/Scripts/labelme_json_to_dataset.exe %s" % (path + '/' + file)) ## C:/soft/ev

人脸识别评价算法指标1、混淆矩阵真阳性（True Positive，TP）：指被分类器正确分类的正例数据真阴性（True Negative，TN）：指被分类器正确分类的负例数据假阳性（False Positive，FP）：被错误地标记为正例数据的负例数据真阳性（False Negative，FN）：被错误地标记为负例数据的正例数据2、FAR/FRR/EER/TPR/FPR/TNR/FN...

#include<iostream>#include<opencv2/opencv.hpp>#include<string>using namespace std;using namespace cv;vector<Mat>Rename(cv::String path);int main(){ cv::String path =...