疯狂的鸡窝

最近需要设计一个机器翻译相关的试验, 其中好多东西都不同, 先从基础的评价指标来吧. 本文翻译自Jason Brownlee的博客[...

转自：机器学习研究会订阅号但原文貌似无法直接转载出来，我这里做个二次整理，春节期间对感兴趣的进行阅读。

使用强化学习NatureDQN来玩打砖块目标第一版尝试打砖块的基础预处理图片预处理状态预处理网络设计第二版本尝试第三版本尝试代码目录：目标打砖块是gym游戏中相对复杂一些的游戏，不同于CartPole游戏，状态空间较少，基本上10分钟左右训练就可以玩到最高分，打砖块要训练非常长的时间，因此对于更进一步去理解和优化DQN非常有帮助。第一版尝试打砖块的基础打砖块的reward设置是敲打到砖块...

使用键盘玩gym的游戏背景相关的库代码背景在学习强化学习时候上手一般会是使用gym来入手，但其中的reward和action具体是如何的确不是很方便直接查看到，对于我们使用强化学习中，重新分配reward而言就造成了麻烦，因此最好的办法是使用键盘让我么你自己来玩玩游戏看看其中的reward是怎样的相关的库pip3 install keyboard,代码以打砖块为例子，action_...

深度网络在做拟合乘法除法这些操作时候很难去使用像Dense这样得网络去凑出来。使用二进制得角度的确是可以使用线性的方式来处理乘法除法甚至sin等非线性运算，二想要使用线性运算加激活函数来去拟合这样非线性组合的函数，就只能多重的非线性组合来进行操作。我这里使用几种组合来尝试拟除法。使用单层网络:# network weightsinput_layer = Input(shape=(2,), ...

pix2pix在keras上训练背景初步训练背景pix2pix提供的示例是使用tensorflow,我我参考着来做了一个keras的实现，原项目中使用的是生成网络加上判别网络来提升生成网络，而我观察实际在训练中判别部分起到的作用比较小，所以我先尝试只使用生成网络来做训练，具体的项目代码在：pix2pix-keras初步训练下图为迭代了80次之后在训练下的一个效果，纹理上是逐渐变清晰的．...

keras中padding详细介绍背景详细介绍conv2D演示代码Conv2d演示结论CONV2Dtranspose演示代码背景conv2d和conv2dTranspose属于最常用的层,但在keras的实现中关于padding的部分有点模糊,周末趁着空闲做了一些尝试,来实验padding的valid和same参数在实际过程中如何操作的.详细介绍conv2D演示代码conv2D部分v_...

操作符概述操作符目录创建自己的操作符稀疏操作符概述操作符是caffe2的基础组建,每个操作符包含得到输出必要的计算以及输入和参数的数目,caffe和caffe2操作符的区别可以参考下图:例如，在“完全连接”运算符中，必须提供输入X，偏差b和权重矩阵W中的每一个，并且将计算单个输出。操作符目录caffe2中的操作符目录参考:操作符目录此页面中会介绍操作符的定义,使用方式以及具体的代码...

caffe2入门教学caffe2 概念Blobs和Workspace,TensorsNets 和 Operators执行反向传播caffe2 概念您可以在下面了解有关Caffe2的主要概念的更多信息，这些概念对于理解和开发Caffe2模型至关重要。Blobs和Workspace,Tensors数据在caffe2中组成成为blobs, blobs是内存中的一个命名的块. 大部分的blobs包...

caffe2官网信息整理一.caffe2与caffe的优势caffe&caffe2的优劣势比较caffe2的新特性二.安装方式三.学习资料初接触深度学习在机器学习领域有丰富经验的研究人员四.教学和示例脚本教学代码:初学者教程初次使用caffe2中级教程进阶教程操作符编写你自己的教程编写你自己的操作符信息来源一.caffe2与caffe的优势caffe&caffe2的优劣势比较...

查询方式很多,我简单收集了一下.查询cuda版本的三个方式:cat /usr/local/cuda/version.txtCUDA Version 10.1.168nvcc --versionnvcc: NVIDIA (R) Cuda compiler driverCopyright (c) 2005-2019 NVIDIA CorporationBuilt on Wed_...

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 ...

手把手教学训练MTCNN模型0 背景介绍1.关于训练集,测试集,校验集1.1 获取数据集1.2 数据集预处理mtcnn网络结构介绍预处理过程1.3 开始训练0 背景介绍我在学习人脸识别时,发现虽然网络上关于人脸识别理论的文章非常的多,但涉及到如何获取训练样本,如何进行预处理,以及如何去训练,并研究训练中的主要耗时情况等问题的文章非常的零散.因此在这里我结合我自己训练的步骤重头进行汇众整理并加入...

这片文章是2017年整理的,当时关于添加caffe layer,的文章挺少的,不过现在网上很多,所以我就不自己整理了.这篇写的挺详细的.Caffe的参考文档非常少，自己改代码需要查阅网上好多好多对的错的讨论. 这篇文章主要讲怎么自己编写python layer，从而逼格很高地在caffe中实现自己的想法. 所谓的python layer，其实就是一个自己编写的层，用python来实现. 因...

分享两个好用的prototxt可视化网站这个可视化网页非常好用http://ethereon.github.io/netscope/#/editor这个网站还会计算Flops更加好用http://dgschwend.github.io/netscope/#/editor...

分类器性能指标之ROC曲线、AUC值一 roc曲线1、roc曲线：接收者操作特征(receiveroperating characteristic),roc曲线上每个点反映着对同一信号刺激的感受性。横轴：负正类率(false postive rate FPR)特异度，划分实例中所有负例占所有负例的比例；(1-Specificity)纵轴：真正类率(true postive rat...

解决MTCNN过拟合问题问题描述解决思路优化样本:IOU建立指标评估在算ROI的loss的时候 不应该会出现ClassifyLoss 的Loss 这个很奇怪:问题描述训练集上效果很好测试集合上效果,看上去也不错实际图片测试,效果并不好解决思路优化样本:检查当前样本是否正确,使用nomachine查看更改imdb使用分批来以增加更多的样本进来.减去均值以去除光亮度等的影响....

以12Net为例,参考其他mtcnn的用例,思考如何训练:多增加负样本以提高对错误的排除能力mutly如何使用hard_example为何如此慢如何优化.提高对错误分类的排除能力:如这样一张照片:我使用训练出来的模型,即使采用0.8的prob阈值,得到的候选框也有664个如果使用别人训练好的12-net的取0.4的阈值大概得到 724个候选框左右两个男的都没框进来,...

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 ...

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 ...