qq_34272713的博客

5.模型集成5.1 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5.2 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。对于多个模型集成的预测结果的选择，有多种方法：对预测的结果的概率值进行平均，然后解码为具体字符；对预测的字符进行投票，得到最终字符。5.3 深度学习中的集成学习5.3.1 dropout

4.模型训练与验证4.1 学习目标理解验证集的作用，并使用训练集和验证集完成训练学会使用pytorch环境下的模型读取和加载，并了解调参流程4.2 验证集一般情况下，将总样本分成三个部分：训练集（Train Set）：用于训练和调整模型参数的数据集。验证集（Validation Set）：用于验证模型精度和调整模型参数。测试集（Test Set）： 验证模型的泛化能力。需要注意验证集的分布应该与测试集尽量保持一致，不然模型在验证集上的精度就失去了指导意义。验证集划分的方法：留

3.字符识别模型2.1 输入数据信息dataset加载图片时将图片尺寸固定成了（60， 120）2.2 加载预训练模型2.2.1 torchvision.models里有哪些模型？import torchvision.models as modelsAlexnetmodel = models.alexnet(pretrained=False)VGGmodel = models.vgg11(pretrained =False)model = models.vgg11_bn(pretr

2.数据读取与数据扩增2.1 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2.2 图像读取python常用的对图像读取的库Pillow（Pillow是Python里的图像处理库，PIL：Python Image Library）openCV2.2.1 pillow# 导入pillow库from PIL import Image# 类中的函数im = Image.open(''xxx.jpg) # 读取照片Image.new(

1.赛题理解1.1赛题数据赛题以街道字符为为赛题数据, 该数据来自收集的SVHN街道字符，并进行了匿名采样处理。训练集数据包括3W张照片，验证集数据包括1W张照片。JSON文件里含有照片名，照片里含有的数字以及数字的位置。测试集A包括4W张照片，测试集B包括4W张照片。1.2 数据标签对于训练数据每张图片将给出对于的编码标签，和具体的字符框的位置（训练集、验证集都给出字符位置），可用于模型训练：字符的坐标具体如下所示：在比赛数据（训练集和验证集）中，同一张图片中可能包括一个或者多个字符