- 博客(6)
- 收藏
- 关注
RSS订阅原创 分类实战——基于深度学习的食物图像分类算法、监督学习和特征提取
数据集中包含有标签的数据（有x，有y）和无标签的数据（只有x，没有y）。无标签的数据通过模型获得预测值，如果这个预测值大于一定的置信度，那这个预测值就相当于我们打上的标签,这回就把这个数据归入了有标签数据。2.之前学习的分类任务：那个图片分类任务主要是把3×224×224的图片经过卷积，然后拉平，再全连接，最后一步一步转换为linear(x,3)文字里的自监督：把文字遮住一部分，输出到模型中，完整版文字当成它的标签。自监督学习：从自己的x中提取一部分x，当成自己的y，自己监督自己。监督学习：有x，有y。
2025-09-17 17:18:38
194
原创 深度学习——分类任务的知识点
4.卷积神经网络中两种降低采样的方法：扩大步长（会丢失信息，且引入计算），池化（依靠Pooling，包括最大池化和平均池化，一般用最大池化）回归任务和分类任务都是：取数据，做模型，训练流程；回归任务是把预测值和真实值用mae和mse求loss，分类任务是用交叉熵损失求loss。2.一个卷积层是什么：原始的特征图经过多个卷积核卷积出来的新的特征图。6.我们需要给LOSS函数的参数：预测的分布， 真实值的下标。几乎深度学习的所有任务都是靠linear和卷积完成的。图片分类任务：得到一张图片，得到类别的任务。
2025-09-17 17:10:51
131
原创 预备课二：深度学习与机器学习、python基础
那个covid文件我把它放在d盘再打开了，视频里好像是在桌面上然后打开。● KNN, 决策树，朴素贝叶斯 （后验）吴恩达老师，李沐老师，李宏毅老师。3.根据损失，对模型进行优化。2.定义一个合适的损失函数。1.定义一个函数（模型）3.生成任务（结构化）
2025-02-13 10:44:48
465
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人