- 博客(3)
- 收藏
- 关注
RSS订阅原创 L2 image classification
试试 / 把数据分成train和test，选test效果最好的超参数 / 把数据集分成train，val（验证集）和test。L1具有坐标依赖性，比如对员工进行分类，输入的向量数据有意义，比如说是员工的工作时间、年薪等等，L2距离并不是一个判断图像相似性的好办法，可以构造四张类似的图像使得他们的L2距离一样，但实际四张图并不一样，有差异的。前面的方法在部署到具体设备上时需要整个数据集陪着它，但是参数化方法只需要保留模型和参数就可以了，部署的时候会变得儿很简单。：在小数据集上用的多，深度学习用得不多。
2023-03-13 17:03:40
265
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