snail9610的博客

第一类 “互联网+”大学生创新创业大赛; “挑战杯”大学生课外学术科技作品竞赛； “创青春”大学生创业大赛; 全国大学生数学建模竞赛； 全国大学生电子设计竞赛; 国际大学生数学建模竞赛; 第二类 山东省机电产品创新大赛 中国机器人大赛暨RoboCup公开赛 全国大学生电工数学建模竞赛（不知道是什么） 全国大学生数学竞赛 ACM程序设计竞赛 全国大学生英语竞赛 第三类 全国大学生“飞思卡尔”杯智能汽车竞赛 “电脑鼠走迷宫”竞赛 “高教杯”全国大学生先进成图技术与产品信息建模创新大赛 山东省大学生汽车技

文章目录集成学习方法深度学习中的集成学习DropoutTTASnapshot结果后处理小节 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。 由于深度学习模型一般需要较长的训练周期，如果硬件设备不允许建议选取留出法，如果需要追求精度可以使用交叉验证的方法。 下面假设构建了10折交叉验证，训练得到10个CNN模型。 那么在10个CNN模型可以使用如下方式进行集成： 对预测

文章目录构造验证集模型训练与验证模型保存与加载模型调参流程 一个成熟合格的深度学习训练流程至少具备以下功能： 在训练集上进行训练，并在验证集上进行验证； 模型可以保存最优的权重，并读取权重； 记录下训练集和验证集的精度，便于调参。 构造验证集 在机器学习模型（特别是深度学习模型）的训练过程中，模型是非常容易过拟合的。深度学习模型在不断的训练过程中训练误差会逐渐降低，但测试误差的走势则不一定。 在模型的训练过程中，模型只能利用训练数据来进行训练，模型并不能接触到测试集上的样本。因此模型如果将训练集学的

CNN介绍 卷积神经网络（简称CNN）是一类特殊的人工神经网络，是深度学习中重要的一个分支。CNN在很多领域都表现优异，精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域，CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型。 CNN每一层由众多的卷积核组成，每个卷积核对输入的像素进行卷积操作，得到下一次的输入。随着网络层的增加卷积核会逐渐扩大感受野，并缩减图像的尺寸。 CNN是一种层次模型，输入的是原始的像素数据。CNN通过卷积（convolution）、池化（pooling）、非线性激活

文章目录1 简介2 学习目标3 图像读取3.1 Pillow3.1.1 安装3.1.2 基本操作3.2 OpenCV4 数据扩增方法4.1 数据扩增介绍4.2 常见的数据扩增方法4.3 常用的数据扩增库4.3.1 torchvision4.3.2 imgaug4.3.3 albumentations5 PyTorch读取数据（Dataset、DataLoder） 1 简介   本章主要内容为数据读取、数据扩增方法和Pytorch读取赛题数据三个部分组成。 2 学习目标 学习Python和Pytorch中

文章目录1 比赛说明2 数据说明2.1 数据来源2.2 数据集2.3 数据标注信息（json文件）3 评价标准4 提交的结果形式5 解题思路（重点）5.1 简单入门思路：定长字符识别5.2 专业字符识别思路：不定长字符识别5.3 专业分类思路：检测再识别 1 比赛说明 比赛链接：https://tianchi.aliyun.com/competition/entrance/531795/introduction 比赛任务：以计算机视觉中字符识别为背景，要求参赛者预测真实场景下的字符识别，这是一个典型的字符