- 博客(6)
- 收藏
- 关注
原创 Eden寒假日更_05——正/反向传播与神经网络
Eden寒假日更_05正/反向传播每日面试(葫芦书)每日练习 正/反向传播 每日面试(葫芦书) 每日练习
2021-02-18 22:31:00
288
原创 Eden寒假日更_04——损失函数与优化_02
Eden寒假日更_04——损失函数与优化_02softmax损失优化每日面试(葫芦书) softmax损失 除了多类别SVM损失函数之外,深度学习中另外的一个流行选择是多项逻辑斯蒂回归,现如今它通常将 softmax函数作为他的损失函数。这个损失函数在深度学习领域可能使用得更为广泛。 回顾之前提到的SVM损失函数,我们并没有对通过函数后的得分做过多的解释,我们知识希望正确分类的得分比不正确分类的得分要高才好,但是在逻辑斯蒂回归的损失函数中,我们将赋予得分一些额外的含义,而且这些分数还会用来针对我们的类别,去
2021-02-15 21:27:00
264
原创 Eden寒假日更_03——损失函数与优化_01
Eden寒假日更_03——损失函数与优化损失函数定义SVM损失函数每日一题每日一练 损失函数 定义 书接上回,我们已经得知分类器的核心是权重矩阵w和偏置b,我们构建模型对数据进行训练,最终的目的也就是得到这些参数。所以这里,我们引入一种和w相关的函数,将w进行输入,然后看一下函数的输出结果,定量地估计w的好坏,达到筛选w的效果。这样的就被称为损失函数。 这里提出一个通用训练中损失值的表达式: L=1N∑iLi(f(xi,w),yi) L=\frac{1}{N}\displaystyle\sum_{i}^{}
2021-02-13 21:08:56
149
原创 Eden寒假日更_02———图像分类(数据驱动、调参、线性分类器)
Eden寒假日更_02———图像分类(数据驱动、科学调参、线性分类)数据驱动方法科学调参设置验证集交叉验证线性分类器线性分类器原理线性分类器局限 数据驱动方法 在基于数据驱动的图像分类方法出现之前,计算机视觉领域最常用的方法是基于特征描述和具体分类规则的图像分类算法。这一类算法在针对某一特定对象并发展完备之后,会有着不错的识别成功率,但是问题也会非常明显,那就是如果需要转换识别对象,就需要从头到尾重新构建新对象的特征描述和分类规则,显然它不具备不断推演泛化的能力。 随着时代的进步,人们对于那种能够自动识别所
2021-02-08 21:53:23
323
原创 Eden寒假日更_01——图像预处理
Eden寒假日更_01——图像预处理图像显示及存储图像增强方式及目标点运算形态学运算空间域运算(卷积)卷积应用频率域处理(未涉及过)图像预处理综合案例 Eden寒假日更系列如约开启,今天学习了计算机视觉方面图像预处理的部分知识。 图像显示及存储 主流颜色空间:RGB加色模型(红绿蓝)、CMY(K)减色模型(四维)、HSV面向用户颜色模型(色调、饱和度、明度)、CIE-XYZ颜色空间(红绿蓝波长直接测定,基础)。 图片存储方式:三维矩阵——长、宽、通道(RGB三通道、CMYK四通道等) RGB三通道转单通道灰
2021-02-02 23:20:47
367
原创 Eden寒假日更系列
Eden寒假日更系列突然更博的原因这个系列的内容关于Eden 这是我在优快云的第一篇博客,就简单拟几个标题吧。 突然更博的原因 大四过了一半,目前假期比较闲。 最近盲目投了某一线大厂的CV算法实习生简历(纯反面教材,投简历之前一定要了解清楚!!),经过初步了解,感觉自己水平实在是菜到无以复加,如果进了面试就是在浪费双方的时间,于是痛定思痛决定利用假期时间好好学学。 立下日更flag,激励自己好好学习,也能留下一一些低质量笔记。 这个系列的内容 寒假日更系列主要包含以下几个方向:计算机视觉(神经网络方向
2021-01-31 23:32:37
179
2
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