weixin_43826596的博客

有效防止过拟合的方法：dropoutL1,L2正则化earlystop 提早结束使用BatchNormalization一、dropout1、定义在每个训练批次中，随机丢弃一些神经元（注意是暂时丢弃），使其在前向传播的时候不起作用，在反向传播时不更新参数。再下一个训练批次中，恢复这些神经元，重复此过程。2、使用位置一般用在全连接层，卷积层是稀疏连接，一般参数比较少一些，但是也...

BN层的作用（1）使每一层输入数据的分布相对稳定，缓解ICS问题，加快网络的训练（2）BN使得模型对网络中的参数不那么敏感，简化调参过程，使得网络学习更加稳定（3）缓解激活函数梯度饱和问题（梯度消失），允许网络使用sigmoid,tanh函数（4）有一定的正则化作用，可以不用使用dropout缺点：降低了模型的表征能力，我们通过变换操作改变了原有数据的信息表达（representatio...

转载：https://blog.youkuaiyun.com/tyhj_sf/article/details/79932893?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task引言学习神经网络的时候我们总是听到激活函数这个词，而且很多资料都会提到常用的激活函...

推荐好文http://bbs.cvmart.net/articles/206/yang-ben-sheng-er-bu-deng-liao-liao-nei-xie-dui-xun-lian-shu-ju-jia-quan-de-fang-fa?order_by=vote_count&样本生而不等，如何对训练数据进行加权，提高模型的性能...

import kerasclass_weight = {"garbage": 0.75, "health": 0.25, "others": 0.75, "waterpollute": 0.25, }model.fit(X_train, Y_train, epochs=10,...

用keras框架训练模型，画loss曲线训练中使用model.fithistory = model.fit(x_train, y_train, batch_size=16, epochs=10, validation_data=(x_test,y_test))将history中的数值读出就行epochs=range(len(history.history['acc']))plt.fi...

将keras的h5模型转化为onnximport kerasimport keras2onnximport onnxfrom keras.models import load_modelmodel = load_model('/root/notebook/model/river_model5.h5') onnx_model = keras2onnx.convert_keras(mod...

cuda 版本 cat /usr/local/cuda/version.txtcudnn 版本 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

主要分为三种(1)手动划分：Keras允许在训练模型的时候手动指定验证集．例如，用sklearn库中的train_test_split()函数将数据集进行切分，然后在keras的model.fit()的时候通过validation_data参数指定前面切分出来的验证集（2）自动划分：调用model.fit()训练模型时，可通过validation_split参数来指定从数据集中切分出验证...

利用训练好的Enet模型完成，图片和视频的语义分割（适合小白入门）代码下载下面附上对于代码的解读# USAGE# python segment.py --model enet-cityscapes/enet-model.net --classes enet-cityscapes/enet-classes.txt --colors enet-cityscapes/enet-colors.tx...

转 OpenCV+深度学习预训练模型，简单搞定图像识别 | 教程 ...

版权声明：从这篇文章学到很多东西，感谢博主。本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 ...

复习卷积运算https://www.cnblogs.com/shine-lee/p/9932226.html