weixin_43999137的博客

Data Augmentation前言：在现实生活中，带有标签的数据往往不好找到，因此我们对于数据量少的分类任务，使得在训练神经网络的过程中，常常会出现过拟合的现象。因此数据增强对于解决过拟合问题是最重要的途径。展示即将处理的图片首先，这三张图片的尺寸都是各不相同的，但丝毫不影响hhh。导入工具包import osimport warningsimport matplotlib....

过拟合的常见五大方法1、数据集划分2、提前停止3、正则化4、dropout5、数据增强

LeNet-5首先，最为经典的就是LeNet-5，四层的神经网络结构，（2个卷积层和2个全连接层）有个需要注意的点是卷积完，会先进行池化再进行激活。由于池化和激活没有带参数进行运算，因此不算入神经网络结构。Alexnet近几年更新的神经网络的开端，2012的经典之作。八层的神经网络结构，五层的卷积和三层的全连接层。...

怎么说呢，其实细节并不难，大家仔细学学都可以学的很不错。直接上实战吧～～

先对原始数据进行中心化，再除以他们的方差。标准化预处理。常见的就是在VGG模型对图片的分类预处理～

图片来自网络（唐宇迪老师）机器学习：深度学习：从以上两张图可以看出，深度学习其实是机器学习的一部分，但也是必不可少的一部分。首先，当我们获得了数据，其次我们就要从数据获取特征让机器去学习，获取特征的这一part是非常重要的，如rnn、cnn这些神经网络使得机器学习变为可能。特征提取如何提取数值的好提取对于图像就是像素值对于文本是有对应的向量将一切东西都得数值化～～～～以下为...