- 博客(7)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Task5-模型集成
5.模型集成 本章讲解的知识点包括：集成学习方法、深度学习中的集成学习和结果后处理思路。 5.1 学习目标 学习集成学习方法以及交叉验证情况下的模型集成 学会使用深度学习模型的集成学习 5.2 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。 ...
2020-06-02 23:15:12
194
原创 Datawhale 零基础入门CV Task04 :模型训练与验证
#4 模型训练与验证 为此本章将从构建验证集、模型训练和验证、模型保存与加载和模型调参几个部分讲解，在部分小节中将会结合Pytorch代码进行讲解。 ##4.1 学习目标理解验证集的作用，并使用训练集和验证集完成训练学会使用Pytorch环境下的模型读取和加载，并了解调参流程 ##4.2 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
2020-05-30 23:07:36
206
原创 Datawhale 零基础入门CV赛事-Task3 字符识别模型
本章将会讲解卷积神经网络（Convolutional Neural Network, CNN）的常见层，并从头搭建一个字符识别模型。 #学习目标 ##学习CNN基础和原理 ##使用Pytorch框架构建CNN模型，并完成训练 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
2020-05-26 22:13:25
153
原创 Datawhale 零基础入门CV Task02 :数据读取与数据增广
#学习目标 1.学习Python和pytorch图像读取 2.学会增广方法和pytorch读取赛提数据 #图像读取 由于赛提数据集是图像，赛题任务是识别图像中的字符，首先可以完成数据读取工作。比较常见方法Pillow 和Opencv OpenCV官网：https://opencv.org OpenCVGithub:https://github.com/opencv/opencv Opencv 扩展算法库：https://github.com/opencv/opencv_contrib PIllow官方文档：
2020-05-23 20:22:27
127
原创 Datawhale 零基础入门CV - Baline赛题理解01
Datawhale 零基础入门CV - Baline赛题理解01 #Datawhale 零基础入门CV - Baline赛题理解01 内容主要表述对街景字符识别赛题的理解，以及对赛题数据的读取说明，并采取的相应的解题思路。 ##赛题理解 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客： 全新的界面设计 ，将会带来全新的写作体验； 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行
2020-05-20 20:11:09
254
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人