自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

Whiser的博客

  • 博客(68)
  • 资源 (1)
  • 收藏
  • 关注
排序：
按最后发布时间
按访问量
RSS订阅

原创 3.9 训练一个Softmax分类器

2023-04-23 19:30:28 198

原创 3.8 Softmax回归

2023-04-23 19:28:44 171

原创 3.6 Batch Norm为什么奏效？

2023-04-23 19:27:00 175

原创 3.5 将Batch Norm拟合进神经网络

2023-04-23 19:25:49 143

原创 3.4 归一化网络的激活函数

2023-04-23 19:24:17 147

转载 3.3 超参数训练的实践

原文链接:

2023-04-23 19:21:18 66

转载 3.2 为超参数选择合适范围

原文链接:

2023-04-21 19:46:20 59

原创 2.9 学习率衰减

2023-04-21 19:45:23 106

原创 2.8 Adam优化算法

2023-04-21 19:44:23 105

原创 2.7 RMSprop

2023-04-21 19:44:05 71

原创 2.6 动量梯度下降法

2023-04-21 19:43:19 79

原创 2.5 指数加权平均的偏差修正

2023-04-21 19:42:48 82

原创 2.4 理解指数加权平均

2023-04-21 19:42:32 101

原创 2.3 指数加权平均

2023-04-21 19:41:38 77

原创 2.2 理解mini-batch梯度下降法

2023-04-21 19:40:51 72

原创 2.1 mini-batch梯度下降法

2023-04-21 19:40:19 69

原创 1.13 梯度检验

2023-04-19 20:40:01 68

原创 1.12 梯度数值的逼近

2023-04-19 20:39:15 65

原创 1.11 神经网络的权重初始化

2023-04-19 20:38:45 66

原创 1.10 梯度消失和梯度爆炸

2023-04-19 20:38:18 72

原创 1.9 归一化输入

2023-04-19 20:37:46 54

原创 1.8其他正则化方法

2023-04-19 20:37:15 57

原创 1.7 理解drop out

2023-04-19 20:36:40 62

原创 1.6 drop out（随机失活）正则化

2023-04-19 20:35:55 79

原创 1.5 为什么正则化可以减少过拟合？

2023-04-16 09:30:03 58

原创 1.4 正则化

2023-04-16 09:29:23 79

原创 1.3 机器学习基础

2023-04-16 09:28:52 62

原创 1.2 偏差和方差

2023-04-16 09:28:13 58

原创 4.6 搭建深层神经网络块

2023-04-12 18:23:13 54

原创 4.4 核对矩阵系数

2023-04-12 18:22:14 53

原创 4.3 深层神经网络的前向传播

2023-04-12 18:21:21 68

原创 3.10 直观理解反向传播

2023-04-12 11:52:46 80

原创 3.6 激活函数

2023-04-12 11:51:55 61

原创 3.4 多个样本的向量化

2023-04-12 09:09:11 88

原创 3.3 计算神经网络中的输出

2023-04-12 08:33:51 64

原创 2.14 向量化logistic回归的梯度输出

2023-04-11 20:45:36 72

原创 2.9 logistic回归中的梯度下降法

2023-04-11 16:19:12 97

原创 2.7 计算图以及使用计算图求导

2023-04-11 11:11:36 66

原创 2.3 logistic回归损失函数

logistic回归损失函数

2023-04-11 09:52:43 62

原创 Python+OpenCV入门教程【十九】建立一个自定义的cascade分类器

文章导航1.收集正样本2.处理正样本3.收集负样本4.生成描述文件5.训练分类器1.收集正样本这里需要注意的是，正样本图需要裁剪，使目标物体轮廓很清晰，且正样本图越多越好。2.处理正样本将正样本图片转为灰度图，方便后续处理。def convert_gray(f, **args): # 图片处理与格式化的函数 rgb = io.imread(f) # 读取图片 gray = color.rgb2gray(rgb) # 将彩色图片转换为灰度图片 dst = transf

2020-08-24 11:27:22 1788 1

答题系统V2.0.zip
JAVA写的答题程序，使用很方便，优点：有计时计分功能，缺点是只能够使用单项选择题。题目可以自己导入，代码也不难看懂。

2020-09-06

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除