安铺靓仔-优快云博客

原创 Bag of Tricks for Image Classification with Convolutional Neural Networks CVPR 2019 paper阅读

论文地址：Bag of Tricks for Image Classification with Convolutional Neural Networks CVPR 2019 paper文章目录1 介绍5 Training Refinements5.1 余弦学习率递减5.2 Label Smoothing5.3 知识蒸馏5.4 Mixup Training5.5 实验结果6 迁移学习7 总结1 介绍本篇论文所提到的方法及模型均在Python第三方库gulon。5 Training Refine

2021-11-19 17:06:08 1319

原创 coggle30天机器学习打卡之Pytorch篇

文章目录任务1 PyTorch张量计算与Numpy的转换任务2 PyTorch梯度计算和梯度下降过程任务3 PyTorch全连接层原理和使用任务4 PyTorchPyTorch激活函数原理和使用任务1 PyTorch张量计算与Numpy的转换步骤1：配置本地Notebook环境，或使用天池DSW：https://dsw-dev.data.aliyun.com/#/步骤2：学习Pytorch的基础语法，并成功执行以下代码基础pytorch教程：https://zhuanlan.zhihu.com/

2021-11-14 16:02:10 1416 2

原创 coggle30天机器学习打卡之Linux篇

文章目录任务1 使用命令行登录指定的Linux环境任务2 在目录下创建文件夹、删除文件夹任务3 在目录下下载文件、阅读文件任务4 在目录下使用vi或vim编辑文件任务1 使用命令行登录指定的Linux环境步骤1：配置本地登录环境如果是window系统，安装任意一款ssh工具https://blog.youkuaiyun.com/puss0/article/details/103390947https://www.runoob.com/linux/linux-remote-login.html如果是Mac或Li

2021-11-05 10:49:33 660

原创 Effective Python——列表与字典

列表切片。list[start: end: stride]，start代表开始的位置，end代表结束，stride代表步长，它的的正负号代表着切片的方向，绝对值代表着每步的长度。尽可能避免使用负数的stride；还有也尽量避免同时使用三个参数，可以把先切片，然后再使用步长，这都会增加代码可读性。如果非要同时使用三个参数，那就考虑使用itertools.islice，这个返回的是一个迭代器，需要遍历。代码实例：# 三个参数全用上切片：lis = [1, 2, 3, 4, 5, 6, 7, 8]li.

2021-05-29 11:46:17 227

原创《DataWhale打卡第四天》异常检测（四）

异常检测——基于相似度的方法：基于距离的度量和基于密度的度量。距离，无非就是公式的问题；而密度，就是一个阈值加公式的问题。其实我个人并不喜欢基于相似度的方法，觉得这些方法似乎太过于主观了，并没有一个较好的泛化能力，就拿LOF来说，如果离群点比较集中在一处的话，那效果就不好。这次比较难，学得糊里糊涂，似懂非懂，也只能说知道怎么用，我不喜欢这类方法，是因为我参加几场比赛分类极度不平衡的比赛，都曾用过这类方法，效果都不好，个人其实更喜欢深度学习中的focal损失函数，在处理分类不平衡问题有着较好的效果。

2021-05-21 00:39:50 160

原创《DataWhale打卡第三天》异常检测（三）

今天讲的模型是线性模型，两大类：线性回归与主成分分析（PCA）异常检测中线性模型需要满足两点假设：假设一：近似线性相关假设。线性相关假设是使用两种模型进行异常检测的重要理论基础。假设二：子空间假设。子空间假设认为数据是镶嵌在低维子空间中的，线性方法的目的是找到合适的低维子空间使得异常点(o)在其中区别于正常点(n)。线性回归线性回归也是老生常谈了，不外乎是通过梯度下降法来获得最优解，然后得出一条类似y=ω⋅x+by = \omega \cdot x + by=ω⋅x+b，然后计算出y（这个

2021-05-17 23:18:16 208

原创《DataWhale打卡第二天》异常检测（二）

今天会有点水，见谅统计学方法统计学方法就是假定数据是由一个统计模型产生，而不遵守该模型的数据就是异常点，这个缺点就很明显了，因为事先是不可能知道这个统计模型是什么，就只能一个一个试了。统计学方法又分为两个方法：参数方法和非参数方法参数方法参数方法，就是假定数据由某个分布产生（例如高斯、卡方，事实上，高斯分布更常用），然后根据样本来得出所需参数（例如高斯分布就需要mu、sigma）。有没有注意到一点，所需参数是由样本计算得出，这就出现了一个问题啦，异常点少的话对结果没多大影响，但如果异常点有相当一部

2021-05-14 23:29:34 189

原创《DataWhale打卡第一天》异常检测（一）

我了解得更多，我知道得就越少第一次写博客，写得不好，多多提点。1. 什么是异常检测所谓异常检测，就是把不合群的样本挑出来，正如某个班的考试成绩出来了，老师就得额外注意哪些成绩不好得同学。当然对异常的定义也是较为主观的，异常与正常之间界限，量定得尺度，也是由个人决定，还是上面那个例子，多少分算是成绩不好，这就看老师如何看待和决定的了。1.1 异常的类别点异常：只有少数异常值，比如一个班上只有几个考试不及格；上下文异常：正常还是异常在不同环境下有不同得定义，就比如一个班成绩大多数9.

2021-05-11 21:41:20 260

weixin_44935814的博客