枫树林

看过之后，都没有总结，这个总结的比较真实，记录下来。 之后的链接资源，比较好 Andrew Ng教授的Deep Learning维基，有中文翻译 http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial --------------------------------------- 近日，在网易

一些牛B的kaggle 代码 http://suanfazu.com/clicks/track?url=http%3A%2F%2Fwww.kaggle.com%2Fc%2FGEF2012-wind-forecasting%2F&post_id=233&topic_id=230

 在训练模型后将模型保存的方法，以免下次重复训练。使用pickle模块或者sklearn内部的joblib 一、使用pickle模块 from sklearn import svm from sklearn import datasets clf=svm.SVC() iris=datasets.load_iris() X,y=iris.data,iris.

   　　Bagging和Boosting都是将已有的分类或回归算法通过一定方式组合起来，形成一个性能更加强大的分类器，更准确的说这是一种分类算法的组装方法。即将弱分类器组装成强分类器的方法。 首先介绍Bootstraping，即自助法：它是一种有放回的抽样方法（可能抽到重复的样本）。 1、Bagging (bootstrap aggregating) Bagging即套

进入pytorch官网，根据python版本和安装方式进行选择 $ pip install http://download.pytorch.org/whl/cu75/torch-0.1.12.post2-cp27-none-linux_x86_64.whl $ pip install torchvision12 即可完成pytorch的安装

封面图是作者运行图，我在 ubuntu 环境下只有文字预测结果。Detection Using A Pre-Trained Model使用训练好的模型来检测物体运行一下命令来下载和编译模型git clone https://github.com/pjreddie/darknet cd darknet make运行一下模型来下载预训练权重wget https://pjreddie.com/media...