- 博客(12)
- 收藏
- 关注
原创 scene-graph
scene_graph_1 | Tensor("ims:0", shape=(?, ?, ?, 3), dtype=float32)scene_graph_1 | Tensor("conv_out:0", shape=(?, ?, ?, 512), dtype=float32)scene_graph_1 | Tensor("rois:0", shape=(?, 5), dtype=flo...
2019-08-23 16:31:55
238
转载 matlab 绘图 总结整理
https://blog.youkuaiyun.com/sinat_21026543/article/details/80215281
2018-12-21 11:26:53
352
转载 数据处理中的 LabelEncoder 和 OneHotEncoder 总结对比
机器学习中会有连续特征和离散特征,拿到获取的原始特征,必须对每一特征分别进行归一化,比如,特征A的取值范围是[-1000,1000],特征B的取值范围是[-1,1].如果使用logistic回归,w1*x1+w2*x2,因为x1的取值太大了,所以x2基本起不了作用。所以,必须进行特征的归一化,每个特征都单独进行归一化。 对于连续性特征:Rescale bounded continu...
2018-09-06 10:44:19
3461
原创 CNN的优点和缺点
优点:1、共享卷积核,对高维数据处理无压力2、需手动选取特征,训练好权重,即得特征分类效果好 缺点:1、需要调参,需要大样本量,训练最好要GPU2、物理含义不明确...
2018-08-20 19:05:07
32477
2
原创 python 中的 常用 opencv 以及图像处理相关函数总结整理
1.读取图片img = cv2.imread("D:\cat.jpg") ,OpenCV目前支持读取bmp、jpg、png、tiff等常用格式。 创建一个窗口 cv2.namedWindow("Image") 然后在窗口中显示图像 cv2.imshow("Image", img) cv2.waitKey (0) cv2.destroyAllWindows(...
2018-08-20 19:04:38
1321
原创 dropout为什么能够防止过拟合
都知道dropout可以防止过拟合,有一次被面试官问到dropout是怎么有效的防止过拟合的,当时没回答上来,然后就学习了一波。可能现在理解的还不是很透彻,大概总结一下,便于后续使用。 对于dropout的提出,深度学习领域大神Hinton,在2012年文献:《Improving neural networks by preventing co-adaptation ...
2018-08-15 10:27:24
4812
2
原创 Pycharm 使用技巧总结
由于刚刚开始学习Pycharm,在使用过程之中,慢慢总结一些使用技巧,这样会提高写代码的效率。1、注释/取消注释Ctrl + /2、自动补全空格Ctrl + Alt + L 后续继续补充...
2018-07-20 10:48:50
255
原创 Tensorflow 安装过程中遇到的一些坑
1、运行代码之后,控制台除了输出应该有的结果外,还多了一行: I T:\src\github\tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:140] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 ...
2018-07-19 20:25:34
3190
转载 数据结构与算法学习指南
一、资料来源1.教材:★★★★数据结构与算法分析 (豆瓣)(经典之作,广为人知)★★★数据结构 (豆瓣)(严蔚敏的,就是国内大学常用的那本。严谨,伪代码不错。)★★大话数据结构 (豆瓣)(语言比较通俗。比第一本简单易懂。btw,作者程杰老师在知乎上也相当活跃)★★算法(第4版) (豆瓣)(图超多。比第一本简单易懂。)2.慕课:★★★★★浙江大学的:数据结构 - 网易云课堂(真的很棒。借雷军的一句广...
2018-04-24 21:03:09
1141
转载 逻辑回归与支持向量机的选择
从逻辑回归模型,我们得到了支持向量机模型,在两者之间,我们应该如何选择呢? 1、如果相较于 m 而言,n 要大许多,即训练集数据量不够支持我们训练一个复杂的非线性模型,我们选用逻辑回归模型或者不带核函数的支持向量机。2、如果 n 较小,而且 m 大小中等,例如 n 在 1-1000 之间,而 m 在 10-10000 之间,使用带高斯核函数的支持向量机。3、如果 n 较小,而 m 较大,例如 n ...
2018-04-09 15:50:34
470
转载 机器学习应用建议
一、假设我们需要用一个线性回归模型来预测房价,当我们运用训练好了的模型来预测未知数据的 时候发现有较大的误差,我们下一步可以做什么?1. 获得更多的训练实例——通常是有效的,但代价较大,下面的方法也可能有效,可考虑先采用下面的几种方法。2. 尝试减少特征的数量3. 尝试获得更多的特征4. 尝试增加二项式特征5. 尝试减少归一化程度λ6. 尝试增加归一化程度λ 我们不应该随机选...
2018-04-08 16:19:02
221
原创 分类问题中过拟合现象解决办法
1、丢弃一些不能帮助我们正确预测的特征。 可以是手工选择保留哪些特征 或者使用一些模型选择的算法来帮忙(例如 PCA) 2、归一化。 保留所有的特征,但是减少参数的大小(magnitude)第一件要做的事是选择网络结构,即决定选择多少层以及决定每层分别有多少个单元。 第一层的单元数即我们训练集的特征数量。 最后一层的单元数是我们训练集的结果的类的数量。 如果隐藏层数大于 1,...
2018-04-08 10:58:19
4873
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人