zhayushui的专栏

文章目录介绍softmaxsoftmaxloss介绍softmax家族总结softmaximport numpy as npdef softmax(X,SUBMAX=False): """dtype: float X shape: batch * -1 * classes ndarray or : -1 * classes nd...

Boost和AdaBoost算法原理 AdaBoost算法的核心思想是针对同一个训练集训练出不同的分类器（弱分类器），然后把这些弱分类器集合起来，构成一个性能更加强大的分类器（强分类器） 详细原理待续...

softmax总结：https://www.jianshu.com/p/3c8fc9dc5ab1SphereFace在MegaFace数据集上识别率在2017年排名第一，用的A-Softmax Loss有着清晰的几何定义，能在比较小的数据集上达到不错的效果。这个是他们总结成果的论文：SphereFace: Deep Hypersphere Embedding for Face Recogniti...

参考：https://www.mobibrw.com/2017/7966

第一步：把loss进行拆分，打印loss相关的值total_loss,xy_loss,wh_loss,obj_loss,noobj_loss,class_loss = loss_fn(label, output) tf.print(['loss:xy=',xy_loss,',wh=',wh_loss,',obj=',obj_loss,',noobj=',noobj_loss,',cls=',...

深度学习: 激活函数 (Activation Functions)激活函数类型激活函数中，常用的有Sigmoid、tanh(x)、Relu、Relu6、Leaky Relu、参数化Relu、随机化Relu、ELU。其中，最经典的莫过于 Sigmoid函数 和 Relu函数 。ReLU6首先说明一下ReLU6，卷积之后通常会接一个ReLU非线性激活，在Mobile v1里面使用ReLU6，R...

MS COCO数据集目标检测评估（Detection Evaluation）（来自官网）