11 2019 档案
摘要：演示代码如下 1 import torch 2 from torch.autograd import Variable 3 import torch.nn.functional as F 4 import matplotlib.pyplot as plt 5 # make fake data 6 n
阅读全文
摘要：4.1什么是人脸识别 （1）人脸验证（face verification）:1对1，输入一个照片或者名字或者ID，然后判断这个人是否是本人。 （2）人脸识别（face recognition）:1对多，判断这个人是否是系统中的某一个人。 4.2One-shot学习 （1）比如一个公司的员工，一般每个
阅读全文
摘要：3.1目标定位 （1）案例1：在构建自动驾驶时，需要定位出照片中的行人、汽车、摩托车和背景，即四个类别。可以设置这样的输出，首先第一个元素pc=1表示有要定位的物体，那么用另外四个输出元素表示定位框的中心坐标和宽高，再用3个输出元素one-hot表示是三个类别中的哪一类。当第一个元素pc=0时表示是
阅读全文
摘要：关于卷积神经网络的入门基础知识： https://blog.csdn.net/weixin_42451919/article/details/81381294 卷积神经网络的相关公式推导： https://campoo.cc/cnn/ https://www.cnblogs.com/pinard/p
阅读全文
摘要：2.1为什么要进行实例探究 （1）就跟学编程一样，先看看别人怎么写的，可以模仿。 （2）在计算机视觉中一个有用的模型，，用在另一个业务中也一般有效，所以可以借鉴。 （3）本周会介绍的一些卷积方面的经典网络经典的包括：LeNet、AlexNet、VGG；流行的包括：ResNet、Inception，如
阅读全文
摘要：1.1计算机视觉 （1）计算机视觉的应用包括图像分类、目标检测、图像分割、风格迁移等，下图展示了风格迁移案例： （2）图像的特征量非常之大，比如一个3通道的1000*1000的照片，其特征为3*1000*1000达到300万，如果第一个隐藏层有1000个单元那么W[1]有20亿个参数，计算量不仅大，
阅读全文
摘要：2.1进行误差分析 （1）一识别猫为案例，错误率为10%，这时系统还可以有较大提升空间，这时该往哪方面努力呢？可以通过误差分析，具体可以拿出100个分类错误的样本，然后利用表格统计每个样本分类错误的原因（如下图所示），比如很模糊，狗和猫很像，有滤镜等，一个样本出错可以同时有多个原因，统计看因为什么原
阅读全文
摘要：1.1为什么是ML策略 优化神经网络的方法： （1）当对一个实际的应用系统进行优化时，可能有很多想法：如提高数据量，提高网络深度，正则化等等，一个错误的选择可能浪费非常多的时间，本课就是让你在面对很多选择时做出正确的选择，这就是ML策略。提高效率，让你的深度学习系统更快投入使用。 1.2正交化 （1
阅读全文
摘要：3.1调试处理 （1）不同超参数调试的优先级是不一样的，如下图中的一些超参数，首先最重要的应该是学习率α（红色圈出），然后是Momentum算法的β、隐藏层单元数、mini-batch size（黄色圈出）、再之后是Layer、learning rate decay（紫色圈出）、最后是Adam算法中
阅读全文
摘要：2.1Mini-batch梯度下降 （1）例如有500万个训练样本，这时可以每1000个组成一个Mini-batch,共用5000个Mini-batch。主要是为了加快训练。 （2）循环完所有的训练样本称为（1 epoch）。 （3）使用大括号X{t},Y{t}表示一个Mini-batch。（小括号
阅读全文
摘要：1.1训练，验证，测试集（Train/Dev/Test sets） （1）深度学习是一个按照下图进行循环的快速迭代的过程，往往需要多次才能为应用程序找到一个称心的神经网络。 （2）在机器学习中，通常将样本分成训练集，验证集和测试集三部分，数据规模相对较小，适合传统的划分比例（如6:2:2），数据集规
阅读全文
摘要：单层感知机 单层感知机基础总结很详细的博客 关于单层感知机的视频 最终y=t,说明经过训练预测值和真实值一致。下面图是sign函数 根据感知机规则实现的上述题目的代码 1 import numpy as np 2 import matplotlib.pyplot as plt 3 #输入数据 4 X
阅读全文
摘要：svm简介 支持向量机（support vector machines）是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题来求解。由简至繁的模型包括： 当训练样本线性可分时，通过硬间隔最大化，学习一个线性可分支持向量机；当训练样本近似线性
阅读全文
摘要：pca基础知识不了解的可以先看下一这篇博客：https://www.cnblogs.com/lliuye/p/9156763.html 具体算法实现如下： 1 import numpy as np 2 import matplotlib.pyplot as plt 3 # 载入数据 4 data =
阅读全文
摘要：下面的demo是根据kmeans算法原理实现的demo，使用到的数据是kmeans.txt 1 1.658985 4.285136 2 -3.453687 3.424321 3 4.838138 -1.151539 4 -5.379713 -3.362104 5 0.972564 2.924086
阅读全文
摘要：朴素贝叶斯详细介绍 贝叶斯介绍 1 # 导入算法包以及数据集 2 import numpy as np 3 from sklearn import datasets 4 from sklearn.model_selection import train_test_split 5 from sklea
阅读全文
摘要：从百度云课堂上截图的基础概念，如果之前不了解的可以先看一下这篇博客：https://blog.csdn.net/weixin_30708329/article/details/97262409 不同的数据集训练不同的模型，根据模型进行投票得到最终预测结果 多棵决策树组成森林，每个模型训练集不同和选择
阅读全文
摘要：下面是常见函数的代码例子 1 import torch 2 import numpy as np 3 print("分割线 ") 4 #加减乘除操作 5 a = torch.rand(3,4) 6 b = torch.rand(4) 7 print(a) 8 print(b) 9 print(tor
阅读全文
摘要：基础内容可以直接看这篇博客 下面的demo是使用决策树算法的一个例子，使用的数据链接如下： https://files.cnblogs.com/files/henuliulei/决策树.zip from sklearn.feature_extraction import DictVectorizer
阅读全文
摘要：KNN要用到欧氏距离 KNN下面的缺点很容易使分类出错（比如下面黑色的点） 下面是KNN算法的三个例子demo， 第一个例子是根据算法原理实现 import matplotlib.pyplot as plt import numpy as np import operator # 已知分类的数据 x
阅读全文
摘要：程序所用文件：https://files.cnblogs.com/files/henuliulei/%E5%9B%9E%E5%BD%92%E5%88%86%E7%B1%BB%E6%95%B0%E6%8D%AE.zip 概念 代价函数关于参数的偏导 梯度下降法最终的推导公式如下 多分类问题可以转为2分
阅读全文
