07 2024 档案

神经网络之卷积篇：详解计算机视觉（Computer vision）
摘要：详解计算机视觉 计算机视觉是一个飞速发展的一个领域，这多亏了深度学习。深度学习与计算机视觉可以帮助汽车，查明周围的行人和汽车，并帮助汽车避开它们。还使得人脸识别技术变得更加效率和精准，即将能够体验到或早已体验过仅仅通过刷脸就能解锁手机或者门锁。当解锁了手机，猜手机上一定有很多分享图片的应用。在上面， 阅读全文
posted @ 2024-07-31 10:08 Oten 阅读(228) 评论(0) 推荐(0)
机器学习：详解是否要使用端到端的深度学习？（Whether to use end-to-end learning?）
摘要：详解是否要使用端到端的深度学习？ 假设正在搭建一个机器学习系统，要决定是否使用端对端方法，来看看端到端深度学习的一些优缺点，这样就可以根据一些准则，判断的应用程序是否有希望使用端到端方法。 这里是应用端到端学习的一些好处，首先端到端学习真的只是让数据说话。所以如果有足够多的\((x,y)\)数据，那 阅读全文
posted @ 2024-07-30 09:56 Oten 阅读(335) 评论(0) 推荐(0)
机器学习：详解什么是端到端的深度学习？（What is end-to-end deep learning?）
摘要：什么是端到端的深度学习？ 深度学习中最令人振奋的最新动态之一就是端到端深度学习的兴起，那么端到端学习到底是什么呢？简而言之，以前有一些数据处理系统或者学习系统，它们需要多个阶段的处理。那么端到端深度学习就是忽略所有这些不同的阶段，用单个神经网络代替它。 来看一些例子，以语音识别为例，目标是输入\(x 阅读全文
posted @ 2024-07-25 09:50 Oten 阅读(2713) 评论(0) 推荐(0)
机器学习：详解多任务学习（Multi-task learning）
摘要：详解多任务学习 在迁移学习中，步骤是串行的，从任务\(A\)里学习只是然后迁移到任务\(B\)。在多任务学习中，是同时开始学习的，试图让单个神经网络同时做几件事情，然后希望这里每个任务都能帮到其他所有任务。 来看一个例子，假设在研发无人驾驶车辆，那么无人驾驶车可能需要同时检测不同的物体，比如检测行人 阅读全文
posted @ 2024-07-24 10:00 Oten 阅读(1379) 评论(0) 推荐(0)
机器学习：详解迁移学习（Transfer learning）
摘要：详解迁移学习 深度学习中，最强大的理念之一就是，有的时候神经网络可以从一个任务中习得知识，并将这些知识应用到另一个独立的任务中。所以例如，也许已经训练好一个神经网络，能够识别像猫这样的对象，然后使用那些知识，或者部分习得的知识去帮助您更好地阅读x射线扫描图，这就是所谓的迁移学习。 来看看，假设已经训 阅读全文
posted @ 2024-07-18 09:52 Oten 阅读(1870) 评论(0) 推荐(1)
机器学习策略篇：详解处理数据不匹配问题（Addressing data mismatch）
摘要：处理数据不匹配问题 如果您的训练集来自和开发测试集不同的分布，如果错误分析显示有一个数据不匹配的问题该怎么办？这个问题没有完全系统的解决方案，但可以看看一些可以尝试的事情。如果发现有严重的数据不匹配问题，通常会亲自做错误分析，尝试了解训练集和开发测试集的具体差异。技术上，为了避免对测试集过拟合，要做 阅读全文
posted @ 2024-07-16 10:38 Oten 阅读(300) 评论(0) 推荐(0)
机器学习策略篇：详解数据分布不匹配时，偏差与方差的分析（Bias and Variance with mismatched data distributions）
摘要：详解数据分布不匹配时，偏差与方差的分析 估计学习算法的偏差和方差真的可以帮确定接下来应该优先做的方向，但是，当训练集来自和开发集、测试集不同分布时，分析偏差和方差的方式可能不一样，来看为什么。 继续用猫分类器为例，说人类在这个任务上能做到几乎完美，所以贝叶斯错误率或者说贝叶斯最优错误率，知道这个问题 阅读全文
posted @ 2024-07-11 09:51 Oten 阅读(305) 评论(0) 推荐(1)
机器学习策略篇：详解如何使用来自不同分布的数据，进行训练和测试（Training and testing on different distributions）
摘要：如何使用来自不同分布的数据，进行训练和测试 深度学习算法对训练数据的胃口很大，当收集到足够多带标签的数据构成训练集时，算法效果最好，这导致很多团队用尽一切办法收集数据，然后把它们堆到训练集里，让训练的数据量更大，即使有些数据，甚至是大部分数据都来自和开发集、测试集不同的分布。在深度学习时代，越来越多 阅读全文
posted @ 2024-07-10 13:34 Oten 阅读(324) 评论(0) 推荐(0)
机器学习策略篇：快速搭建你的第一个系统，并进行迭代（Build your first system quickly, then iterate）
摘要：快速搭建的第一个系统，并进行迭代 如果正在考虑建立一个新的语音识别系统，其实可以走很多方向，可以优先考虑很多事情。 比如，有一些特定的技术，可以让语音识别系统对嘈杂的背景更加健壮，嘈杂的背景可能是说咖啡店的噪音，背景里有很多人在聊天，或者车辆的噪音，高速上汽车的噪音或者其他类型的噪音。有一些方法可以 阅读全文
posted @ 2024-07-09 09:53 Oten 阅读(150) 评论(0) 推荐(0)