随笔分类 - 机器学习
摘要：GoogLeNet系列解读 2016年02月25日 15:56:29 shuzfan 阅读数：75639更多 个人分类： 深度学习基础 GoogLeNet系列解读 2016年02月25日 15:56:29 shuzfan 阅读数：75639更多 个人分类： 深度学习基础 GoogLeNet系列解读
阅读全文
摘要：通常用外部api进行卷积的时候，会面临mode选择。 本文清晰展示三种模式的不同之处，其实这三种不同模式是对卷积核移动范围的不同限制。 设 image的大小是7x7，filter的大小是3x3 1，full mode 橙色部分为image, 蓝色部分为filter。full模式的意思是，从filte
阅读全文
摘要：https://blog.csdn.net/Rasin_Wu/article/details/80017920 https://blog.csdn.net/chaipp0607/article/details/72847422 AlexNet AlexNet在2012年的ImageNet图像分类大赛
阅读全文
摘要：如图所示： 假设你想要解决一个复杂的任务，你没有太多的标记的训练数据，但不幸的是，你不能找到一个类似的任务训练模型。 不要失去所有希望！ 首先，你当然应该尝试收集更多的有标签的训练数据，但是如果这太难或太昂贵，你仍然可以进行无监督的训练（见图 11-5）。 也就是说，如果你有很多未标记的训练数据，你
阅读全文
摘要：Let's assume that you are training a model whose performance depends on a set of hyperparameters. In the case of a neural network, these parameters ma
阅读全文
摘要：本文参考博文 （1）介绍 *_train_test.prototxt文件与 *_deploy.prototxt文件的不同：http://blog.csdn.net/sunshine_in_moon/article/details/49472901 （2）生成deploy文件的Python代码：htt
阅读全文
摘要：版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u014380165/article/details/77284921 我们知道卷积神经网络（CNN）在图像领域的应用已经非常广泛了，一般一个CNN网络主要包含卷积层，池化层（pooling），全连接层
阅读全文
摘要：视频质量专家组（Video Quality Experts Group, VQEG）发起的评价算法性能校准项目的主要思想是通过组织主观实验获取图像的主观质量，以主客观质量的一致性来判断客观评价算法的性能。目前常用的数据主要有以下8种： 1）LIVE（Laboratory for image & vi
阅读全文
摘要：https://blog.csdn.net/u010417185/article/details/52649178 https://blog.csdn.net/u010417185/article/details/52649178 https://blog.csdn.net/u010417185/a
阅读全文
摘要：caffe finetune两种修改网络结构prototxt方法 caffe finetune两种修改网络结构prototxt方法 caffe finetune两种修改网络结构prototxt方法 caffe finetune两种修改网络结构prototxt方法 第一种方法：将原来的prototxt
阅读全文
摘要：原文https://blog.csdn.net/u011070171/article/details/75425740 原文https://blog.csdn.net/u011070171/article/details/75425740 原文https://blog.csdn.net/u01107
阅读全文
摘要：Keras有两种类型的模型，序贯模型（Sequential）和函数式模型（Model），函数式模型应用更为广泛，序贯模型是函数式模型的一种特殊情况。 两类模型有一些方法是相同的： model.summary()：打印出模型概况，它实际调用的是keras.utils.print_summary mod
阅读全文
摘要：参考文献： 1.python 皮尔森相关系数 https://www.cnblogs.com/lxnz/p/7098954.html 2.统计学之三大相关性系数（pearson、spearman、kendall） http://blog.sina.com.cn/s/blog_69e75efd0102
阅读全文
摘要：https://zhuanlan.zhihu.com/p/32480810 TLDR (or the take away) 频率学派 - Frequentist - Maximum Likelihood Estimation (MLE，最大似然估计) 贝叶斯学派 - Bayesian - Maxim
阅读全文
摘要：准确地说，RAISR并不是用来压缩图像的，而是用来upsample图像的。 众所周知，图片缩小到半分辨率后，在拉回原大小，会出现强烈的锯齿。从80年代开始就有很多super sampling的方法，要么从多张低分辨率的图构建出高分辨率，要么从单张“猜测”出高分辨率。本质上其实都是针对边缘搞事情。从锯
阅读全文
摘要：作者：冬瓜哥链接：https://www.zhihu.com/question/59184480/answer/166167659来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 显卡/GPU是具体干活的芯片，其从host端拿命令和数据。显卡驱动，分内核态和用户态两部分
阅读全文
摘要：一、由于实验室大家使用的CUDA、CUdnn不同，所以需要在同一台服务器安装多个版本，而且要不引起冲突，方法如下： 1、一般来说CUDA安装在 /usr/local 目录下（当然你可以通过“echo $PATH”命令查询你的CUDA安装目录，一般来说CUDA的文件路径都会被写入到系统环境），如下图
阅读全文
摘要：样本不平衡问题 样本不平衡问题 样本不平衡问题 样本不平衡问题 如在二分类中正负样本比例存在较大差距，导致模型的预测偏向某一类别。如果正样本占据1%，而负样本占据99%，那么模型只需要对所有样本输出预测为负样本，那么模型轻松可以达到99%的正确率。一般此时需使用其他度量标准来判断模型性能。比如召回率
阅读全文
摘要：推断（Inference），就是深度学习把从训练中学习到的能力应用到工作中去。 精心调整权值之后的神经网络基本上就是个笨重、巨大的数据库。为了充分利用训练的结果，完成现实社会的任务，我们需要的是一个能够保留学习到的能力，还能迅速应用到前所未见的数据上的，响应迅速的系统。这就是推断，根据真实世界中的少
阅读全文
摘要：3. Fast-R-CNN 基于R-CNN和SPP-Net思想，RBG提出了Fast-R-CNN算法。如果选用VGG16网络进行特征提取，在训练阶段，Fast-R-CNN的速度相比RCNN和SPP-Net可以分别提升9倍和3倍；在测试阶段，Fast-R-CNN的速度相比RCNN和SPP-Net可以分
阅读全文