随笔分类 - 机器学习
摘要：4. Faster-R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 在之前介绍的Fast-R-CNN中，第一步需要先使用Selective Search方法提取图像中的proposals。基于CPU实现的
阅读全文
摘要：2. SPP-Net : Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition） 传统CNN和SPP-Net流程对比如下图所示（引自http://www.image-net.org/challeng
阅读全文
摘要：1. R-CNN：Rich feature hierarchies for accurate object detection and semantic segmentation 技术路线：selective search + CNN + SVMs Step1:候选框提取(selective sea
阅读全文
摘要：基于空间金字塔池化的卷积神经网络物体检测 原文地址：http://blog.csdn.net/hjimce/article/details/50187655 作者：hjimce 一、相关理论 本篇博文主要讲解大神何凯明2014年的paper：《Spatial Pyramid Pooling in D
阅读全文
摘要：版权声明：转载请注明出处，谢谢！ https://blog.csdn.net/Quincuntial/article/details/59109447 1. Parameters solver.prototxt文件是用来告诉caffe如何训练网络的。solver.prototxt的各个参数的解释如下
阅读全文
摘要：版权声明：本文为博主原创文章，欢迎转载，注明地址。 https://blog.csdn.net/program_developer/article/details/79430119 一、LRN技术介绍： Local Response Normalization(LRN)技术主要是深度学习训练时的一种
阅读全文
摘要：版权声明：本文为博主原创文章，转载请注明出处。 https://blog.csdn.net/Cheese_pop/article/details/52024980 DATA crop:截取原图像中一个固定patch layers { name: "data" type: DATA top: "dat
阅读全文
摘要：1. Dropout简介 1.1 Dropout出现的原因 在机器学习的模型中，如果模型的参数太多，而训练样本又太少，训练出来的模型很容易产生过拟合的现象。在训练神经网络的时候经常会遇到过拟合的问题，过拟合具体表现在：模型在训练数据上损失函数较小，预测准确率较高；但是在测试数据上损失函数比较大，预测
阅读全文
摘要：1. SimHash与传统hash函数的区别 传统的Hash算法只负责将原始内容尽量均匀随机地映射为一个签名值，原理上仅相当于伪随机数产生算法。传统的hash算法产生的两个签名，如果原始内容在一定概率下是相等的；如果不相等，除了说明原始内容不相等外，不再提供任何信息，因为即使原始内容只相差一个字节，
阅读全文
摘要：1 介 绍 1.1 流式计算介绍 流式大数据计算主要有以下特征： 1)实时性。流式大数据不仅是实时产生的，也是要求实时给出反馈结果。系统要有快速响应能力，在短时间内体现出数据的价值，超过有效时间后数据的价值就会迅速降低。 2)突发性。数据的流入速率和顺序并不确定，甚至会有较大的差异。这要求系统要有较
阅读全文
摘要：1 指数平滑法 移动平均模型在解决时间序列问题上简单有效，但它们的计算比较难，因为不能通过之前的计算结果推算出加权移动平均值。此外，移动平均法不能很好的处理数据集边缘的数据变化，也不能应用于现有数据集的范围之外。因此，移动平均法的预测效果相对较差。 指数平滑法(exponential smoothi
阅读全文
摘要：原文连接 https://blog.csdn.net/guolindonggld/article/details/56966200 原文连接 https://blog.csdn.net/guolindonggld/article/details/56966200 原文连接 https://blog.
阅读全文
摘要：前言在跑通了官网的mnist和cifar10数据之后，笔者尝试着制作自己的数据集，并保存，读入，显示。 TensorFlow可以支持cifar10的数据格式， 也提供了标准的TFRecord 格式，而关于 tensorflow 读取数据， 官网提供了3中方法 1 Feeding： 在tensorfl
阅读全文
摘要：https://www.cnblogs.com/pinard/p/9220199.html 在机器学习用于产品的时候，我们经常会遇到跨平台的问题。比如我们用Python基于一系列的机器学习库训练了一个模型，但是有时候其他的产品和项目想把这个模型集成进去，但是这些产品很多只支持某些特定的生产环境比如J
阅读全文
摘要：支持连续变量和类别变量，类别变量就是某个属性有三个值,a,b,c，需要用Feature Transformers中的vectorindexer处理 上来是一堆参数 setMaxDepth：最大树深度 setMaxBins：最大装箱数，为了近似统计变量，比如变量有100个值，我只分成10段去做统计 s
阅读全文
摘要：修改元数据 概述 “修改元数据”节点用于显示检测到的元数据或者输入的元数据信息，为后续的模型训练和应用做必要的准备。 用户可以修改本节点的测量尺度（包括测量尺度、值）和角色，修改后的测量尺度和角色会被检测是否满足一致性要求。 当测量尺度修改完成后，会根据类型来进行一致性检查。 当角色修改完成后，会根
阅读全文
摘要：写在前面 之前只停留在理论上，没有实际沉下心去调参，实际去做了后，发现调参是个大工程（玄学）。于是这篇来总结一下sklearn中svm的参数说明以及调参经验。方便以后查询和回忆。 常用核函数 1.linear核函数: K(xi,xj)=xTixjK(xi,xj)=xiTxj 2.polynomial
阅读全文
摘要：作者：孙九爷链接：https://www.zhihu.com/question/41765860/answer/101915528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。 变分推断其实就是一句话：用简单的分布q去近似复杂的分布p。首先，为什么要选择用变分推断？因
阅读全文
摘要：引入 监督学习的任务就是学习一个模型（或者得到一个目标函数）,应用这一模型，对给定的输入预测相应的输出。这一模型的一般形式为一个决策函数Y=f(X)，或者条件概率分布P(Y|X)。 监督学习方法又可以分为生成方法(generative approach)和判别方法(discriminative ap
阅读全文
摘要：1.再提逻辑回归 前面已经讲过了逻辑回归，这里不再细讲，只是简单的说一个函数，主要是方便大家更好的理解概率校准。 在逻辑回归中，用的最多的就是sigmod函数，这个函数的作用就是把无限大或者无限小的数据压缩到[0,1]之间，用来估计概率。图像大致为： 基本上是以0.5分界，0.5以上为1，0.5以下
阅读全文