摘要：
出处：https://blog.csdn.net/wuaini_1314/article/details/79562400 线性最小二乘问题，我们可以通过理论推导可以得到其解析解，但是对于非线性最小二乘问题，则需要依赖迭代优化的方法，。 梯度下降主要是从一阶目标函数的一阶导推导而来的，形象点说，就是 阅读全文
摘要：
SSD模型训练起来较为简单，所以最近用的也比较多 现在做一个完整的SSD模型解析，包括训练过程中遇到的各种坑的解决办法 先放一个被用烂了的图 模型说明 图片通过vgg16的conv4_3layer得到一个feature_map_1 对feature_map_1进行卷积，使用3*3的卷积核，再使用1* 阅读全文
摘要：
最近训练一个12层的cnn网络 参考了vgg和googlenets的思想，自己做了些微调 在有噪声的手写体识别上达到了98.59%的准确率 在训练时，前1000次，loss和acc就好像没有收敛一样 因为，神经网络太深，参数太多 我们要用更多时间去使网络提取到对应的参数 所以，一次训练到3k次以上之 阅读全文
摘要：
此网络用了一个网络 + 三个并联的网络 第一个网络，识别ACBDE 结构： 输入 32 × 32 × 1 第一层：16个5*5的卷积核，relu激活，maxpool池化 第二层：32个3*3的卷积核，relu激活，maxpool池化 第三层：64个3*3的卷积核，tanh激活，maxpool池化 输 阅读全文
摘要：
流程： 提取人脸特征点->人脸摆正->提取人脸->人脸替换->人脸倾斜->贴回去 前三个和后两个用别人的API就好 关键是做人脸替换 人脸替换： 训练人脸替换: 对于神经网络输出的图像X'我们要考虑四个东西 X'的内容，X'的风格，X'的亮度，X与X’的接近程度 那么就有四个loss_functio 阅读全文
摘要：
之前在看MTCNN P-net时一直不懂，为什么，我明明要的是人脸框数据 我还要去训练5个特征点和人脸识别 现在知道了 我们是利用5个特征点和人脸检测去加强人脸框数据的精度 相当于用与之相关的数据去提高前面几层网络的准确率 真的牛逼 阅读全文
摘要：
感觉这东西很厉害呀 比如我训练出了一个识别是不是猫的神经网络（A），这个网络做的很好 然后我现在想训练一个识别手写体的网络 但是我的模型做的比较差，因为我的数据量较小什么的 我可以把A的最后一层去掉，然后加上一层(b)使输出符合格式 resize我的手写体(X)使其适应输入 然后我用手写体的图片去训 阅读全文
摘要：
我们有3个参数 人能得出的精度:a 训练集精度 :b 验证集精度 :c 如果 a: 100% b: 90% c: 87% 也就是说a，b相差太多，那么说明神经网络拟合的还不够 那就参加高偏差的方法去解决 如果 a: 90% b: 88% c: 80% 也就是说b, c相差太多，那么说明神经网络过拟合 阅读全文
摘要：
训练集：训练数据 验证集：得出模型的精度等一系列数据用于改进模型 测试集：得到模型的精度等一系列数据用于发表论文等。。。 如果数据量比较小可以把验证集和测试集合并 一般来说 验证集和测试集各1k个样本就够了 其他的全部丢到训练集去吧 比如我们现在要训练猫的分类器 然后我们有一个app，模型的最终目标 阅读全文
摘要：
对于模型，最重要的就是两个东西 查准率：模型输出为ai中真的是ai的个数 / 模型中输出为ai的个数 查全率：模型中输出为ai的个数 / 真的为ai的个数 那么就想小时候判断运动员成绩的极值和方差一样 我们有时无法判断模型的好坏 那么我们就要用一个单一的指标去评价模型的好坏 设查准率为a， 查全率为 阅读全文