摘要:
import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False #用来正常显示负号 input_values 阅读全文
摘要:
1.文件编码问题 matlab默认编码为GBK,但是我们的程序有的时候由于需要大多采用UTF-8,在中文注释时就容易发生编码的问题,导致乱码 解决方法一: 使用notepad++将编码格式修改为GBK即可,但我这里建议大家直接采用下面的方式修改为UTF-8,方便以后的开发工作。 解决方法二: MAT 阅读全文
摘要:
1.要ping通一台主机,首先得让每一台主机都有自己的ip地址 2.VLAN的创建 Switch1 配置: 创建 vlan 10: Switch1>enable Switch1#vlan database Switch1(vlan)#vlan 10 name VLAN10 基于端口划分: Switc 阅读全文
摘要:
1.整体实验部分 实验应用了四种最先进的深度学习方法,即。两个两阶段检测器,Faster RCNN(Ren等人,2015)和Cascade RCNN,Cai和Vasconcelos,2018),以及两个一阶段检测器,SSD(Liu等人,2015年)和YOLOv3(Redmon和Farhadi,201 阅读全文
摘要:
1.论文主要工作 建立了一个包含24类典型虫害,并且使用了几种最先进的深度学习检测方法(RCNN、SSD、YOLOv3、Cascade R-CNN)来检测数据集中的害虫,从多个方面分析了数据集,发现了三个因素,相对尺度、实例数、目标沾粘,主要影响害虫检测性能,该数据特点是 目标小、各类别相似度高、密 阅读全文
摘要:
1.学习率的设置 2.训练集和验证集准确度 通过查看训练集和验证集的准确度,也可以侧面反应出过拟合的情况,在训练集准确率和验证集准确率中间的空隙指明了模型过拟合的程度。在图中,蓝色的验证集曲线显示相较于训练集,验证集的准确率低了很多,这就说明模型有很强的过拟合。遇到这种情况,就应该增大正则化强度(更 阅读全文
摘要:
1.均值减法 它对数据中每个独立特征减去平均值,从几何上可以理解为在每个维度上都将数据云的中心都迁移到原点。在numpy中,该操作可以通过代码X -= np.mean(X, axis=0)实现。而对于图像,更常用的是对所有像素都减去一个值,可以用X -= np.mean(X)实现,也可以在3个颜色通 阅读全文
摘要:
1.生物学起源 2.粗糙模型 要注意这个对于生物神经元的建模是非常粗糙的;在实际中,有很多不同类型的神经元,每种都有不同的属性。生物神经元的树突可以进行复杂的非线性计算。突触并不是一个简单的权重,他们是复杂的非线性动态系统。很多系统中,输出的峰值信号的精确时间点非常重要,说明速率编码的近似是不够全面 阅读全文
摘要:
1.小批量数据梯度下降 在大规模的应用中(比如ILSVRC挑战赛),训练数据可以达到百万级量级。如果像这样计算整个训练集,来获得仅仅一个参数的更新就太浪费了。一个常用的方法是计算训练集中的小批量(batches)数据。例如,在目前最高水平的卷积神经网络中,一个典型的小批量包含256个例子,而整个训练 阅读全文
摘要:
1.实现原理 就是堆叠了两层两个线性层,中间引入了非线性函数来增加模型表达能力 2.训练过程 主要是利用链式求导法则和反向传播算法对参数进行更新,不断得训练,最后在验证集和测试集上进行正确度验证 3.模型保存及预测 保存模型参数,然后输入未知样本进行预测 阅读全文