10 2018 档案

super 小记
摘要：Python3.x 和 Python2.x 的一个区别是: Python 3 可以使用直接使用 super().xxx 代替 super(Class, self).xxx : Python3.x 实例： class A: pass class B(A): def add(self, x): supe 阅读全文
posted @ 2018-10-31 16:15 Lucas_Yu 阅读(148) 评论(0) 推荐(0)
特征选择
摘要：最近的工作涉及可穿戴传感器系统的原型设计，构建人类活动数据集，以及开发模式识别和机器学习算法以模拟和识别人类活动。在本文中，我们专注于提高人类活动分类性能的特征选择和模式识别算法。众所周知，高质量的特征对于提高任何模式识别系统的分类精度至关重要。在人类活动识别中，通常使用通过机械运动测量计算的平均值 阅读全文
posted @ 2018-10-22 11:30 Lucas_Yu 阅读(221) 评论(0) 推荐(0)
调参经验
摘要：好的实验环境是成功的一半 由于深度学习实验超参众多，代码风格良好的实验环境，可以让你的人工或者自动调参更加省力，有以下几点可能需要注意： 将各个参数的设置部分集中在一起。如果参数的设置分布在代码的各个地方，那么修改的过程想必会非常痛苦。 可以输出模型的损失函数值以及训练集和验证集上的准确率。 可以考 阅读全文
posted @ 2018-10-12 17:47 Lucas_Yu 阅读(453) 评论(0) 推荐(0)
同步与异步联系
摘要：同步似乎等价于阻塞，异步则等价于非阻塞。其实有些狭义，但不可否认的是，在一定情况下，确实可以这么认为；因为同步一定存在着阻塞状态，而异步一定不存在非阻塞的状态。 但是不是就是说 同步调用 == 阻塞调用呢？然并不是；阻塞和非阻塞强调的是程序在等待调用结果（消息，返回值）时的状态. 阻塞调用是指调用结 阅读全文
posted @ 2018-10-12 12:54 Lucas_Yu 阅读(215) 评论(0) 推荐(0)
keras 序列模型
摘要：教程概述 本教程分为5个部分; 他们是： TimeDistributed层 序列学习问题 用于序列预测的一对一LSTM 用于序列预测的多对一LSTM(不含TimeDistributed) 用于序列预测的多对多LSTM(带TimeDistributed) 环境 本教程假设你已经安装了带SciPy的Py 阅读全文
posted @ 2018-10-11 11:41 Lucas_Yu 阅读(930) 评论(0) 推荐(0)
上下文利用的方式
摘要：语义分割是需要整合来自各种空间尺度的信息的问题。它还意味着平衡本地和全球信息。一方面，细粒度或局部信息对于实现良好的像素级精度至关重要。另一方面，整合来自图像的全局上下文的信息以便能够解决局部模糊也是重要的。香草CNN与这种平衡斗争。汇集层，允许网络实现某种程度的空间不变性并保持计算成本，处理全局上 阅读全文
posted @ 2018-10-10 15:36 Lucas_Yu 阅读(1294) 评论(0) 推荐(0)
copula与概率图模型
摘要：有点值得注意的是，直到最近，概率图形模型领域的研究人员基本上没有意识到copula的多变量建模框架。当在实值测量的背景下考虑图形模型的局限性时，这种无知甚至更加困惑：虽然概率图形模型在概念上是一般性的，但实际考虑几乎总是迫使模型的局部定量部分为简单形式。实际上，当面对无法用多元高斯或其混合物很好地捕 阅读全文
posted @ 2018-10-09 13:59 Lucas_Yu 阅读(2257) 评论(2) 推荐(0)