随笔分类 - 机器学习
摘要：最近打比赛，apply操作极慢，队友使用了线程池，用多核开辟多线程跑，加速。 在阿里平台上，都没问题。 我是win10系统+jupyter notebook 多线程那个模块运行，会显示一直运行，p.close()会被卡死 这是linux的写法 在Windows上要想使用进程模块，就必须把有关进程的代
阅读全文
摘要：1、 np.percentile(train_list["wnum1"], [10, 90, 95, 99]) 计算一个多维数组的任意百分比分位数，此处的百分位是从小到大排列 2、fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(20, 6)) 定义画图的画
阅读全文
摘要：逻辑斯蒂回归和感知机的异同： 两类都是线性分类器； 损失函数两者不同：逻辑斯蒂回归使用极大似然（对数损失函数），感知机使用的是均方损失函数（即错误点到分离平面的距离，最小化这个值） 逻辑斯蒂比感知机的优点在于对于激活函数的改进。 前者为sigmoid function，后者为阶跃函数。这就导致LR是
阅读全文
摘要：官方中文文档的网址先贴出来：https://tensorflow.google.cn/programmers_guide/saved_model tf.train.Saver 类别提供了保存和恢复模型的方法。tf.train.Saver 构造函数针对图中所有变量或指定列表的变量将 save 和 re
阅读全文
摘要：tensorflow中graph包含一些操作对象，这些对象就是计算节点。而tensor表示的是不同操作间的数据节点。 tensorflow会创建默认的图，可以通过tf.get_default_graph()来访问： 代码: import tensorflow as tfimport numpy as
阅读全文
摘要：模型保存，先要创建一个Saver对象：saver=tf.train.Saver()， max_to_keep 是用来设置保存模型的个数，默认为5，即保存最近的五个模型，saver=tf.train.Saver(max_to_keep=0) 如果你只想保存最后一代的模型，则只需要将max_to_kee
阅读全文
摘要：先说定义：batch normalization字面意思就是批量标准化。在每次SGD时。在activation前，对mini-batch做规范化操作，使得结果的均值为0，方差为1.
阅读全文
摘要：def onehot(labels): '''one-hot 编码''' #数据有几行输出 n_sample = len(labels) #数据分为几类。因为编码从0开始所以要加1 n_class = max(labels) + 1 #建立一个batch所需要的数组，全部赋0. onehot_lab
阅读全文
摘要：如上贴出了：错误信息和错误代码。 这个问题困扰了自己两天，报错大概是说输入的数据和接受的格式不一样，不能作为tensor。 后来问了大神，原因出在tf.reshape(),因为网络训练时用placeholder定义了输入格式，所以输入不能用tensor，而tf.reshape()返回结果就是一个te
阅读全文
摘要：《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》，这篇paper提出了空间金字塔池化。 之前学习的RCNN，虽然使用了建议候选区域使得速度大大降低，但是对于超大容量的数据，计算速度还有待提高
阅读全文
摘要：最近在学习RCNN，对于Bounding-Box（BB）regression能够提高边界框的精确度，对于其内容产生了很大兴趣。 主要内容学习自大神博客：https://blog.csdn.net/bixiwen_liu/article/details/53840913 侵删 这张图很有代表性，红色r
阅读全文
摘要：一摘要： 两个主要工作：1将cnn和自上而下的区域提案结合进行定位和对象分割；2当训练数据稀缺时，先预训练然后微调。 rccn工作分为四步：1输入一张图片 2用selective search算法对每张图片产生2000张自下而上的候选目标区域 3用cnn对每一个候选区域提取深度特征（因为候选区域大小
阅读全文
摘要：之前做手写数字识别时，接触到softmax网络，知道其是全连接层，但没有搞清楚它的实现方式，今天学习Alexnet网络，又接触到了softmax，果断仔细研究研究，有了softmax，损失函数自然不可少。一起学习记录一下。 主要参考的博文：http://blog.csdn.net/u01438016
阅读全文
摘要：最近试一下kaggle的文字检测的题目，目前方向有两个ssd和cptn。直接看看不太懂，看到Alexnet是基础，今天手写一下网络，记录一下啊。 先理解下Alexnet中使用的原件和作用： 激活函数使用了relu并用了多个cpu：提高了训练速度。 重叠pool池化（不再是简单除以2的池化了，类似于卷
阅读全文
摘要：首先输入图像是28*28处理好的图。 第一层卷积：用5*5的卷积核进行卷积，输入为1通道，输出为32通道。即第一层的输入为：28*28图，第一层有32个不同的滤波器，对同一张图进行卷积，然后输出为32张特征图。需要32张特征图原因是能表示更多的特征。 第二层卷积：卷积核同样为5*5，但是输入为32通
阅读全文
摘要：tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None) 介绍参数： input：指卷积需要输入的参数，具有这样的shape[batch, in_height, in_width, in_chann
阅读全文
摘要：mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) sess = tf.InteractiveSession() #创建一个新的senssion，这个命令会将这个session注册为默认的session，之后的运算也默认跑在这
阅读全文
摘要：今天花了大半天的时间，把三层神经网络，自己推导了一遍。对于其基础思想有了一定的了解，特写此文记录下。 首先介绍基本概念，三层分别为输入层、隐含层和输出层。横线箭头为权重。所要最求的目的就是，在此网络下的输出与真实的输出尽可能的接近。 其中截距项的作用：拟合平面上的一些点，的普适性肯定比好，能够是的所
阅读全文
浙公网安备 33010602011771号