as火柴人

导航

2019年2月13日 #

卷积神经网络

摘要: 第一周 1,1 计算机视觉问题: 图片识别;目标检测:只需要检测出图片上物体的位置,做成一个盒子(不用辨别是什么物体);图片风格转移 在图片处理中,如果1000X1000的图片,进入全连接的神经网络中,x数据量太大达到3000000,太容易过拟合;所以就有了卷积神经网络 1.2 边缘检测 笔记:在前 阅读全文

posted @ 2019-02-13 17:34 as火柴人 阅读(364) 评论(0) 推荐(0)

2019年2月7日 #

结构化机器学习项目

摘要: 第一周 1.2 正交化 正交化:每一个维度只控制一个功能。 对于监督学习:1,在训练集上,达到评估的可接受效果;2,在验证集上有好的效果;3.在测试集有好的效果;4,系统在实际使用上表现得好。 在这四个部分,会有不同的独立按钮来控制实现更好的功能:1,训练集效果不好:增大神经网络,优化算法;2.在验 阅读全文

posted @ 2019-02-07 17:32 as火柴人 阅读(255) 评论(0) 推荐(0)

2019年2月1日 #

leetcode记录

摘要: 2019 1月31: 141交叉链表, 2月: 2/1: 160环形链表 , 思路记得,但是指针里面逻辑搞错,这里不是用快慢指针而是同时的指针。;复习了141题还是有问题,把快慢指针写错了,这道题里面快指针要在满指针前面; 阅读全文

posted @ 2019-02-01 21:26 as火柴人 阅读(90) 评论(0) 推荐(0)

2019年1月26日 #

java环境安装

摘要: 1.安装jdk-8u25-windows-i586。exe,右击选择管理员运行。 2、配置环境变量: 对于Java程序开发而言,主要会使用JDK的两个命令:javac.exe、java.exe。路径:C:\Java\jdk 1.7.0 _09\bin。但是这些命令由于不属于windows自己的命令, 阅读全文

posted @ 2019-01-26 21:17 as火柴人 阅读(131) 评论(0) 推荐(0)

2019年1月23日 #

keras

摘要: (记录keras使用方法,有一些只是为了让自己能记住) 简单入门 函数式模型的选择;模型的选择;模型的编译;模型的训练与评估;预测数据 函数式模型的选择: 模型的搭建: 模型的编译:优化函数,优化器。 模型的训练与评估: 张量 https://blog.csdn.net/qq_31821675/ar 阅读全文

posted @ 2019-01-23 11:14 as火柴人 阅读(190) 评论(0) 推荐(0)

2019年1月22日 #

改善神经网络(第二周优化算法,第三周超参调试)

摘要: https://zhuanlan.zhihu.com/p/29895933 momenta算法: 学习率的衰减:在学习初期 ,学习率较大的时候,步伐大,下降快;但是在将近收敛的时候,学习率变小,这样可以保证在最低点附近浮动。 公式:学习率衰减公式:超参数:衰减指数decay_rate,a0 其他可以 阅读全文

posted @ 2019-01-22 09:15 as火柴人 阅读(147) 评论(0) 推荐(0)

2019年1月21日 #

第四章,java面向对象特性

摘要: 4.1 特性 封装,继承, 多态(编译时:方法的重载,同一个类里面不同方法可以用同一个方法名只是传入参数不同, 运行时多态:基础类提供一个接口,在编译时只调用基础类的接口,在运行时才确定到底是哪一个子类提供的服务。 4.2 类的定义 类的基本结构:类声明,成员变量(分为类变量static,实例变量) 阅读全文

posted @ 2019-01-21 16:04 as火柴人 阅读(102) 评论(0) 推荐(0)

2019年1月18日 #

cnn卷积神经网络

摘要: 入门的介绍:https://blog.csdn.net/v_JULY_v/article/details/51812459 CNN背后的机制: CNN怎样是把未知图案和标准X图案一个局部一个局部的对比。即,局部感知机制。 CNN的不同滤波器权重不同,不同的滤波器filter会得到不同的输出数据,比如 阅读全文

posted @ 2019-01-18 19:20 as火柴人 阅读(145) 评论(0) 推荐(0)

2019年1月15日 #

数据结构总体

摘要: 参考: https://juejin.im/post/5b3c30bde51d451964620710 如何实现数据结构 分配资源,建立结构,释放资源 插入和删除 获取和遍历 修改和排序 所有的数据结构都要按着这个步骤进行。 阅读全文

posted @ 2019-01-15 20:20 as火柴人 阅读(136) 评论(0) 推荐(0)

调参,正则化

摘要: 1.数据集的划分: 训练集(train), 交叉验证集(dev):用来选取最好的模型,选择最好的算法(需要验证的可能是很多个算法) 测试集(test):用来评估 有时候不需要无偏估计的时候,就只需要训练集和验证集 确保dev ,train来自同一个分布 划分:70%train dev 30%test 阅读全文

posted @ 2019-01-15 11:25 as火柴人 阅读(189) 评论(0) 推荐(0)