菜菜学paddle第五篇:卷积神经网络概念深度解析

前言:  计算机视觉作为一门让机器学会如何去“看”的学科,具体的说,就是让机器去识别摄像机拍摄的图片或视频中的物体,检测出物体所在的位置,并对目标物体进行跟踪,从而理解并描述出图片或视频里的场景和故事,以此来模拟人脑视觉系统。因此,计算机视觉也通常被叫做机器视觉,其目的是建立能够从图像或者视频中“感知”信息的人工系统。 对人类来说,识别猫和狗是件非常容易的事。那么对计算机来说,如何让计算机也能像人一样...

菜菜的sklearn课堂笔记】逻辑回归与评分卡-步长的进一步理解和max_iter

既然参数迭代是靠 梯 度 向 量 的 大 小 d × 步 长 α 梯度向量的大小d \times步长\alpha 梯度向量的大小d×步长α来实现的,而 J ( θ ) J(\theta) J(θ)的降低又是靠调节 θ \theta θ来实现的,所以步长可以调节损失函数下降的速率。在损失函数降低的方向上,步长越长, θ \theta θ的变动就越大。相对的,步长如果很短, θ \theta θ每次变动...

菜菜的sklearn课堂笔记】支持向量机-SVC真实数据案例:预测明天是否会下雨-建模与模型评估以及不同方向的调参

from sklearn.svm import SVCfrom sklearn.model_selection import cross_val_scorefrom sklearn.metrics import roc_auc_score,roc_curve,recall_scorefrom time import timeimport datetime Ytrain = Ytrain.il...

菜菜学paddle第四篇:改进卷积神经网络构建手写数字识别

前言:         在《菜菜学paddle第三篇》我们利用了卷积神经网络构建了手写数字识别,但是遗憾的是,它的准确率让人大跌眼镜,本以为是金刚钻,却泥土的活也干不了。原因出在什么地方呢?         不同的深度学习任务需要有各自适宜的损失函数。手写数字识别是分类任务,使用均方误差作为分类任务的损失函数存在逻辑和效果上的缺欠。         本篇博文我们修改计算损失的函数,从均方误差(常用于回...
© 2022 LMLPHP 关于我们 联系我们 友情链接 耗时0.009798(s)
2022-11-27 14:30:58 1669530658