deeplearning4j是一个Apache 2.0-licensed,开源的,分布式神经网络库编写的java和Scala。
主要模块:
datavec(数据载体) | 用于将图像、文本和CSV数据转换成适合于深入学习的格式的库 |
---|---|
nn(结构) | 神经网络结构设计的核心神经网络结构多层网络和计算图 |
core | 附加的功能建立在deeplearning4j NN |
modelimport (模型导入) | 加入Keras框架功能 |
nlp(自然语言处理) | 包括vectorizers,模型的自然语言处理组件,样本数据集和渲染 |
scaleout(拓展功能) | spark 、parallel-wraper 、aws |
ui | 可视化界面 |
开发工具 | IntelliJ IDEA (建议)或 Eclipse |
---|---|
JDK | 1.8 (仅支持64位版本) |
MAVEN | 最低不低于3.3.1 |
GIT | 最新即可 |
cd dl4j-examples/
mvn clean install
链接: http://pan.baidu.com/s/1hrNViN6 密码: t89u
后来是重新导入最后一步弹出窗可以忽略
官网入门指南:https://deeplearning4j.org/cn/quickstart
至此搭建dl4j,并跑一个demo完成。开发工具的jdk环境maven环境这里不做配置说明。这个百度经验可以看到很多教程的。入门指南并不难。后续训练自己的人脸检测,NLP,OCR这个就需要大家自己去细心研究了。鄙人也会试着训练相关数据。
个人小程序有关于百度人脸检测和腾讯优图人脸检测的功能,可以扫码看看哦。
需要了解的名词:
Precision:精确率
Recall:召回率
Accuracy:准确率
F1 Score:F1分数
计算公式:
precision = TP / (TP + FP)
recall = TP / (TP + FN)
accuracy = (TP + TN) / (TP + FP + TN + FN)
F1 Score = P*R/2(P+R),其中P和R分别为 precision 和 recall
需要知道的TP、FP、TN、FN
- TP,True Positive
- FP,False Positive
- TN,True Negative
- FN,False Negative
大概意思是 真正 假正 真负 假负
例如:
举个简单的二元分类问题 例子:
假设,我们要对某一封邮件做出一个判定,判定这封邮件是垃圾邮件、还是这封邮件不是垃圾邮件?
如果判定是垃圾邮件,那就是做出(Positive)的判定;
如果判定不是垃圾邮件,那就做出(Negative)的判定。
True Positive(TP)意思表示做出Positive的判定,而且判定是正确的。因此,TP的数值表示正确的Positive判定的个数。
同理,False Positive(TP)数值表示错误的Positive判定的个数。
依此,True Negative(TN)数值表示正确的Negative判定个数。
False Negative(FN)数值表示错误的Negative判定个数。
原文链接:http://blog.csdn.net/simplelovecs/article/details/50520602
训练seed不同。精准,准确,召回的分数如下
有可能需要训练数据。不知道怎么找的。在我的百度云下载吧
链接: http://pan.baidu.com/s/1geNrvGn 密码: 8bkw
12345
123