腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
机器学习实践二三事
专栏成员
举报
114
文章
123868
阅读量
54
订阅数
订阅专栏
申请加入专栏
全部文章(114)
python(31)
机器学习(23)
深度学习(15)
神经网络(12)
人工智能(10)
编程算法(10)
linux(9)
opencv(9)
其他(8)
tensorflow(8)
java(6)
图像处理(6)
numpy(4)
git(3)
网络安全(3)
数据处理(3)
NLP 服务(2)
mac os(2)
数据库(2)
云数据库 Redis(2)
matlab(2)
ubuntu(2)
批量计算(2)
http(2)
开源(2)
压力测试(2)
jdk(2)
hadoop(2)
图像识别(2)
hashmap(2)
线性回归(2)
keras(2)
安全(2)
windows(2)
https(2)
语音识别(1)
ios(1)
c++(1)
bash(1)
.net(1)
json(1)
打包(1)
eclipse(1)
centos(1)
apache(1)
bash 指令(1)
容器镜像服务(1)
存储(1)
面向对象编程(1)
监督学习(1)
udp(1)
kernel(1)
gcc(1)
scikit-learn(1)
无监督学习(1)
大数据(1)
微信(1)
数据结构(1)
position(1)
return(1)
runtime(1)
search(1)
target(1)
函数(1)
基础(1)
面试(1)
数学(1)
搜索文章
搜索
搜索
关闭
SVM分类---识别舰船和飞机
机器学习
神经网络
深度学习
人工智能
SVM网上已经有说的非常好的,有浅显易懂的也有从最基础的公式上一步步推导的,参考大神July的这篇关于SVM的博客,希望深入了解的可以看看这篇讲的非常好。
GavinZhou
2019-05-26
867
0
Inception-v4
机器学习
神经网络
深度学习
人工智能
Google Research的Inception模型和Microsoft Research的Residual Net模型两大图像识别杀器结合效果如何?在这篇2月23日公布在arxiv上的文章“Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning”给出了实验上的结论。
GavinZhou
2019-05-26
823
0
TF-Slim ImageNet数据集制作
python
机器学习
神经网络
深度学习
人工智能
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/Gavin__Zhou/article/details/80242998
GavinZhou
2019-05-26
1.7K
0
WHEN NOT TO USE DEEP LEARNING
神经网络
机器学习
人工智能
深度学习
转载自: http://hyperparameter.space/blog/when-not-to-use-deep-learning/
GavinZhou
2019-05-26
531
0
Tensorflow实现word2vec
机器学习
人工智能
tensorflow
摘要总结:本文研究了如何通过使用技术社区中的内容编辑人员来提高内容质量,并总结了相关的方法和实践。
GavinZhou
2018-01-02
1.3K
0
使用Tensorflow进行时序预测(TFTS)
机器学习
tensorflow
本文介绍了如何使用TensorFlow进行时间序列预测,包括基于ARIMA的模型和基于LSTM的模型。首先介绍了TensorFlow Time Series模块,然后通过一个例子演示了如何使用该模块进行时间序列预测。最后介绍了如何使用LSTM模型进行时间序列预测。
GavinZhou
2018-01-02
2.2K
0
GBDT(Gradient Boosting Decision Tree)
机器学习
人工智能
大数据
本文介绍了GBDT(Gradient Boosting Decision Tree)算法的原理、实现和应用。主要包括了梯度提升决策树的基本思想、实现方法、优化策略和实际应用案例。
GavinZhou
2018-01-02
3.1K
0
机器学习基本概念-4
机器学习
本文介绍了机器学习中的超参数和验证集的相关概念,以及如何使用验证集来选择合适的超参数,并通过具体例子进行了详细说明。最后还介绍了交叉验证的相关方法,用于处理数据量较小的情况。
GavinZhou
2018-01-02
657
0
Some Tips/Tricks in Machine Learning
机器学习
本文介绍了机器学习的一些技巧和最佳实践,包括数据集扩充、预处理、效果逐步增强、权重的初始化、学习率和训练、激活函数、正则化、Dropout、数据倾斜、解决方法和成本敏感技术。
GavinZhou
2018-01-02
648
0
机器学习基本概念-3
机器学习
深度学习
线性回归
本文介绍了机器学习中的正则化方法,包括L1正则化和L2正则化。L1正则化将模型参数进行L1范数惩罚,使得模型更加稀疏;L2正则化将模型参数进行L2范数惩罚,使得模型更加平滑。这些正则化方法可以防止模型过度拟合训练数据,提高模型的泛化能力。
GavinZhou
2018-01-02
652
0
机器学习实习生面试总结(阿里 腾讯等)
机器学习
该文摘要总结如下:
GavinZhou
2018-01-02
4.2K
1
NLP常用数据集
人工智能
机器学习
NLP 服务
本文主要介绍了自然语言处理(NLP)中的常用数据集,包括文本分类、语言建模、图像描述、机器翻译、问答系统、语音识别和文档摘要等任务。文章还提供了许多用于练习和评估的数据集,以便读者可以更好地了解这些任务和应用场景。同时,还介绍了一些可以用于获取这些数据集的资源和途径。
GavinZhou
2018-01-02
1.1K
0
机器学习基本概念-2
机器学习
本文介绍了机器学习中的泛化能力、过拟合和欠拟合问题,以及如何解决这些问题。文章还讨论了如何确定模型的容量,以避免过度拟合和欠拟合,并提出了常见的方法来减小模型的容量。
GavinZhou
2018-01-02
649
0
Machine Learning基础入门
机器学习
人工智能
深度学习
本文介绍了机器学习的基础知识,包括发展历史、分类、使用场景、几个常见的模型以及预处理等。
GavinZhou
2018-01-02
650
0
机器学习基本概念-1
机器学习
本文介绍了机器学习中的基本概念,包括算法、任务、性能度量以及数据集等。作者通过举例对算法、任务、性能度量以及数据集进行了详细的解释。此外,作者还指出了在机器学习领域中设计一个良好的近似算法的挑战,以及如何解决这些挑战。
GavinZhou
2018-01-02
609
0
fine-tuning的二三事
机器学习
本文介绍了在Caffe中如何进行fine-tuning,包括常见的方法和步骤。同时,还探讨了在处理小数据集和相似度较低的数据集时的注意事项。最后,提供了一些参考资源,以帮助读者更好地理解这一主题。
GavinZhou
2018-01-02
692
0
Image Style Transfer Using Convolutional Neural Network(理论篇)
机器学习
图像处理
本文介绍了一种基于卷积神经网络的图像风格迁移算法,该算法通过学习内容和风格特征,生成具有指定艺术风格的图像。该算法采用了一种称为“样式转换”的技术,将给定的样式应用到图像的指定区域,从而生成了具有艺术风格的图像。实验结果表明,该算法能够有效地将风格应用到图像中,并且可以在不同的图像和风格之间进行转换。
GavinZhou
2018-01-02
1.7K
0
使用Faster-Rcnn进行目标检测
机器学习
神经网络
深度学习
人工智能
图像识别
本文介绍了一种用于目标检测的Faster R-CNN网络及其训练方法。该网络由Region Proposal Network(RPN)和Fast R-CNN两部分组成,旨在提高目标检测的速度和准确性。RPN用于生成候选区域,而Fast R-CNN则用于分类和边界框回归。通过交替训练和联合训练,该网络能够快速准确地检测出图像中的目标。
GavinZhou
2018-01-02
1.1K
0
使用FCN做图像语义分割(实践篇)
机器学习
本文介绍了FCN的源起、实现细节和代码示例,通过具体案例阐述了FCN在图像语义分割任务中的有效性和适用性。
GavinZhou
2018-01-02
1.5K
0
Fully Convolutional Networks for Semantic Segmentation
人工智能
机器学习
图像处理
本文介绍了Fully Convolutional Networks for Semantic Segmentation(FCN),是一种用于语义分割的全卷积网络。FCN的主要思想是将传统的卷积神经网络(CNN)结构修改为全卷积网络(FCN),从而在进行像素级别的语义分割任务时能够直接对输入的任意尺寸图像进行处理。FCN通过将输入图像映射到多个特征图上来提取图像的特征,并通过反卷积操作来将特征图扩展到与原始图像相同的大小。这种方法能够有效地利用图像中的上下文信息,并且可以处理任意大小的图像。实验结果表明,FCN在语义分割任务上表现良好,相比其他传统的方法有更好的性能。
GavinZhou
2018-01-02
939
0
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档