首页
学习
活动
专区
工具
TVP
发布

机器学习实践二三事

专栏成员
114
文章
123838
阅读量
54
订阅数
安装Theano和keras
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/49948141
GavinZhou
2019-05-29
1.3K0
SVM分类---识别舰船和飞机
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
8670
深度学习论文资源(截至2016年)
从全局到枝干、从经典到前沿、从理论到应用、还有最新的研究…,所有你不需要的需要的,现在不需要的未来需要的,你不需要的周边小伙伴需要的…反正全都在这了。拿走不谢,就在AI科技大本营。
GavinZhou
2019-05-26
7220
Inception-v4
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
8230
Batch Normalization
本篇博文主要讲解2015年深度学习领域,非常值得学习的一篇文献:《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》,这个算法目前已经被大量的应用,最新的文献算法很多都会引用这个算法,进行网络训练,可见其强大之处非同一般啊。
GavinZhou
2019-05-26
5870
深度学习(二十九)Batch Normalization 学习笔记
原文地址:http://blog.csdn.net/hjimce/article/details/50866313
GavinZhou
2019-05-26
2750
Ubuntu14.04下安装Caffe
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/47363385
GavinZhou
2019-05-26
8690
TF-Slim ImageNet数据集制作
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
1.7K0
WHEN NOT TO USE DEEP LEARNING
转载自: http://hyperparameter.space/blog/when-not-to-use-deep-learning/
GavinZhou
2019-05-26
5310
再看CNN中的卷积
本文介绍了神经网络中卷积、1*1卷积、全卷积、参数共享、感受野、dilated convolution、卷积实现、1*1卷积的作用、全卷积的作用等技术内容。
GavinZhou
2018-01-02
6290
深度学习中的优化算法
本文介绍了深度学习中常用的优化算法,包括一阶优化算法(如SGD、Adam等)和二阶优化算法(如SGD+momentum、Adam等),并分析了它们在实际应用中的优缺点以及不同场景下的使用。
GavinZhou
2018-01-02
1.4K0
机器学习基本概念-3
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
6520
Machine Learning基础入门
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
6500
使用Faster-Rcnn进行目标检测
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
1.1K0
caffe introduction & classification
本文介绍了如何使用Caffe进行图像分类,通过加载已经训练好的模型和相应的配置文件,对输入的图像进行分类,并输出分类结果。同时,还介绍了一些基本的Caffe配置和常见的网络结构,以及如何使用Python API进行Caffe的调试和测试。
GavinZhou
2018-01-02
8670
没有更多了
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
Python精品学习库
代码在线跑,知识轻松学
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
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
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