首页
学习
活动
专区
工具
TVP
发布

梦里茶室

专栏作者
70
文章
91273
阅读量
27
订阅数
读论文系列:Object Detection ICCV2015 Fast RCNN
Fast RCNN是对RCNN的性能优化版本,在VGG16上,Fast R-CNN训练速度是RCNN的9倍, 测试速度是RCNN213倍;训练速度是SPP-net的3倍,测试速度是SPP-net的3倍,并且达到了更高的准确率,本文为您解读Fast RCNN。 Overview Fast rcnn直接从单张图的feature map中提取RoI对应的feature map,用卷积神经网络做分类,做bounding box regressor,不需要额外磁盘空间,避免重复计算,速度更快,准确率也更高。 Rela
梦里茶
2018-03-30
7490
TensorFlow深度学习笔记 文本与序列的深度模型
Deep Models for Text and Sequence Rare Event 与其他机器学习不同,在文本分析里,陌生的东西(rare event)往往是最重要的,而最常见的东西往往是最不重要的。 语法多义性 一个东西可能有多个名字,对这种related文本能够做参数共享是最好的 需要识别单词,还要识别其关系,就需要过量label数据 无监督学习 不用label进行训练,训练文本是非常多的,关键是要找到训练的内容 遵循这样一个思想:相似的词汇出现在相似的场景中 不需要知道一个词真实的含义,词的含义
梦里茶
2018-01-15
7650
TensorFlow深度学习笔记 循环神经网络实践
加载数据 使用text8作为训练的文本数据集 text8中只包含27种字符:小写的从a到z,以及空格符。如果把它打出来,读起来就像是去掉了所有标点的wikipedia。 直接调用lesson1中maybe_download下载text8.zip 用zipfile读取zip内容为字符串,并拆分成单词list 用connections模块统计单词数量并找出最常见的单词 达成随机取数据的目标 构造计算单元 embeddings = tf.Variable( tf.random_uniform([
梦里茶
2018-01-15
9720
TensorFlow 深度学习笔记 卷积神经网络
Convolutional Networks deep dive into images and convolutional models Convnet BackGround 人眼在识别图像时,往往从局部到全局 局部与局部之间联系往往不太紧密 我们不需要神经网络中的每个结点都掌握全局的知识,因此可以从这里减少需要学习的参数数量 Weight share 但这样参数其实还是挺多的,所以有了另一种方法:权值共享 Share Parameters across space 取图片的一小块,在上面做神经网络分
梦里茶
2018-01-15
6120
TensorFlow 深度学习笔记 从线性分类器到深度神经网络
Limit of Linear Model 实际要调整的参数很多 如果有N个Class,K个Label,需要调整的参数就有(N+1)K个 Linear Model不能应对非线性的问题 Lin
梦里茶
2018-01-15
1.1K0
TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
全连接神经网络 辅助阅读:TensorFlow中文社区教程 - 英文官方教程 代码见:full_connect.py Linear Model 加载lesson 1中的数据集 将Data降维成一维,将label映射为one-hot encoding def reformat(dataset, labels): dataset = dataset.reshape((-1, image_size * image_size)).astype(np.float32) # Map 0 to [1.0, 0.0,
梦里茶
2018-01-15
6190
TensorFlow 深度学习笔记 Logistic Classification
本文介绍了深度学习中的逻辑回归分类,包括使用TensorFlow实现逻辑回归分类,以及使用one-hot编码和Softmax函数进行多分类。还介绍了如何通过梯度下降算法来最小化交叉熵损失函数,优化权重和偏差参数,以获得最佳分类性能。
梦里茶
2017-12-29
4620
Google机器学习教程心得(一)
本文介绍了Google机器学习教程,包括监督学习、无监督学习、半监督学习以及强化学习等方面。文章还介绍了如何搭建环境、使用scikit-learn库进行Python上的机器学习,并给出一个简单的分类器训练与预测的例子。
梦里茶
2017-12-29
6690
Google机器学习教程心得(二)决策树与可视化
本文介绍了如何使用决策树和可视化工具来分析和解释数据。首先介绍了决策树的基本概念和作用,然后介绍了一种可视化决策树的方法。最后通过Iris数据集演示了如何使用决策树和可视化工具进行数据分析和预测。
梦里茶
2017-12-29
9760
TensorFlow 深度学习笔记 Stochastic Optimization
本文介绍了深度学习中的Stochastic Optimization以及相关的优化方法,包括随机梯度下降(SGD)、动量(Momentum)、学习率衰减(Learning Rate Decay)和AdaGrad等。作者通过实践案例阐述了如何使用这些优化方法降低训练损失,提高模型性能。同时,作者也指出使用这些优化方法时需要注意参数调整,避免过度优化和欠拟合等问题。
梦里茶
2017-12-29
7660
Google机器学习教程心得(三) 好的feature
摘要总结:本文介绍了什么是好的特征以及特征在机器学习中的重要性。好的特征能够简洁、独立、直接地说明问题,并具有较好的区分度。同时,文章还强调,在构建机器学习模型时,不仅要关注特征的数据分布,还要关注特征之间的独立性以及特征与结果之间的直接关系。
梦里茶
2017-12-29
8610
Google机器学习笔记 4-5-6 分类器
本文介绍了如何通过使用Google的TensorFlow库实现一个简单的图像分类器。首先介绍了TensorFlow的基本概念,然后通过一个例子展示了如何使用TensorFlow构建一个简单的分类器。接着介绍了如何使用TensorFlow构建一个K近邻分类器,并给出了具体的实现步骤。最后,介绍了一种使用TensorFlow进行图像分类的方法,并给出了具体的实现步骤。
梦里茶
2017-12-29
6990
CNCC2017中的深度学习与跨媒体智能
梦里茶
2017-12-29
1.8K0
Google机器学习笔记(七)TF.Learn 手写文字识别
本文介绍了如何使用TensorFlow和MNIST数据集进行手写数字识别(MNIST分类),通过创建一个线性模型来训练和测试数据集。首先,我们下载了MNIST数据集,并将其转换为适用于模型训练的格式。然后,我们使用TensorFlow创建了线性分类器,并使用训练数据集对其进行训练。最后,我们使用测试数据集对模型进行评估,并得到了91.4%的准确率。通过可视化权重,我们可以更深入地了解分类器的工作原理。
梦里茶
2017-12-29
1.6K0
CNCC2017梳理
早上的论坛可以在爱奇艺下载视频 下午的分论坛是多个同时进行的,我也只去了一部分,这里先按时间顺序写自己的一些收获,之后会从另外的角度做一个总结。 如果觉得我的整理对你有帮助,欢迎sta
梦里茶
2017-12-29
1.4K0
西瓜书概念整理(chapter 1-2)熟悉机器学习术语
括号表示概念出现的其他页码, 如有兴趣协同整理,请到issue中认领章节 完整版见我的github:ahangchen 觉得还不错的话可以点个star ^_^ 第一章 绪论 Page2: 标记(lab
梦里茶
2017-12-29
1.2K0
sqlite在Android上的一个bug:SQLiteCantOpenDatabaseException when nativeExecuteForCursorWindow
该文章讲述了在SQLite中,PRAGMA temp_store_directory对临时文件存储路径的影响,以及如何使用SQLite的PRAGMA命令来查看和修改临时文件存储路径。同时,文章还提供了一种解决方案,以解决在SQLite中打开临时文件时出现的问题。
梦里茶
2017-12-29
1.9K0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
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