腾讯云
开发者社区
文档
建议反馈
控制台
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
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
ml
专栏作者
举报
664
文章
633208
阅读量
64
订阅数
订阅专栏
申请加入专栏
全部文章(664)
编程算法(281)
数据结构(126)
java(108)
其他(97)
c++(38)
linux(21)
python(12)
游戏(12)
机器学习(11)
c 语言(11)
深度学习(10)
数据库(8)
人工智能(8)
数据处理(8)
html(6)
云数据库 SQL Server(6)
神经网络(6)
input(6)
jsp(5)
spring(5)
tensorflow(4)
mvc(4)
图像处理(4)
数据挖掘(3)
ios(3)
xml(3)
qt(3)
windows(3)
limit(3)
line(3)
servlet(2)
云数据库 Redis(2)
sql(2)
git(2)
api(2)
tomcat(2)
ubuntu(2)
容器镜像服务(2)
容器(2)
存储(2)
分布式(2)
html5(2)
mybatis(2)
numpy(2)
决策树(2)
二叉树(2)
nat(2)
case(2)
code(2)
function(2)
microsoft(2)
output(2)
sample(2)
模型(2)
php(1)
javascript(1)
bash(1)
.net(1)
css(1)
json(1)
eclipse(1)
github(1)
struts(1)
windows server(1)
centos(1)
bash 指令(1)
http(1)
网络安全(1)
jdk(1)
hadoop(1)
opencv(1)
jdbc(1)
监督学习(1)
推荐系统(1)
socket编程(1)
大数据(1)
https(1)
hbase(1)
nest(1)
kafka(1)
apply(1)
chess(1)
colors(1)
configuration(1)
dp(1)
eof(1)
error(1)
file(1)
height(1)
hidden(1)
integer(1)
join(1)
key(1)
map(1)
member(1)
model(1)
nullable(1)
numbers(1)
paint(1)
prediction(1)
return(1)
scope(1)
set(1)
stack(1)
sum(1)
this(1)
wifi(1)
word2vec(1)
yaml(1)
笔记(1)
编程(1)
部署(1)
对象(1)
数据(1)
数组(1)
线程(1)
压缩(1)
字符串(1)
搜索文章
搜索
搜索
关闭
深度学习之图像的数据增强
深度学习
图像处理
在图像的深度学习中,为了丰富图像训练集,更好的提取图像特征,泛化模型(防止模型过拟合),一般都会对数据图像进行数据增强, 数据增强,常用的方式,就是旋转图像,剪切图像,改变图像色差,扭曲图像特征,改变图像尺寸大小,增强图像噪音(一般使用高斯噪音,盐椒噪音)等. 但是需要注意,不要加入其他图像轮廓的噪音. 对于常用的图像的数据增强的实现,如下: 1 # -*- coding:utf-8 -*- 2 """数据增强 3 1. 翻转变换 flip 4 2. 随机修剪 rand
Gxjun
2018-03-27
2.1K
0
使用感知机训练加法模型
深度学习
机器学习
感知机此处不介绍,这里只是简单的做了一个使用感知机思路,训练一个y=a+b计算模型. 1 # -*-coding:utf-8-*- 2 '@author: xijun.gong' 3 import numpy as np 4 import random 5 import math 6 7 8 class Perceptron: 9 def __init__(self, learnRate, maxIter, bit_len): 10 """ 11
Gxjun
2018-03-27
702
0
faster-rcnn在编译时遇到的一些问题
深度学习
1.在安装faster-rcnn事如果报这种错误 In file included from ./include/caffe/util/device_alternate.hpp:40:0, from ./include/caffe/common.hpp:19, from ./include/caffe/blob.hpp:8, from ./include/caffe/net.hpp:10,
Gxjun
2018-03-27
1.2K
0
faster-rcnn系列笔记(一)
深度学习
目录: 1. 序言 2.正文 2.1 关于ROI 2.2 关于RPN 2.3 关于anchor 3. 关于数据集合制作 4
Gxjun
2018-03-27
1K
0
读RCNN论文笔记
深度学习
机器学习
1. RCNN的模型(如下图)描述: RCNN相比传统的物体检测,还是引入传统的物体检测的基本流程,先找出候选目标物体,逐个的提取特征,不过rbg大神引入了当时炙手可热的CN
Gxjun
2018-03-27
922
0
RNN的简单的推导演算公式(BPTT)
深度学习
编程算法
附上y=2x-b拟合的简单的代码. 1 import numpy as np 2 x = np.asarray([2,1,3,5,6]); 3 y = np.zeros((1,5)); 4 learning_rate=0.1; 5 w=5; 6 7 for i in range(len(x)): 8 y[0][i]= func(x[i]); 9 10 def func(x): 11 return 2*x -6; 12 13 def forward(w,x)
Gxjun
2018-03-27
1.5K
0
faster-rcnn中ROI_POOIING层的解读
深度学习
图像处理
在没有出现sppnet之前,RCNN使用corp和warp来对图片进行大小调整,这种操作会造成图片信息失真和信息丢失。sppnet这个模型推出来之后(关于这个网络的描述,可以看看之前写的一篇理解:http://www.cnblogs.com/gongxijun/p/7172134.html),rg大神沿用了sppnet的思路到他的下一个模型中fast-rcnn中,但是roi_pooling和sppnet的思路虽然相同,但是实现方式还是不同的.我们看一下网络参数: layer { name: "roi_poo
Gxjun
2018-03-27
948
0
调参过程中的参数 学习率,权重衰减,冲量(learning_rate , weight_decay , momentum)
深度学习
机器学习
无论是深度学习还是机器学习,大多情况下训练中都会遇到这几个参数,今天依据我自己的理解具体的总结一下,可能会存在错误,还请指正. learning_rate , weight_decay , momen
Gxjun
2018-03-27
2.7K
0
Use of Deep Learning in Modern Recommendation System: A Summary of Recent Works(笔记)
推荐系统
深度学习
注意:论文中,很多的地方出现baseline,可以理解为参照物的意思,但是在论文中,我们还是直接将它称之为基线, 也就是对照物,参照物. 这片论文中,作者没有去做实际的实验,但是却做了一件很有意义的事,他收罗了近些年所有推荐系统中涉及到深度学习的文章 ,并将这些文章进行分类,逐一分析,然后最后给出了一个推荐系统以后的发展方向的预估. 那么通过这篇论文,我们可以较为 系统的掌握这些年,在推荐系统方面,深度学习都有那些好玩的应用,有哪些新奇的方法,这片论文起到了一个简报的作用,下面是论文的一个粗糙翻译: 概述
Gxjun
2018-03-27
863
0
神经网络模型之AlexNet的一些总结
神经网络
机器学习
深度学习
说明: 这个属于个人的一些理解,有错误的地方,还希望给予教育哈~ 此处以caffe官方提供的AlexNet为例. 目录: 1.背景 2.框架介绍 3.步骤详细说明 5.参考文献 背景: AlexNet是在2012年被发表的一个金典之作,并在当年取得了ImageNet最好成绩,也是在那年之后,更多的更深的神经网路被提出,比如优秀的vgg,GoogleLeNet. 其官方提供的数据模型,准确率达到57.1%,top 1-5 达到80.2%. 这项对于传统的机器学习分类算法而言,已经相当的出色。 框架介绍: Al
Gxjun
2018-03-26
678
0
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!
立即发文
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