https://i.ancii.com/yunge812/
图像处理,深度学习小学僧
Ta还没有发布动态 ...
要解释这三者之间的关系和应用,最简单的方法就是画一个同心圆,人工智能是最早出现的,也是最大、最外侧的同心圆;其次是机器学习,稍晚一点;最内侧,是深度学习,也是当今人工智能大爆炸的核心驱动。机器学习最基本的做法,是使用算法来解析数据、从中学习,然后对真实世界
而且不可否认NLP的很多知识肯定是跟CV相通的,类似于两个领域的机器学习底层是共享的,上层的application有所区别,这时关注的重点应该在CV的主流方法和主流工具框架上,把它嵌入到你的知识底座上面去。
最后只放入两张图片,发现模型拟合的仍然不够好。想到了应该处在最原始的图片标签与损失函数上,检查了图片标签发现都能对应上,最后看损失函数发现softmax_cross_entropy_with_logits损失函数算40维向量之间的损失的实际意义是计算40个
为Session类增加自动分批训练模型的功能, 使框架更好用。新增缓解过拟合的算法: L2正则化, 随机丢弃。增加Dataset类负责管理数据集, 自动对数据分批。在Session类中增加fit方法, 从Dataset得到数据, 使用事件机制告诉外界训练情
仿照数据集读取文件flowers.py增加了自己的文件normal.py;然后使用项目的教程,一步步的进行fine-tuning,直到准确率到了百分之九十以上,停止训练。但是这个时候在导出模型的时候遇到了坑。Saves out a GraphDef con
0 关注 0 粉丝 0 动态
Copyright © 2013 - 2019 Ancii.com
京ICP备18063983号-5 京公网安备11010802014868号