- 博客(6)
- 收藏
- 关注
RSS订阅转载 PyCharm 快捷键失效解决办法
PyCharm快捷键用着用着失效了 。。。。。。修改设置如下重新启动Pycharm即可原博客地址：https://blog.csdn.net/jacke121/article/details/82466019转载于:https://www.cnblogs.com/zzc-Andy/p/11578134.html...
2019-09-24 14:29:00
2191
转载 模型权重初始化的可行性分析
原文链接：https://www.leiphone.com/news/201703/3qMp45aQtbxTdzmK.html原文是谷歌大神工程师写的一篇文章，看到之后觉得很不错，能够直观地让你深入理解权重初始化方式以及激活函数对模型训练的影响。本文是对原文的解读，并附上了自己的理解以及代码实现。首先，一个好的权重初始化方法能够帮助神经网络更快的找到最优解决方案。初始化权...
2019-09-12 14:23:00
507
转载 pycharm报错：Process finished with exit code -1073741819 (0xC0000005)解决办法
这个是几个月前的问题了，有小伙伴在CSDN问我咋解决的，那我今天在这边把这个问题解决办法分享下吧，免得大家把很多时间都浪费在安装排坑上面，有些坑虽然解决了还真不知道啥原因。我的pycharm一直用的好好的，然后装了个labelme（labelme里面需要安装PyQt）之后运行程序开始报错pycharm报错：Process finished with exit code -1073...
2019-09-06 14:18:00
3264
转载 损失函数———有关L1和L2正则项的理解
一、损失函：模型的结构风险函数包括了 经验风险项 和 正则项，如下所示：二、损失函数中的正则项1.正则化的概念： 机器学习中都会看到损失函数之后会添加一个额外项，常用的额外项一般有2种，L1正则化和L2正则化。L1和L2可以看做是损失函数的惩罚项，所谓惩罚项是指对损失函数中某些参数做一些限制，以降低模型的复杂度。 L1正则化通过稀疏...
2019-09-05 16:09:00
1317
转载 利用tensorboard可视化checkpoint模型文件参数分布
写在前面： 上周微调一个文本检测模型seglink,将特征提取层进行冻结，只训练分类回归层，然而查看tensorboard发现里面有histogram显示模型各个参数分布，看了目前这个训练模型参数分布压根就看不懂，很想知道我的预训练模型的参数分布是怎么个情况，训练了一天了，模型的参数分布较预训练的模型参数有啥变化没有，怎么办呢？利用tf.summary将模型参数分布在t...
2019-08-12 14:40:00
1330
转载 开园第一篇---有关tensorflow加载不同模型的问题
写在前面 今天刚刚开通博客，主要想法跟之前某位博主说的一样，希望通过博客园把每天努力的点滴记录下来，也算一种坚持的动力。我是小白一枚，有啥问题欢迎各位大神指教，鞠躬~~ 换了新工作，目前手头是OCR项目，以前从事过图像处理，但是深度学习的知识几乎为0，这次通过这个项目希望自己能够入门，今天记录一下有关tensorflow加载不同模型的问题。我算是从0开...
2019-08-06 15:24:00
171
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人