1 ة halo ة

尚未进行身份认证

我要认证

暂无相关简介

等级
TA的排名 68w+

Task5 模型集成

本章将会讲解如何使用集成学习提高预测精度,知识点包括:集成学习方法、深度学习中的集成学习和结果后处理思路。5 模型集成5.1 学习目标(1)学习集成学习方法以及交叉验证情况下的(2)模型集成学会使用深度学习模型的集成学习5.2 集成学习方法在机器学习中的集成学习可以在一定程度上提高预测精度,常见的集成学习方法有Stacking、Bagging和Boosting,同时这些集成学习方法与具体验证集划分联系紧密由于深度学习模型一般需要较长的训练周期,如果硬件设备不允许建议选取留出法,如果需要追求精度可

2020-06-01 20:57:56

Task4 模型训练与验证

4.1 学习目标理解验证集的作用,并使用训练集和验证集完成训练学会使用Pytorch环境下的模型读取和加载,并了解调参流程4.2 构造验证集为解决致模型过拟合的情况,我们可以构建一个与测试集尽可能分布一致的样本集(可称为验证集),在训练过程中不断验证模型在验证集上的精度,并以此控制模型的训练。训练集(Train Set):模型用于训练和调整模型参数;验证集(Validation Set):用来验证模型精度和调整模型超参数;测试集(Test Set):验证模型的泛化能力因为训练集和验证集是分开

2020-05-29 09:55:05

Task3 字符识别模型

3 字符识别模型3.1 学习目标学习CNN基础和原理使用Pytorch框架构建CNN模型,并完成训练3.2 CNN介绍卷积神经网络(简称CNN)是一类特殊的人工神经网络,是深度学习中重要的一个分支。CNN在很多领域都表现优异,精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域,CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型。CNN每一层由众多的卷积核组成,每个卷积核对输入的像素进行卷积操作,得到下一次的输入。随着网络层的增加卷积核会逐渐扩大感受野,并缩减图像的尺寸。CN

2020-05-25 16:49:52

Task2 数据读取与数据扩增

2 数据读取与数据扩增本章开始逐渐学习使用【定长字符识别】思路来构建模型,主要内容为数据读取、数据扩增方法和Pytorch读取赛题数据三个部分组成。2.1 学习目标(1)学习Python和Pytorch中图像读取(2)学会扩增方法和Pytorch读取赛题数据2.2 图像读取由于赛题数据是图像数据,因此我们需要完成对数据的读取操作,在Python中有很多库可以完成数据读取的操作,比较常见的有Pillow和OpenCV。2.2.1 PillowPillow是Python图像处理函式库(PIL)的

2020-05-23 16:08:14

Datawhale 零基础入门CV赛事-Task1 赛题理解

1 赛题理解赛题名称:零基础入门CV之街道字符识别赛题目标:通过这道赛题可以引导大家走入计算机视觉的世界,主要针对竞赛选手上手视觉赛题,提高对数据建模能力。赛题任务:赛题以计算机视觉中字符识别为背景,要求选手预测街道字符编码,这是一个典型的字符识别问题。为了简化赛题难度,赛题数据采用公开数据集SVHN,因此大家可以选择很多相应的paper作为思路参考。1.1 学习目标理解赛题背景和赛题数据完成赛题报名和数据下载,理解赛题的解题思路1.2 赛题数据赛题以街道字符为为赛题数据,该数据来自收集的S

2020-05-20 15:37:23
勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。
  • 分享学徒
    分享学徒
    成功上传1个资源即可获取