0 摘要论文名称：High-frequency Component Helps Explain the Generalization of Convolutional Neural Networks 论文地址：https://arxiv.org/abs/1905.13545 github：https://github.com/HaohanWang/HFC每当我们训练完一个CNN模型进行推
转载
2024-05-26 19:56:17
8阅读
#导入
import tensorflow as tf
from tensorflow.keras.datasets import mnist
from tensorflow.keras.models import Sequential
#数据加载
(train_images,train_labels),(test_images,test_labels)=mnist.load_data()
#卷
转载
2024-05-31 10:44:05
14阅读
机器学习 - 评价指标含义指标准确率（Accuracy）召回率（Recall） / 灵敏度（Sensitive）特异度（Specificity）精准度（Precision）F ScoreROC曲线（Receiver Operating Characteristic Curve）AUC（Area Under Curve）（Python代码） （介绍在机器学习的 二分类 场景中，通过哪些指标对模型
转载
2024-07-23 20:49:26
51阅读
RCNN通过卷积神经网络提取图像特征，第一次将目标检测引入了深度学习领域。SPPNet通过空间金字塔池化，避免了对于同一幅图片多次提取特征的时间花费。但是无论是RCNN还是SPPNet，其训练都是多阶段的。首先通过ImageNet预训练网络模型，然后通过检测数据集微调模型提取每个区域候选的特征，之后通过SVM分类每个区域候选的种类，最后通过区域回归，精细化每个区域的具体位置。为了避免多阶段训练，同
转载
2024-06-27 06:12:27
43阅读
今天给大家介绍的是华盛顿大学蛋白质设计研究所所长，著名的蛋白质设计天才科学家David Baker课题组发表在Nature Communications上的一项工作。在这项工作中，作者提出了一个深度学习框架DeepAccNet，用于估计蛋白质模型中每个残基的准确性和残基-残基距离中的符号错误，并使用这些预测来指导Rosetta蛋白质结构优化。在Rosetta改进方案的多个阶段中，加入准
转载
2024-08-21 09:39:52
31阅读
导读由Michael Nielsen所著，他是实验媒体研究工作室的联合创始人，曾是 YC Research 的 Research Fellow。。 本书深入了讲解神经网络和深度学习技术，侧重于阐释深度学习的核心概念。作者以技术原理为导向，辅以贯穿全书的 MNIST 手写数字识别项目示例，介绍神经网络架构、反向传播算法、过拟合解决方案、卷积神经网络等内容，以及如何利用这些知识
Ren, Shaoqing, et al. “Faster R-CNN: Towards real-time object detection with region proposal networks.” Advances in Neural Information Processing Systems. 2015.本文是继RCNN[1]，fast RCNN[2]之后，目标检测界的领军人物Ros
转载
2024-08-12 12:15:45
540阅读
这几天发现github.com上不去了 可能是由于要杜绝国外的人使用最新的技术??从而屏蔽了吗?
原创
2021-07-08 11:36:18
930阅读
Datawhale 零基础入门CV赛事-Task3 字符识别模型在前面的章节，我们讲解了赛题的背景知识和赛题数据的读取。本章开始构建一个字符识别模型，基于对赛题理解本章将构建一个定长多字符分类模型。3 字符识别模型本章将会讲解卷积神经网络（Convolutional Neural Network, CNN）的常见层，并从头搭建一个字符识别模型。3.1 学习目标学习CNN基础和原理使用Pytorch
# 如何解决“javabus又上不去了”
在这篇文章中，我们将讨论如何解决“javabus又上不去了”的问题。对于初学者来说，这或许是一个挑战，但只要掌握了基本的流程和代码实现，便可以顺利解决。下面我们首先来厘清整个流程。
## 流程概述
| 步骤 | 描述 | 代码/命令 |
|----
原创
2024-09-01 03:31:44
5437阅读
小伙伴们，终于到了实战部分了！今天给大家带来的项目是用PaddlePaddle进行车牌识别。车牌识别其实属于比较常见的图像识别的项目了，目前也属于比较成熟的应用，大多数老牌厂家能做到准确率99%+。传统的方法需要对图像进行多次预处理再用机器学习的分类算法进行分类识别，然而深度学习发展起来以后，我们可以通过用CNN来进行端对端的车牌识别。任何模型的训练都离不开数据，在车牌识别中，除了晚上能下载到的一
# Python CNN计算准确率的科普文章
卷积神经网络（Convolutional Neural Networks, CNN）作为深度学习中的一种特殊架构，被广泛应用于图像识别和图像处理等领域。准确率是评估模型性能的一个重要指标，本文将介绍如何在Python中使用CNN计算准确率，并提供详细的代码示例。
## 1. 什么是CNN？
CNN是一种前馈神经网络，它主要通过卷积层，池化层和全连
原创
2024-09-25 04:33:31
189阅读
如下图：了解DL的三步骤；三步做完之后，获得一个NN，接着检查所得到的模型，根据检查的结果执行相应的措施。对于DL来说，过拟合往往不是你首先会碰到的问题，反而是训练过程就很难得到满意的结果，即可能训练集上的准确率就一直很低。如果你在训练集上准确率很高了，但在测试集上准确率低，那才是过拟合。 &nbs
转载
2024-05-09 12:01:16
232阅读
深度学习首先： 导致这个问题的原因可能是因为学习率α的问题如果要真正理解为什么loss 上升, 并且 准确率降低要从梯度下降算法说起线性回归问题因为我们是线性回归问题, 要使这条直线比较符合上边标记点的走向，因此我们要更新斜率和截距来使其更好的贴合这写标记衡量是否是最佳贴合这些标记的直线的标准就是cost function 损失函数这个损失函数的计算方法在这里就不做过多的解释了但是如果当直线是这样
转载
2024-07-11 13:44:13
180阅读
下面文章讲解获取OAuth2授权整个流程，创建机器人，使用机器人监听工会（工会就是创建的服务器）成员变化等等，对接国外的都是需要VPN的哦，对接的时候记得提前准备。创建应用点击 此页面添加应用,，创建完成以后会生成应用名称，公钥，客户id等等，这些我们可以保存下来。这些应用会自动和我们的工会关联的。创建机器人在下面页面创建一个机器人，机器人会会生成自己的token，这个一定要保存好，注意
转载
2024-08-31 22:24:29
623阅读
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 利用ResNet-50训练cifar-10数据集，精度达96%。训练记录（基于Pytorch）。前言一、这里我就简单概括一下。（我也想写具体点，但是没做详细的记录，cao!）1.数据增强2.模型结构二、代码1.数据处理2.训练3.配置文件（Configuration.ini）4.模型总结 前言我在做基于卷积神经网路的注意力机制，这两
转载
2024-05-02 11:30:51
580阅读
目录LeNet(1998)AlexNet(2012)ZF Net (2013)VGG(2014)Network In Network(2014)Inception (GoogLeNet) (2015)ResNet(2015)DenseNet(2017)LeNet(1998)LeNet-5，这个开创性的模型很大程度上引入了我们今天所知道的卷积神经网络，最初被用于邮政编码中的手写
转载
2024-10-16 12:16:43
312阅读
一、决策树（Decision Trees）的优缺点 决策树的优点： 1、决策树易于理解和解释.人们在通过解释后都有能力去理解决策树所表达的意义。 2、对于决策树，数据的准备往往是简单或者是不必要的.其他的技术往往要求先把数据一般化，比如去掉多余的或者空白的属性。 3、 能够同时处理数据型和常规型属性。其他的技术往往要求数据属性的单一。 4、决策树是一个白盒模型。如果给定一个观察的模型，那么根据所产
[1]测量信息
[2]实战
[3]注意事项
前面的话 前端工程师使用photoshop进行的大量工作实际上是测量。本文是photoshop巧用系列第二篇——测量篇 测量信息 在网页制作中需要使用photoshop测量的信息分为两类，分别是尺寸信息和颜色信息 【1】尺寸信息 尺寸信息主要通过矩形选框工具配合信息面板进行测量，共包括以下
0、纳什系数NSE(Nash–Sutcliffe efficiency coefficient):用于评价模型质量的一个评价参数,一般用以验证水文模型模拟结果的的好坏，也可以用于其他模型。公式如下： 公式中Qo指观测值,Qm指模拟值,Qt（上标）表示第t时刻的某个值,Qo(上横线)表示观测值的总平均.E取值为负无穷至1,E接近1,表示模型质量好,模型可信度高；E接近0,表示模拟结果接近观测值的平均
