All Posts

深度学习之人脸识别和神经风格迁移

人脸识别 人脸验证指输入图片后验证是否是对应的人。而人脸识别则是输入一副图片,在数据库中寻找符合输入的图片,并识别输出。大多数人脸识别系统存在One-shot learning问题。

数据统计——研究生出生日期

最近得到了一份带有班里所有学生身份证号的Excel文件,于是想要统计一下所有同学的出生信息。这里选用xlrd模块读取Excel文件,文件中三个工作表(Sheet)只有第一个有数据,所以读取第一个Sheet的内容。

深度学习之目标检测

目标检测是计算机视觉领域的一项重要应用。通过目标检测模型,能将图片中的人、汽车等目标物体检测出来。 一个简单的目标标签y如下:

深度学习之卷积神经网络

概念 当输入的图片尺寸较大时,深度神经网络将不再适用。卷积神经网络从而出现,可用于解决计算机视觉问题。卷积运算是卷积神经网络的重要部分,一个应用是图像边缘检测。Padding和步长是卷积运算的两个重要参数。Valid卷积:无Padding;Same卷积:加入Padding使输出与输入图片的大小相同。

深度学习之结构化机器学习

评估 在训练机器学习模型时,设置单一数字评估指标可以更好地评估模型。如查准率、召回率和结合两种的F1分数。 在选择训练、开发、测试集时要遵循一定规则,开发集和测试集的分布要来自同一分布,且随机选取。

如何让家用路由器支持IPv6?

前一段时间买了个路由器放在宿舍用,后来发现校园网的IPv6不能用了。查资料后发现我的路由器不支持IPv6,有几种方法可以让路由器支持IPv6:

深度学习之改善深层神经网络(2)

小批量梯度下降 每次使用训练数据的子集进行梯度下降,算法执行速度会更快,这些子集称为Mini-batch(小批量)。当选择的批量大小为1时,每次对一个训练样本执行梯度下降,称为随机梯度下降。当大小为所有训练样本的个数时,则为批量梯度下降,每次对所有训练样本执行梯度下降。

深度学习之改善深层神经网络

本文主要叙述神经网络的数据集、偏差与方差、正则化、随机失活、归一化输入、梯度消失与梯度爆炸、梯度检验等要点。 数据集 在建立神经网络模型前,我们要将数据集划分为三个部分:训练集、交叉验证集和测试集。欠拟合的情况下,出现高偏差;过拟合的情况下,出现高方差。出现高偏差时,可以使用增加隐藏层数目、加长训练时间等方法解决。出现高方差时,可以使用增加训练数据、正则化等方法解决。

深度学习之神经网络

因为此部分在之前的博文中提及,所以不再详细赘述其中原理,代码只展示核心部分。 激活函数在神经网络中具有重要的地位,常见的激活函数有sigmoid、tanh、ReLU(修正线性单元)和Leaky ReLU等。前两种是饱和激活函数、后两种则是非饱和激活函数,它可以解决“梯度消失”的问题并加快收敛速度。

机器学习之支持向量机

概念 支持向量机(Support Vector Machine,缩写SVM)是一种监督式学习方法,广泛应用于统计分类以及回归分析,和逻辑回归同属于线性分类器。SVM计算出的决策边界与正、负样本保持了足够大的距离,因此SVM是一种大间距分类器。