文章目錄
一 批量歸一化和殘差網路
二 凸優化
三 梯度下降
四 目標檢測基礎
五 影象風格遷移
六 影象分類案例1
七 影象分類案例2
八 gan
九 dcgan
十 總結
一 批量歸一化和殘差網路
批量歸一化
(1) 對全連線層做批量歸一化
(2) 對卷積層做批量歸⼀化
(3) **時的批量歸⼀化
殘差網路
(1) 殘差塊
(2) resnet模型
稠密連線網路
(1) 稠密塊
(2) 過渡層
二 凸優化
優化與估計
(1) 優化方法目標：訓練集損失函式值
(2) 深度學習目標：測試集損失函式值（泛化性）
優化在深度學習中的挑戰
(1) 區域性最小值
(2) 鞍點
(3) 梯度消失
凸性(1) 基礎
(2) 性質
(3) 限制條件
三 梯度下降
一維梯度下降
多維梯度下降
自適應方法
隨機梯度下降
小批量隨機梯度下降
四 目標檢測基礎
目標檢測和邊界框
(1) 邊界框
錨框(1) 生成多個錨框
(2) 交並比
(3) 標註訓練集的錨框
(4) 輸出**邊界框
多尺度目標檢測
五 影象風格遷移
讀取內容影象和樣式影象
預處理和後處理影象
抽取特徵
定義損失函式
建立和初始化合成影象
訓練六 影象分類案例1
整理資料集
影象增強
匯入資料集
定義模型
訓練和測試
七 影象分類案例2
整理資料集
影象增強
讀取資料
定義模型
定義訓練函式
調參在完整資料集上訓練模型
對測試集分類並提交結果
八 gan
第一題第二題
九 dcgan
第一題第二題
第三題十 總結
能大概看懂，但是不會編寫，需要加強數學基礎和python編碼能力，感謝活動的組織者，一起加油，堅持上完了課程。希望我後面你能自己琢磨加複習。
pandas第四次打卡
第4章 變形 import numpy as np import pandas as pd df pd.read csv data table.csv df.head 一 透視表 1 pivot 一般狀態下，資料在dataframe會以壓縮 stacked 狀態存放，例如上面的gender，兩個類別...
datawhale第四次打卡部落格
實現乙個基於鍊錶法解決衝突問題的雜湊表 實現乙個 lru 快取淘汰演算法 兩數之和 英文版 中文版 class solution def twosum self,nums list int target int list int sorted id sorted range len nums key...
《資料探勘》組隊學習第四次打卡
一 學習內容 task4 建模調參 線性回歸模型 模型效能驗證 嵌入式特徵選擇 模型對比 模型調參 model linearregression normalize true model model.fit train x,train y print intercept model.intercep...