記錄一下學習過程中的問題，防止遺忘
1.訓練集，驗證集和測試集的區別：train,dev,test。訓練集用以訓練模型獲得引數，驗證集用以防止模型對訓練集過擬合，二者是在訓練過程中可以看到的資料集，而測試集理論上我們是不能看到的，用以檢驗模型效果。
2.卷積神經網路中，卷積層為了提取特徵值，可以縮小長寬，增加深度，深度為過濾器的個數，池化層不增加深度，但是可以減小資料量。
3.tensorflow中大致流程：
conv2d -> relu -> pool -> fullconnected
對應使用函式：tf.nn.conv2d(x,w,strides,padding)
tf.nn.max_pool(a,ksize,strides,padding)
tf.nn.relu(z)
tf.contrib.layers.fully_connected(f,out_puts)
其中全連線的輸入f需要一維化，用tf.contrib.layers.flatten§
深度學習相關問題總結
過擬合相關問題是最基礎 最重要的一類問題，面試經常會碰到。什麼是過擬合？模型對於所提供的資料進行一致性假設而使得模型變得過度複雜稱為過擬合。個人理解 模型過度擬合訓練資料而導致在測試資料上泛化能力弱的現象。過擬合的危害？輸出的泛化能力弱。致命危害 如何降低過擬合？1 最本質的方法是增加資料集 模型在...
深度學習彙總
深度學習框架 caffe tensorflow pytorch mxnet paddlepaddle。推理庫 ncnn，tflite，mnn，tnn，paddlelite，onnx。常見模型 alexnet vgg net googlenet resnet resnext r cnn yolo sq...
slam結合深度學習相關進展彙總筆記
各種彙總 orbslam簡單結合檢測 orbslam基礎上做得比較全的結合深度學習的slam orbslam所有的改進 知乎上語義資訊與slam結合點 圖神經網路學習書籍 目標檢測結合rgbd稠密三維重建，主要用於重建動態物體 maskfusion real time recognition,tra...