- 博客(6)
- 收藏
- 关注
RSS订阅原创 使用VisualDL助力上手PaddleGAN（初体验）
观前提示：AIStudio 上体验更佳~背景及工具介绍本项目为初次体验 PaddleGAN v0.1.0，并且在体验过程中利用 VisualDL 的可视化功能为我们做一些结果的展示，通过可视化结果来帮助我们更好的体验PaddleGAN；PaddleGAN：飞桨生成对抗网络开发套件–PaddleGAN，为开发者提供经典及前沿的生成对抗网络高性能实现，并支撑开发者快速构建、训练及部署生成对抗网络，以供学术、娱乐及产业应用。我看到 PaddleGAN v0.1.0 中已经将很多强大并且有意思的功能以接口的
2020-12-07 20:41:38
1685
7
原创 使用VisualDL可视化模型：PSPNet
背景及工具介绍如果你是一个新手，在使用飞桨成熟的套件完成任务的同时，会不会好奇使用的网络长什么样呢？网络在套件中又是如何实现的呢？本项目首先会介绍 PSPNet，然后利用 VisualDL-Graph 可视化模型网络结构功能，看一看 PSPNet 到底长什么样，代码又是如何实现的，帮助大家更好的理解 PSPNet，同时使用了 VisualDL-Service 来共享可视化结果；在PaddleSeg中已经实现了很多分割网络，其中就包含我们今天的主角：PSPNet，我们今天就通过 VisualDL-Gra
2020-12-02 20:30:33
1348
转载 周志华《Machine Learning》学习笔记(2)--性能度量
本篇主要是对第二章剩余知识的理解，包括：性能度量、比较检验和偏差与方差。在上一篇中，我们解决了评估学习器泛化性能的方法，即用测试集的“测试误差”作为“泛化误差”的近似，当我们划分好训练/测试集后，那如何计算“测试误差”呢？这就是性能度量，例如：均方差，错误率等，即“测试误差”的一个评价标准。有了评估方法和性能度量，就可以计算出学习器的“测试误差”，但由于“测试误差”受到很多因素的影响，例如：算法随机性或测试集本身的选择，那如何对两个或多个学习器的性能度量结果做比较呢？这就是比较检验。最后偏差与方差是解释学习
2020-12-01 17:17:28
165
转载 周志华《Machine Learning》学习笔记(1)--绪论
注：此系列所有文章转载自Github:https://github.com/Vay-keen/Machine-learning-learning-notes机器学习是目前信息技术中最激动人心的方向之一，其应用已经深入到生活的各个层面且与普通人的日常生活密切相关。本文为清华大学最新出版的《机器学习》教材的Learning Notes，书作者是南京大学周志华教授，多个大陆首位彰显其学术奢华。本篇主要介绍了该教材前两个章节的知识点以及自己一点浅陋的理解。1 绪论傍晚小街路面上沁出微雨后的湿润，和熙的细风吹
2020-12-01 17:16:12
327
原创 使用 VisualDL 助力遥感影像地块分割 （PaddleSeg 篇）
本项目利用 PaddleX 以及 PaddleSeg 两个套件分别实现遥感影像地块分割；更重要的是想给大家展示一下如何利用VisualDL这个强大的可视化工具来辅助训练及调参；这个工具非常好用，在模型训练中给了我很大的帮助，也希望看完本文之后这个工具能给你带来帮助，也希望大家能去GitHub给点一点star，让官方把这个工具做的越来越好最近百度与CCF合作举办了遥感影像地块分割的比赛，希望该项目可以帮助大家提高成绩；PaddleX 篇 的目的在于重点介绍 VisualDL 的 ..
2020-11-26 11:37:53
2208
原创 使用 VisualDL 助力遥感影像地块分割 （PaddleX 篇）
使用 VisualDL 助力遥感影像地块分割 （PaddleX 篇）本项目利用 PaddleX 以及 PaddleSeg 两个套件分别实现遥感影像地块分割；更重要的是想给大家展示一下如何利用VisualDL这个强大的可视化工具来辅助训练及调参；这个工具非常好用，在模型训练中给了我很大的帮助，也希望看完本文之后这个工具能给你带来帮助，也希望大家能去GitHub给点一点star，让官方把这个工具做的越来越好最近百度与CCF合作举办了遥感影像地块分割的比赛，希望该项目可以帮助大家提高成绩
2020-11-26 11:34:59
1702
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人