- 博客(6)
- 收藏
- 关注
RSS订阅
原创 Win10+Anaconda3（python3.7.5）+无GPU下安装pytorch（清华镜像源）
**最新版pytorch安装教程，基于python3.7**今天下午安装pytorch，花了一个多小时在网上看了各种教程，这些教程几乎都是GPU版本的，步骤都好省略（我这种萌新研究了好久），且都不是最新版本安装，没有一个教程和我的安装完全环境相同，所以在刚刚自己倒腾成功安装后，决定写下第一篇博文。1. 前提是已经安装好anaconda3，清华镜像源里2019.07版本2.开始安装pyto...
2019-11-29 17:38:07
3051
3
原创 datawhale组队学习CV记录五
模型集成1.集成学习的方法机器学习中常见的集成学习方法有:1)Stacking2)Bagging3)Boosting在10个CNN模型可以使用如下方式进行集成：1） 对预测的结果的概率值进行平均，然后解码为具体字符；2） 对预测的字符进行投票，得到最终字符。2.深度学习中的集成学习1）Dropout：在每个训练批次中，通过随机让一部分的节点停止工作。同时在预测的过程中让所有的节点都作用。2）TTA（测试集数据扩增）：数据扩增不仅可以在训练时候用，而且可以同样在预测时候进行数据扩增
2020-06-02 22:06:11
98
1
原创 datawhale组队学习CV记录四
模型训练与验证1.构造验证集模型容易出现过拟合现象，为解决过拟合需要构建一个与测试集尽可能分布一致的验证集。1）训练集（Train Set）：模型用于训练和调整模型参数；2）验证集（Validation Set）：用来验证模型精度和调整模型超参数；3）测试集（Test Set）：验证模型的泛化能力。在没有给定验证集的情况下，需要从训练集冲拆分一部分得到验证集。验证集的划分有三种方法：1） 留出法（Hold-Out）直接将训练集划分成两部分，得到新的训练集和验证集。有可能导致模型在验证集上过拟
2020-05-30 22:49:40
102
原创 datawhale组队学习CV记录三
字符识别模型根据大赛题目来构建一个定长字符分类模型，构建模型需要学会用pytorch框架来构建CNN模型，因此本次学习从CNN开始。1.CNNCNN是卷积神经网络CNN常见模型：LeNet-5(1998)AlexNet(2012)VGG-16(2014)Inception-v1 (2014)ResNet-50 (2015)2.pytorch构建CNN模型在Pytorch中构建CNN模型需要定义好模型的参数和正向传播，Pytorch会根据正向传播自动计算反向传播。本次学习的是一个简单
2020-05-27 09:19:18
102
原创 datawhale组队学习CV记录二
数据读取与数据扩增1.数据读取图像数据通常使用Pillow和OpenCV：2.数据扩增数据扩增可以增加训练集的样本，缓解过拟合情况也可以给模型带来更强的泛化能力。数据扩增的方法：本次比赛的图像数据不能进行翻转，数字一旦翻转就改变了原本的含义。常用数据扩增库：torchvision，imgaug，albumentations3.pytorch数据读取在Pytorch中数据是通过Dataset进行封装，并通过DataLoder进行并行读取。Dataset：对数据集的封装，提供索引方式的对
2020-05-23 17:55:08
105
原创 datawhale组队学习CV记录一
理解赛题背景和赛题数据完成赛题报名和数据下载，理解赛题的解题思路本次赛题的难点是需要对不定长的字符进行识别，有三种解决思路：1）将所有图像都抽象为6个字符，对不足6个字符的进行填充，则原问题编程6字符分类问题2）不定长字符识别3）先检测再分类，先利用检测识别出字符位置，再对字符进行分类...
2020-05-20 18:50:56
104
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