首页
首页
BOT
沸点
课程
直播
活动
AI刷题
NEW
商城
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
贾澜鹏
掘友等级
算法工程师
|
成都旷视
获得徽章 0
动态
文章
专栏
沸点
收藏集
关注
作品
赞
2
文章 2
沸点 0
赞
2
返回
|
搜索文章
最新
热门
[译] 列表推导式与表达式生成器在 Python 中的滥用
列表推导式是我喜欢的 Python 特性之一。我非常喜爱列表推导式,为此我写过一篇关于它们的文章,做过一次针对它们的演讲,还在 PyCon 2018 上办过一个三小时推导式教程。 我喜爱推导式,但是我发现一旦一个新的 Python 使用者开始真正使用推导式,他们会在所有可能的地…
[译] 在 Keras 下使用自编码器分类极端稀有事件
在稀有事件问题中,我们面对的是一个不平衡的数据集。这代表着,相较于负样本,我们只有很少的正样本标签。典型的稀有事件问题中,正样本在全部数据中占比大概在 5-10% 之间。在极端稀有事件问题中,我们只有少于 1% 的正样本数据。比如,在我们使用的数据集中,正样本只有 0.6%。 …
[译] 在数据可视化中,我们曾经“画”下的那些败笔
在经济学人,我们会很认真的对待数据可视化。我们每周都会通过印刷品、网站或者应用程序发布大概 40 张图表。对于每一个图表,我们都尽可能的让它更精确从而最好的支撑我们所要描述的主题。但有的的时候我们也会犯错。如果我们从这些错误中吸取教训,我们在未来可以做的更好,同时其他人也可以从…
深度学习 Caffe 内存管理机制理解
本文是作者原创,如有理解错误,恳请大家指出,如需引用,请注明出处。 在caffe的分层结构中,Blob充当了内存管理的角色,屏蔽了上层逻辑代码对于数据的申请释放的感知,同时也屏蔽了底层设备对上层逻辑的影响,本文主要分析Blob的管理机制和实际内存申请单元SyncedMemory…
深度学习 Caffe 初始化流程理解(数据流建立)
本文是作者原创,如有理解错误,恳请大家指出,如需引用,请注明出处。 FeatureMap: 输入的图片信息或者经过多层处理后的图片信息。 weights: 只针对卷积层存在的权重系数。 caffe :文中提到的caffe均指caffed1.0,如果使用caffe2.0会特别指出…
深度学习 SSD的理解和细节分析
对于SSD来说,最有新意的就是它的多尺度特征,而整个代码中调整频度最高的应该是它的Prior_box,我们就从这些方面来分享一下我自己的理解。 先说一下多尺度特征。在之前的Faster-RCNN中,特征向量都是从最后一层的Feature Maps上得到的,对于这种单一的特征层而…
[译] 在深度学习训练过程中如何设置数据增强?
图像数据增强是人工增加训练集的一种方式,主要是通过修改数据集中的图片达成。 更多的训练数据带来的是更有效的深度学习模型,同时,数据增强技术会产生更多的图片变体,这些变体会提高模型对新图片的泛化能力。 在 Keras 框架中,ImageDataGenerator 类提供了数据增强…
[译] 对比归一化和标准化 —— 量化分析
停止使用 Sklearn 提供的 StandardScaler 作为你的特征压缩方法甚至可以让你训练好的模型有 7% 的准确率提升。 两个最热议的方法就是归一化和标准化。归一化通常来说是将数值压缩到 [0,1] 范围内。标准化指的是重新调整数据,使数据到均值为 0,标准差为 1…
[译] 哪一个深度学习框架增长最迅猛?TensorFlow 还是 PyTorch?
在 2018 年的 9 月,我在一篇文章中,从需求量,工程使用量以及流行程度等方面对比了所有的主流深度学习框架。TensorFlow 处于绝对的王者地位,而 Pytorch 则是一位跃跃欲试的年轻挑战者。 为了回答这个问题,我从在线招聘网站(如:Indeed、Monster、L…
个人成就
文章被点赞
57
文章被阅读
25,798
掘力值
571
关注了
0
关注者
2,322
收藏集
0
关注标签
5
加入于
2019-04-11