选用pytorch 和tensorflow框架进行搭建神经网络 搭建ConvNet神经网络使模型准确率达99%以上 使用minist手写数据集进行训练，数据样本多 使用onnx工具进行模型转换 将框架安装文档镶嵌进程序中，方便用户使用 在进行图像预处理时，采用对灰度求平均值，大于灰度平均值的才进行二 ...
分类：
其他好文 时间：
2021-06-28 20:11:14
阅读次数：
0
PCA对手写数字数据集的降维 还记得我们上一周在讲特征工程时，使用的手写数字的数据集吗？数据集结构为(42000, 784)，用KNN跑一次半小时，得到准确率在96.6%上下，用随机森林跑一次12秒，准确率在93.8%，虽然KNN效果好，但由于数据量太大，KNN计算太缓慢，所以我们不得不选用随机森林 ...
分类：
编程语言 时间：
2021-06-28 18:03:47
阅读次数：
0
源码连接 https://github.com/LeftStan/vocabtest 效果演示 主界面 小学词汇，初中词汇，高中词汇测试界面 考研词汇，四级词汇，六级词汇，托福词汇，GRE词汇测试界面 测试结果 前端搭建 使用html，css，js实现单页应用 html结构 js部分代码 获取单词 ...
分类：
Web程序 时间：
2021-04-23 11:50:30
阅读次数：
0
大家好，我是 zeroing~ 1，前言 之前谈到图片文本 OCR 识别时，写过一篇文章介绍了一个 Python 包 pytesseract ，具体内容可参考 介绍一个Python 包 ，几行代码可实现 OCR 文本识别！这篇文章 ，pytesseract 包是基于 Tesseract 封装得到的， ...
分类：
编程语言 时间：
2021-01-28 11:50:28
阅读次数：
0
目录 学习 数据挖掘的流程 数据预处理->数据探索->模型训练->模型选择->模型评估 模型选择 模型选择是对超参数的选择，通过校验集，来看看模型那一组超参数有更好的效果 模型评估 参考资料 分类：分类问题的常用评估指标有准确率(accuracy)、精确率(precision)、召回率(recall ...
分类：
其他好文 时间：
2020-12-18 13:19:35
阅读次数：
4
一、loss、acc提取 有时候我们需要查看每个batch训练时候的损失loss与准确率acc，这样可以帮助我们挑选合适的epoch以及查看模型是否收敛。 Model.fit()在调用时会返回一个History类，这个类的一个属性Historty.history是一个字典，里面就包含了每一个batc ...
分类：
其他好文 时间：
2020-11-30 16:04:44
阅读次数：
7
【内容简介】系统详解分类器性能指标，什么是准确率-Accuracy、精确率-Precision、召回率-Recall、F1值、ROC曲线、AUC曲线、误差-Error、偏差-Bias、方差-Variance及Bias-VarianceTradeoff在任何领域，评估（Evaluation）都是一项很重要的工作。在MachineLearning领域，定义了许多概念并有很多手段进行评估工作1混淆矩阵-
分类：
其他好文 时间：
2020-11-30 15:15:08
阅读次数：
9
本文分享自华为云社区《基于MindSpore的ResNet-50蘑菇“君”的识别应用体验》，原文作者：Dasming。 摘要：基于华为MindSpore框架的ResNet-50网络模型，实现6714张共10类蘑菇图片的识别分类训练。 背靠全新的设计理念，华为云推出了 MindSpore深度学习实战营 ...
分类：
Web程序 时间：
2020-11-16 13:32:42
阅读次数：
20
机器学习中的用于声称性能的指标标准很少被讨论。由于在这个问题上似乎没有一个明确的、广泛的共识，因此我认为提供我一直在倡导并尽可能遵循的标准可能会很有趣。它源于这个简单的前提，这是我的科学老师从中学开始就灌输给我的：科学报告的一般规则是，您写下的每个数字都应为“真”的，因为“真”的定义是什么。让我们来研究一下这对测试性能等统计量意味着什么。当你在科学出版物中写下以下陈述时：测试准确率为52.34%。
分类：
其他好文 时间：
2020-10-19 22:46:16
阅读次数：
21
卷积神经网络——CNN 目标识别和分类 实现对图像的高准确率识别 卷积神经网络主要应用于计算机视觉相关任务，不局限于图像，对于序列问题，语音识别也可以应用卷积神经网络。 计算机通过寻找诸如边缘和曲线之类的低级特点来分类图片，继而通过一系列卷积层级建构出更为抽象的概念。这就是CNN工作方式。 CNN ...
分类：
其他好文 时间：
2020-09-24 21:52:19
阅读次数：
41
