机器学习算法可分为四大类：一、监督学习二分类、多分类及标量回归问题都属于监督学习。即给定一组样本（样本通常需要人工进行标注），通过这组样本的学习，当输入未标注的数据时会自动映射到已知目标（人工标注）。监督学习还包括几种除分类回归外的任务：1.序列生成：给定一张图像，预测出描述该图像的文字。2.语法树预测：给定一个句子，预测其分解生成的语法树。3.目标检测：给定一张图像，在图像中特定的目标（一个或多

老师最近布置了一个作业是找一些免费的在线目标检测网站，然后室友同学找了一天没找到，我也没有，哈哈哈。本来觉得这个作业完成不了了。然后试探性的问了下我研究nlp的高中同学，不愧是学霸，下午问的，晚上就给我找了两个。1.https://www.studiodiip.com/2019/12/12/studio-diip-presents-computer-vision-demo/这个网站可以直接打开用效

机器学习算法可分为四大类：一、监督学习二分类、多分类及标量回归问题都属于监督学习。即给定一组样本（样本通常需要人工进行标注），通过这组样本的学习，当输入未标注的数据时会自动映射到已知目标（人工标注）。监督学习还包括几种除分类回归外的任务：1.序列生成：给定一张图像，预测出描述该图像的文字。2.语法树预测：给定一个句子，预测其分解生成的语法树。3.目标检测：给定一张图像，在图像中特定的目标（一个或多

【学习笔记】用VGG16实现猫狗分类与前一篇博文不同，这次使用VGG16来完成猫狗分类。在项目文件夹中新建VGGClassification.py文件，导入相关工具from keras.applications.vgg16 import VGG16from keras.models import Sequentialfrom keras.layers import Conv2...

BN(Batch Normalization 批量归一化）BN（批量归一化）算法在DL中出现的频率很高，因为对于提升模型收敛速度来说具有非常好的效果。本文将通过以下三个点来理解Batch Normalization。一、什么是BN我们在训练模型的时候希望训练集训练出来的模型在通过测试集时能够拥有和训练时一样的效果，为此，有这样一个假设，即训练集数据和测试集数据是满足相同分布的，这个叫做IID（独立

1.padding直接用卷积核对对图像卷积，一个缺点是层数增加，输出的特征图会越来越小，不好再进行学习；还有就是图像边缘的像素点只被一个输出所使用，而内部的像素点可以被卷积多次，所以角落边缘区域的像素点在输出中采用的较少，就会丢掉图像边缘位置的信息。把33填充成55，然后再卷积一般来说，如果在高的两侧一共填充 ph 行，在宽的两侧一共填充 pw 列，所以输出特征图的尺寸：（in_h-k_h+p_h

pytorch安装、环境搭建及在pycharm中设置这两天同学在问我pytorch的 安装，因为自己的已经安装好了，但是好像又有点遗忘，所以记录一下。一、安装python直接到官网找到和自己设备匹配的版本下载安装即可。安装过程不会出现太多问题，一般情况下python安装在本机上，故可以直接在终端测试是否安装成功。只需win+R——cmd——输入python，就会输出python的版本信息。...

老师最近布置了一个作业是找一些免费的在线目标检测网站，然后室友同学找了一天没找到，我也没有，哈哈哈。本来觉得这个作业完成不了了。然后试探性的问了下我研究nlp的高中同学，不愧是学霸，下午问的，晚上就给我找了两个。1.https://www.studiodiip.com/2019/12/12/studio-diip-presents-computer-vision-demo/这个网站可以直接打开用效

如果把云计算简单想象成一台大电脑，那么IaaS是直接给你一台裸机，PaaS是安装好操作系统和基础运行环境再给你，而SaaS则很像网吧，你要玩的游戏已经装好在电脑里面，点击图标打开就可以玩了。

但愿有人能明白我标题的意思，因为自己在找相关解决办法的时候这样搜没有找到，所以写这篇博客记录下。问题：我要放入模型中的训练集和标签是这样的：标签集中共有1926个标签，10个类别，（类别前边的数字，代表的是对应的第几张图片）。然后，直接把他放进模型中训练，但是把标签数组转换成张量的过程中出现了类型不匹配问题Ytr = np.load('train1/'+'Ytr01.npy',allow_pick