"""如何在小型数据集上进行卷积神经网络的训练小型数据集：在实际应用场景中，可能会遇到数据量不够的情况这里的小可能是几百张图像，也可能是几万张图像面临的问题：小型数据集由于数据量不够，网络训练过程中记忆容易出现过拟合常见的解决方案：①从头开始自己训练一个小型模型②使用预训练的网络做特征提取③对预训练的网络进行微调""""""本次实验,我们使用kaggle竞赛中的猫狗分类数据集,我们从中抽取:猫狗各

文章目录一.目标检测的基本概念1.传统目标检测2.用深度学习进行目标检测3.物体检测的精度评估（1）IOU（2）mAP（3）ROI二.R-CNN一.目标检测的基本概念目标检测就是将目标从图像中提取出来，其不仅要识别出目标的类别，还要判断出目标在图像中的位置。1.传统目标检测传统目标检测一般使用滑动窗口框架，主要为以下三个步骤：（1）利用不同尺寸的滑动窗口框住图像中的某一部分作为候选区。（区域选择）

文章目录一.目标检测的基本概念1.传统目标检测2.用深度学习进行目标检测3.物体检测的精度评估（1）IOU（2）mAP（3）ROI二.R-CNN一.目标检测的基本概念目标检测就是将目标从图像中提取出来，其不仅要识别出目标的类别，还要判断出目标在图像中的位置。1.传统目标检测传统目标检测一般使用滑动窗口框架，主要为以下三个步骤：（1）利用不同尺寸的滑动窗口框住图像中的某一部分作为候选区。（区域选择）

"""IMDB数据集二分类"""import tensorflow as tffrom tensorflow import kerasimport numpy as np"""数据集加载:IMDB:keras内置数据集,电影评论评分向量化后的形式"""from keras.datasets import imdb(train_data,train_labels),(test_data,test_l

白盒攻击算法一.概述分类对抗样本按照攻击成本可以分为白盒攻击，黑盒攻击和物理攻击。白盒攻击白盒攻击需要完整获取模型，了解模型的结构以及每层的具体参数，攻击者可以控制模型的输入，甚至对输入数据进行比特级别的修改黑盒攻击黑盒攻击是把目标模型当做一个黑盒来处理，对模型的内部细节不了解，攻击者仅能控制模型的输入原理对抗样本的本质就是在原数据上叠加一些使机器学习模型可接受而人眼无法察觉的细微改变，使得机器学

ER网络1.ER网络的生成方式知识背景定义：G(N,P)模型一个随即图是由N个节点构成，并且每对节点之间的连接概率为pG(N,L)模型一个随即图由N个节点构成，并且有L条边随机放置在L对节点之间(不出现重边和自环)边数分布在***G(N,P)***生成模型中，生成的随即网络中的边数是一个随机变量P(L):P(L):P(L):对于一个含有NNN个节点以及连边概率为ppp的随即网络，网络中恰好含有LL