發(fā)簡(jiǎn)信
IP屬地：上海
-
Keras: fit_generator中如何構(gòu)建一個(gè)generator？
## 為何使用fit_generator续担？ 在深度學(xué)習(xí)中擅耽，我們數(shù)據(jù)通常會(huì)很大，即使在使用GPU的情況下物遇，我們?nèi)绻淮涡詫⑺袛?shù)據(jù)（如圖像）讀入C...
-
列表 + 字典 + 向json文件追加數(shù)據(jù)
在關(guān)于圖像的深度學(xué)習(xí)中乖仇，我們有圖像和對(duì)應(yīng)的標(biāo)簽憾儒。通常我們將圖像名字和對(duì)應(yīng)的標(biāo)簽寫(xiě)在json文件中，通過(guò)字典的方式進(jìn)行編碼乃沙。我們可以看一個(gè)例子： ...
-
"兩步走方法"解析損失函數(shù)：mean square error起趾，cross entropy，softmax警儒，SVM本文試圖將四類(lèi)最基礎(chǔ)也最常用的損失函數(shù)進(jìn)行統(tǒng)一歸納训裆，以明白各自的區(qū)別，加深對(duì)他們的記憶和理解蜀铲。 本文會(huì)從兩個(gè)步驟分析損失函數(shù)边琉，第一個(gè)是從輸入到模...
-
邏輯斯提多分類(lèi)器softmax——簡(jiǎn)單易懂的梯度推導(dǎo)
首先說(shuō)明，求導(dǎo)不只是鏈?zhǔn)椒▌t這么簡(jiǎn)單记劝。我們常常不知道需要對(duì)誰(shuí)求導(dǎo)变姨，如何利用從最后的損失函數(shù)一步一步的計(jì)算到參數(shù)上。此外厌丑，我們也有可能遇到不知道根...