系列教程

红色石头 发布于 2020-01-06

这里不再介绍 mmdetection 的安装和配置，使用 mmdetection 较简单的方法是使用已安装 mmdetection 的 docker 容器。这样直接省去了安装 mmdetection 的过程，让重心放在模型训练上！ 如果你对 docker 和 mmdetectio...

阅读(466)评论(0)赞 (0)标签：docker / mmdetection / 教程 / 深度学习

红色石头 发布于 2019-11-15

2019 年 10 月，谷歌正式宣布，开源机器学习库 TensorFlow 2.0 现在可供公众使用。TensorFlow 2.0 的 Alpha 版本今年初在 TensorFlow 开发者大会上首次发布，经过近 7 个月的不断修改、更新，TensorFlow 2.0正式版可谓是...

阅读(2698)评论(1)赞 (3)标签：TensorFlow / 深度学习

红色石头 发布于 2019-01-31

来自华盛顿大学的 Joseph Redmon 和 Ali Farhadi 提出的YOLOv3 通过在 YOLO 中加入设计细节的变化，这个新模型在取得相当准确率的情况下实现了检测速度的很大提升，一般它比 R-CNN 快 1000 倍、比 Fast R-CNN 快 100 倍。 这...

阅读(9296)评论(0)赞 (9)标签：TensorFlow / YOLO / 深度学习

红色石头 发布于 2019-01-28

这些天安装 PyTorch，遇到了一些坑，特此总结一下，以免忘记。分享给大家。 首先，安装环境是：操作系统 Win10，已经预先暗转了 Anaconda。 1. 为 PyTorch 创建虚拟环境 关于 Anaconda 的安装步骤这里就忽略不讲了，Win10 下安装 Anacon...

阅读(16249)评论(0)赞 (30)标签：PyTorch / 深度学习

红色石头 发布于 2019-01-02

本文为《Scikit-Learn 和 TensorFlow 机器学习指南》的第二章的第 3 讲：为机器学习算法准备数据。 使用实际数据 整体规划 获取数据 发现、可视化数据，增加直观印象 为机器学习准备数据 选择模型并进行训练 调试模型 部署、监控、维护系统 第二章前 2 讲的地...

阅读(4254)评论(0)赞 (6)标签：教程 / 机器学习

红色石头 发布于 2018-12-27

最近，笔者发现 GitHub 上出现了一份超火的 TensorFlow 教程，目前已经收获了 8000+ star 了。这份 TensorFlow 教程来自弗吉尼亚理工博士 Amirsina Torfi。而这份教程最大的特点就是清晰简单，非常适合入门。 项目地址： https:/...

阅读(6551)评论(0)赞 (10)标签：TensorFlow / 深度学习

红色石头 发布于 2018-12-17

目前为止，我们已经对数据有了初步的认识，大体上明白了我们要处理的数据类型。现在，我们将进入更深入的研究。 首先，确保已经划分了测试集并放置一边，我们只会对训练集进行操作。另外，如果训练集很大，可以从中采样一些作为探索集（exploration set），方便进行快速处理。在我们这...

阅读(2021)评论(0)赞 (4)标签：教程 / 机器学习

红色石头 发布于 2018-12-12

前天我在公众号推荐了《Python Deep Learning》这本书。该书是由 Keras 作者写的，所以全书基本围绕着 Keras 讲深度学习的各种实现，从 CNN，RNN 到 GAN 等，偏入门，但理论和实战部分都讲的还不错，承载着很多作者对深度学习整体性的思考。目前该书的...

阅读(3868)评论(1)赞 (8)标签：Keras / TensorFlow / 深度学习

红色石头 发布于 2018-12-04

本章将完整地介绍一个端对端（End-to-End）机器学习项目。假如你是某个房地产公司刚雇佣的数据科学家，你所要做的事情主要分成以下几个步骤： 1.整体规划。 2.获取数据。 3.发现、可视化数据，增加直观印象。 4.为机器学习准备数据。 5.选择模型并进行训练。 6.调试模型。...

阅读(2858)评论(0)赞 (4)标签：教程 / 机器学习

红色石头 发布于 2018-11-26

简而言之，因为机器学习的主要任务就是选择合适的机器学习算法在数据集上进行训练，所以不好的算法和不好的数据都可能严重影响训练效果。下面我们先来看看不好的数据会带来什么影响。 1.4.1 训练数据不足 对一个蹒跚学步的孩子来说，如何识别苹果？方法是拿出很多各种各样颜色、形状的苹果图片...

阅读(2291)评论(2)赞 (6)标签：教程 / 机器学习