系列教程

火爆 GitHub 的《机器学习 100 天》,现在出了视频讲解!

7

红色石头 发布于 2022-08-04

大家好!我是红色石头! 曾经在 GitHub 上有一个爆火的《100-Days-Of-ML-Code》项目,收获了近 4w star。可惜的是原作者只出了一小部分内容,停更 4 年之久了! 没关系!今天我花几个月打造的《机器学习100天》计划已经开始! 之前,我在知乎上写的一篇“...

阅读(3763)评论(0)赞 (0)

目标检测(5):手撕 CNN 经典网络之 AlexNet(理论篇)

21

红色石头 发布于 2022-02-10

大家好,我是红色石头! 第一个典型的CNN是LeNet5网络,而第一个大放异彩的CNN却是AlexNet。2012年在全球知名的图像识别竞赛 ILSVRC 中,AlexNet 横空出世,直接将错误率降低了近 10 个百分点,这是之前所有机器学习模型无法做到的。 AlexNet的作...

阅读(6826)评论(0)赞 (1)

目标检测(2):LeNet-5 的 PyTorch 复现(MNIST 手写数据集篇)

4

红色石头 发布于 2021-12-17

大家好,我是红色石头! 在上一篇文章: 这可能是神经网络 LeNet-5 最详细的解释了! 详细介绍了卷积神经网络 LeNet-5 的理论部分。今天我们将使用 Pytorch 来实现 LeNet-5 模型,并用它来解决 MNIST数据集的识别。 正文开始! 一、使用 LeNet-...

阅读(8240)评论(0)赞 (2)

目标检测(1):初识 LeNet-5

11

红色石头 发布于 2021-12-07

大家好,我是红色石头! 说起深度学习目标检测算法,就不得不提 LeNet- 5 网络。LeNet-5由LeCun等人提出于1998年提出,是一种用于手写体字符识别的非常高效的卷积神经网络。出自论文《Gradient-Based Learning Applied to Docume...

阅读(8570)评论(0)赞 (3)

【完结篇】专栏 | 基于 Jupyter 的特征工程手册:特征降维

4

红色石头 发布于 2020-06-28

作者:陈颖祥、杨子晗 编译:AI有道编译:AI有道 经过数据预处理和特征选择,我们已经生成了一个很好的特征子集。但是有时该子集可能仍然包含过多特征,导致需要花费太多的计算能力用以训练模型。在这种情况下,我们可以使用降维技术进一步压缩特征子集。但这可能会降低模型性能。 同时,如果我...

阅读(8359)评论(0)赞 (1)

专栏 | 基于 Jupyter 的特征工程手册:特征选择(五)

5

红色石头 发布于 2020-05-24

数据预处理后,我们生成了大量的新变量(比如独热编码生成了大量仅包含0或1的变量)。但实际上,部分新生成的变量可能是多余:一方面它们本身不一定包含有用的信息,故无法提高模型性能;另一方面过这些多余变量在构建模型时会消耗大量内存和计算能力。因此,我们应该进行特征选择并选择特征子集进行...

阅读(8606)评论(0)赞 (2)