你将收获

了解OpenCV图像处理入门基础

了解机器学习基础

了解深度学习基础

适用人群

想转型人工智能,并对计算机视觉方向感兴趣的工程师。

课程介绍

本课程为视觉应用工程师的基础课程,主要补充OpenCV图像处理入门基础,机器学习基础,和深度学习基础。

学员评价

5.0
  • 0%
  • 0%
  • 0%
  • 0%
  • 0%

正在加载中...

同学笔记

  • qq_26315647 2020-08-08 06:53:21

    来源:线性回归的Keras实现03-损失函数、梯度下降和评价指标 查看详情

    mgd小批量梯度下降

    随机梯度下降sgd

  • weixin_45386895 2020-08-03 09:16:25

    来源:线性回归的Keras实现04-模型设置、模型验证、模型预测 查看详情

    model=Sequential()

    model.add(Dense(input_dim=1,units=1,name='dense')

    model.compile(loss='mse',optimizer=tf.keras.optimizers.SGD(learning_rate=1e-5))

    model.summary

    history=model.fit(x=x_train,y=y_train,batch_size=2,epochs=100,validation_split=0.2)

    history.history#含有训练集loss和验证集loss的字典

    pd.DataFrame(history.history).plot(figsize=(8,5))#转换为padas数据并画图

    plt.xlabel('epoch')

    plt.show()

    loss=model.evaluate(x=x_test,y=y_test)#模型验证

    print(loss)

    y_test_pred=model.predict(x=x_test)

    print(y_test_pred)

    plt.scatter(x_test,y_test,color='g',label='test dataset')

    plt.scatter(x_train,y_train,color='b',label='train dataset')

没有更多了