¥ 499.00购买
立即开通
立即购买

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。

课程讨论

老师讲的很僵硬,基础弱的表示这完全不理解,反复要看好多遍然后边看边去搜

感觉讲的很粗糙

用的啥软件啊

模型复杂,发生过拟合时,为什么系数w绝对值往往很大(10的8次方、8次方...) 加正则项解决过拟合的原理是什么

为什么使用sklearn 时 把维度reshape成了-1

1.3.2 3阶多项式模拟拟合中,include_bias 设置成FALSE的原因,没听清楚

厉害

这个讲课简直逆天。太难懂了。根本不是预科

“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“ opencv在哪里

老师的jupyter为什么会补全剩下的单词,我的没有这个功能

同学笔记

  • weixin_50588876 2020-10-18 11:18:23

    来源:欠拟合和过拟合 查看详情

    过拟合 解决方法:

    1.增加训练数据量

    2.减少特征数

    3.减小模型复杂度

    4.在目标函数中增加正则项(系数的平方和和系数的绝对值和,系数为人工设定的参数,调节正则项与损失函数之间的比重)

    5 其他,如EARLY STOPPING 、BOSTING、BAGGING等。

  • 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