Python 解释性语言
1.tuple元组:定义一个只有一个元素的tuple,必须加逗号
2.** 幂;// 整除
3.机器学习常用库: numpy(科学计算,数据分析),pandas(数据类型分析工具),pil(图像处理),matplotlib(可视化图形绘制)
4.爬虫一般步骤:获取网页内容,根据正则等方式匹配,保存内容以指定方式。请求头伪装等需要注意。
5.波士顿房价预测:线性回归模型。准备数据(训练数据,测试数据);配置网络(定义网络,损失函数(结果与真实结果的拟合),优化算法);训练网络;模型评估,预测。 paddle.fluid 飞浆核心框架
6.机器学习
统计学习方法为主导,代表为SVM(支持向量机) 机器学习方法分为:有监督学习(分类和回归);无监督学习(聚类);半监督学习(给少量的标注训练数据及大量未标注数据);增强学习(只有评价而非正误);多任务学习。
贝叶斯,概率;鸢尾花分类→支持向量机(SVM):寻找最优决策边界
7.k-交叉验证:7:2:1
8.特征编码 one-hot编码;语义编码
9.早中期图像识别技术
10.深度学习使用
11.神经网络:由神经元构成,激活函数。输入层,隐藏层,输出层。
12.损失函数:分类损失,回归损失。
13.参数学习:梯度下降(每次往下降速度最快的方向),反向传播算法(求解损失对所有参数的梯度)
14.手写数字识别:卷积神经网络
检测物体:灰度图像,滤波器等特征提取。
隐层的卷积:特征组合 。
需要注意的参数:stride;padding;
15.池化层:平均池化,最大池化
16.模型的泛化
17.基本训练步骤
act 激活函数
18.经典CNN
19.常用目标检测方法
图像分割里程碑——FCN ;实时分割——segnet
应用,医学影像分析,文字检测识别。
20.细粒度分类 mask-cnn
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)