Softmax是用于分类过程，用来实现多分类的 它把一些输出的神经元映射到（0-1）之间的实数，并且归一化保证和为1，从而使得多分类的概率之和也刚好为1。 Softmax可以分为soft和max，max也就是最大值，假设有两个变量a,b。如果a>b，则max为a，反之为b。那么在分类问题里面，如果只 ...
分类：
其他好文 时间：
2020-02-24 17:05:31
阅读次数：
97
一、原理： 决策树：能够利用一些决策结点，使数据根据决策属性进行路径选择，达到分类的目的。 一般决策树常用于DFS配合剪枝，被用于处理一些单一算法问题，但也能进行分类 。 也就是通过每一个结点的决策进行分类，那么关于如何设置这些结点的决策方式： 熵：描述一个集合内元素混乱程度的因素。 熵的衡量公式： ...
分类：
编程语言 时间：
2020-02-23 11:14:03
阅读次数：
233
二次代价函数 $C = \frac{1} {2n} \sum_{x_1,...x_n} \|y(x)-a^L(x) \|^2$ 其中，C表示代价函数，x表示样本，y表示实际值，a表示输出值，n表示样本的总数；整个的意思就是把n个y-a的平方累加起来，再除以2求一下均值。 为简单起见，先看下 一个样本 ...
分类：
其他好文 时间：
2020-02-23 09:50:04
阅读次数：
230
tf.clip_by_value(p, min, max)) 运用的是交叉熵而不是二次代价函数。 功能：可以将一个张量中的数值限制在(min,max)内。（可以避免一些运算错误:可以保证在进行log运算时，不会出现log0这样的错误或者大于1的概率） 参数： p：input数据 当p小于min时，输 ...
分类：
编程语言 时间：
2020-02-18 20:57:10
阅读次数：
156
一、什么是softmax？ 有一个数组S，其元素为Si ，那么vi 的softmax值，就是该元素的指数与所有元素指数和的比值。具体公式表示为： softmax回归本质上也是一种对数据的估计 二、交叉熵损失函数 在估计损失时，尤其是概率上的损失，交叉熵损失函数更加常用。下面是交叉熵 当我们预测单个物 ...
分类：
其他好文 时间：
2020-02-13 00:30:19
阅读次数：
115
resnet的结构 f（x）=conv-》relu-》conv（x） +x 注意：pytorch的交叉熵输入是原始数据 不需要softmax resnet不能用dropout，最好用bn 将32*32*3 初始的5*5*6卷积核替换为3*3*16后，表现良好 输出：(W-Wf+2*Padding)/ ...
分类：
其他好文 时间：
2020-02-05 09:21:14
阅读次数：
70
On2 VP8加入了40多项的创新技术，在压缩效率和性能方面超越了市面上的所有其他视频格式。这些创新技术包括： * 基于虚拟参考祯的高级预计编码 * 基于宏块级的多线程技术 * 改进的局域参考编码 * 增加复杂度的先进上下文熵编码 * 稀疏目标区域的自适应回路滤波 ...
分类：
其他好文 时间：
2020-02-02 23:25:43
阅读次数：
100
1.MSE（均方误差） MSE是指真实值与预测值（估计值）差平方的期望，计算公式如下： MSE = 1/m (Σ(ym-y'm)2)，所得结果越大，表明预测效果越差，即y和y'相差越大 y = tf.constant([1,2,3,0,2]) y = tf.one_hot(y,depth=4) y ...
分类：
其他好文 时间：
2020-01-27 15:40:00
阅读次数：
100
