在Android手机上使用PaddleMobile实现图像分类

  |   0 评论   |   0 浏览   |   夜雨飘零

现在越来越多的手机要使用到深度学习了,比如一些图像分类,目标检测,风格迁移等等,之前都是把数据提交给服务器完成的。但是提交给服务器有几点不好,首先是速度问题,图片上传到服务器需要时间,客户端接收结果也需要时间,这一来回就占用了一大半的时间,会使得整体的预测

CentOS下安装和使用Mycat实现分布式数据库

  |   0 评论   |   0 浏览   |   夜雨飘零

笔者介绍了如何在 CentOS 上搭建一个可支持高可用高并发的 Java Web 后端服务器。善于思考的读者可能会想到,在上一篇文章中,我们只是实现 Java Web 服务器的分布式来应对高并发,但是高并发对数据库的的负担也是很重的。在上一篇文章中,我们只是使用到一个 MySQL 服务器,但是但

Ubuntu安装和卸载CUDA和CUDNN

  |   0 评论   |   0 浏览   |   夜雨飘零

最近在学习 PaddlePaddle 在各个显卡驱动版本的安装和使用,所以同时也学习如何在 Ubuntu 安装和卸载 CUDA 和 CUDNN,在学习过程中,顺便记录学习过程。在供大家学习的同时,也在加强自己的记忆。本文章以卸载 CUDA 8.0 和 CUDNN 7.05 为例,以安装 CUDA 10.0 和 CUDNN 7.4.2 为例。

CentOS搭建云服务平台

  |   0 评论   |   0 浏览   |   夜雨飘零

最近在学习在 CentOS 上搭建一个云服务平台,所以写下该文章当做笔者的学习笔记,提供给大家一起学习。虽然我们没有办法实现像百度云、腾讯云、阿里云那么强大的云服务平台,但是可以学习它们这些思维,做一个简单的云平台给自己的团队或公司使用。

深度学习神经网络中正则化的使用

  |   0 评论   |   0 浏览   |   夜雨飘零

如果训练数据集不够大,由于深度学习模型具有非常大的灵活性和容量,以至于过度拟合可能是一个严重的问题,为了解决这个问题,引入了正则化的这个方法。要在神经网络中加入正则化,除了在激活层中加入正则函数,应该 dropout 也是可以起到正则的效果。我们来试试吧。

《Improving Deep Neural Networks》的理论知识点

  |   0 评论   |   0 浏览   |   夜雨飘零
  1. 如果有 10,000,000 个例子,数据集拆分一般是 98% 训练,1% 验证,1% 测试。
  2. 验证和测试的数据集通常是来自同样的分配。
  3. 如果神经网络模型有很大的差异,一般的解决办法是增加数据集和添加正则。
  4. 当训练集错误较小,而验证集较大时,通常是增加正则 lambda、增加数据集。
  5. 当增加正则化超参数 lambda 时,权重会被推向更小,接近 0.

Python2实现简单的爬虫

  |   0 评论   |   0 浏览   |   夜雨飘零

有时候我们需要一些网络数据来工作、学习,比如我们做深度学习的。当做一个分类任务时,需要大量的图像数据,这个图像数据如果要人工一个个下载的,这很明显不合理的,这是就要用到爬虫程序。使用爬虫程序帮我们下载所需要的图像。那么我们就开始学习爬虫吧。