本教程以实际应用、工程开发为目的，着重介绍模型训练过程中遇到的实际问题和方法。在机器学习模型开发中，主要涉及三大部分，分别是数据、模型和损失函数及优化器。本文也按顺序的
2018-12-21 09:18
问题最近在Ubuntu上使用Nvidia GPU训练模型的时候，没有问题，过一会再训练出现非常卡顿，使用nvidia-smi查看发现，显示GPU的风扇和电源报错：解决方案自动风扇控制在nvidia
2022-01-03 08:24
)，其中y取值1或-1（代表二分类的类别标签），这也是GBDT可以用来解决分类问题的原因。模型训练代码地址 https://github.com/qianshuang/ml-expdef train
2019-01-23 14:38
CV：基于Keras利用训练好的hdf5模型进行目标检测实现输出模型中的脸部表情或性别的gradcam(可视化)
2018-12-27 16:48
CV：基于Keras利用CNN主流架构之mini_XCEPTION训练情感分类模型hdf5并保存到指定文件夹下
2018-12-26 11:08
TensorFlow笔记(4)——优化手写数字识别模型之代价函数和拟合
2019-10-21 10:39
自己珍藏的元件库和3D模型
2015-03-06 09:56
深度融合模型的特点，背景深度学习模型在训练完成之后，部署并应用在生产环境的这一步至关重要，毕竟训练出来的模型不能只接受一
2021-07-16 06:08
CV之CNN：基于Keras利用cv2建立训练存储CNN模型(2+1)并调用摄像头进行实时人脸识别
2018-12-26 11:09
工具篇Flair之训练模型教程
2020-04-27 14:03
