测试驱动开发
主要内容:
- 什么是TDD
- 实现流程
- 开发风格
- 优点
- 是否需要TDD
最近重温cs231n
课程,完成了课堂作业assignment1,记录一下线性SVM
分类器相关的概念以及实现
最近重温cs231n
课程,完成了课堂作业assignment1,记录一下KNN
分类器相关的概念以及实现,包括通用的分类器训练及测试过程
AdaGrad、RMSProp
以及Adam
都是逐元素的自适应学习率方法(per-parameter adaptive learning rate methods
),根据每个神经元的梯度变化进行权重调整,能够有效的提高模型精度
文章very deep convolutional networks for large-scale image recognition对卷积网络深度进行了详细研究,证明了增加模型深度能够有效提高网络性能,其实现的VGGNet
在2014
年ImageNet
的定位(localisation
)和分类(classification
)比赛中获得第一和第二名
VGGNet
在AlexNet模型配置和学习的基础上,参考ZFNet使用更小的感受野和更小的步长,参考OverFeat在整个图像和多个尺度上对网络进行密集的训练和测试。最终,VGGNet
使用\(3\times 3\)大小卷积核进行模型深度的研究,在学习过程中使用多尺度图像进行训练和测试
主要内容如下: