TechNotes

1 深度学习要解决的问题机器学习流程 数据获取 特征工程（重点） 建立模型 评估与应用 特征工程的作用 数据特征决定了模型的上限 预处理和特征提取是最核心的 算法与参数选择决定了如何逼近这个上限 深度学习相比机器学习的优势是能够利用神经网络提取计算机能够识别的特征。 2 深度学习应用领域无人驾驶，人脸识别，医学检测，屏幕变脸，分辨率重构 问题：参数很多，移动端速度可能比较慢 3 计算机视觉任务图像分类任务 计算机视觉 图像表示：计算机眼中的图像 一张图片被表示成三维数组的形式，每个像素的值从0到255 例如：3001003 计算机视觉面临的挑战 照射角度 形状改变 部分遮蔽 背景混入 4 视觉任务中遇到的问题机器学习常规套路 收集数据并给定标签 训练一个分类器 测试，评估 K近邻算法K是半径。圆内哪种形状多绿色点就是哪种结果。 计算流程 计算已知类别数据集中的点与当前点的距离 按照距离依次排序 选取与当前点距离最小的K个点 确定前K个点所在类别的出现概率 返回前K个点出现频率最高的类别作为当前点预测分类 数据库样例CIFAR-10简介 10类标签 50000个训川练 ...

参考 LabelIng操作 标注工具Labelimg的安装与使用 使用anaconda创建Python虚拟环境，并使用国内清华镜像源 打开Anaconda Prompt在命令行中输入下列代码，若如下图显示pip版本号则证明anaconda3安装成功。 1pip --version 创建虚拟环境1conda create -n pytorch python=3.7 激活环境1activate pytorch 安装labelimg在命令行窗口中依次输入下列代码，安装labelimg依赖的第三方库。 1234567pip install PyQt5pip install pyqt5-toolspip install lxmlpip install labelimg （注：此处可能会因网络原因造成卡顿，请耐心等待，若因为网络问题安装失败则重试） 安装PyQt5 安装pyqt5-tools 安装lxml 安装labelimg ​ 至此，环境配置步骤已经全部完成。在第三方库安装完成后，在命令行中输入labelimg指令以启动labelimg（注：环境配 ...

参考教程 https://blog.csdn.net/qq_45344586/article/details/124028689 https://blog.csdn.net/weixin_42855758/article/details/122795125 https://www.zhihu.com/question/537507317 https://zhuanlan.zhihu.com/p/481799020?utm_id=0 一、Anaconda下载（官网和清华源）1.1、Anaconda官网首页地址Anaconda官网：https://www.anaconda.com/进入官网后如下图所示，点击Download即可开始下载（若无法下载，请转至清华源下载） ​ 1.2、清华源Anaconda地址清华源：https://repo.anaconda.com/archive/ ...