Datawhale 零基础入门CV赛事-Task4 模型训练与验证在上一章节我们构建了一个简单的CNN进行训练，并可视化了训练过程中的误差损失和第一个字符预测准确率，但这些还远远不够。一个成熟合格的深度学习训练流程至少具备以下功能：在训练集上进行训练，并在验证集上进行验证；模型可以保存最优的权重，并读取权重；记录下训练集和验证集的精度，便于调参。构造验证集 在深度学习模型的训练过程中，...
Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增1 扩增目的从上一次打卡中我们得知本次训练数据较少，而且本次训练图片较小，所以我们不得不采用一定的数据扩充手段来扩大数据量,并且降低对图像的依赖。以期获得更好的成绩。2 常用的扩增手段图像翻转我根据本次问题的实际情况决定不采用图像翻转，因为数字翻转以后可能成为别的数字，比如$6翻转180°就成为了9$，数字不光要根据形...
Datawhale 零基础入门CV赛事-Task1 赛题理解1 赛题理解赛题名称：零基础入门CV之街道字符识别赛题目标：通过这道赛题可以引导大家走入计算机视觉的世界，主要针对竞赛选手上手视觉赛题，提高对数据建模能力。赛题任务：赛题以计算机视觉中字符识别为背景，要求选手预测街道字符编码，这是一个典型的字符识别问题。为了简化赛题难度，赛题数据采用公开数据集SVHN，因此在后面为了取得更好的成绩需...