今天打算写个详细讲解Pytorch安装教程。因为之前的文章中我觉得逻辑关系有点问题。之前的文章大多只是简单的教你怎么去安装Pytorch，而忽略了这背后的道理，进而导致了安装的过程规定太死不太灵活。写下的文章过段时间就过时了后患无穷。1.安装前的准备我们最后需要安装的软件如下:anaconda 该软件可以便捷获取包且对包能够进行管理,我们使用这个软件来管理Pytorch以及依赖库,可以省去很...
Datawhale 零基础入门CV赛事-Task5 模型集成在上一章我们学习了如何构建验证集，如何训练和验证。本章作为本次赛题学习的最后一章，将会讲解如何使用集成学习提高预测精度。1 模型集成 本章讲解的知识点包括：集成学习方法、深度学习中的集成学习和结果后处理思路。2 集成学习优点考虑一组预测模型$f_1,…,f_l$，不同的预测模型在数据上有不同的表现,所以这...
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-Task3 字符识别模型1 字符识别模型因为本次问题归根到底是图像识别问题，所以我们显然应该选择图像识别领域的神器--CNN，来解决这个问题。我们继续讨论究竟选择何种CNN模型能够更好的适应本问题，并且是否需要对模型做相对应的改进也是我们需要考虑的问题。只有经过众多选择才能获得更加优秀的成绩。2 CNN介绍 卷积神经网络（简称CNN）是一类特殊...
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...