作者归档 | Jason Brownlee

8本计算机视觉入门书籍

由 Jason Brownlee 于 2020 年 6 月 12 日（上午 7:35:45+1000）发表在深度学习与计算机视觉 28

计算机视觉是人工智能的一个子领域，专注于理解数字图像（如照片和视频）的内容。深度学习在具有挑战性的计算机视觉任务上取得了令人瞩目的进展，并预示着进一步的进步。在深入探讨深度学习技术在计算机视觉中的应用之前，可能有助于 […]

由 Jason Brownlee 于 2019 年 7 月 5 日（上午 10:58:48+1000）发表在深度学习与计算机视觉 39

计算机视觉领域正从统计方法转向深度学习神经网络方法。在计算机视觉中仍有许多具有挑战性的问题需要解决。尽管如此，深度学习方法在一些特定问题上已取得了最先进的结果。不仅是深度学习模型在基准问题上的表现 […]

由 Jason Brownlee 于 2019 年 7 月 5 日（上午 10:59:16+1000）发表在深度学习与计算机视觉 25

计算机视觉或许是受深度学习发展影响最大的领域之一。在计算机视觉领域，既要开发深度学习，又要证明其能力是困难的。不清楚如何入手，哪些是最重要的技术，以及 […]

由 Jason Brownlee 于 2019 年 8 月 6 日（下午 2:27:21+1000）发表在深度学习性能 6

深度学习技能需求量很大，但识别和展示这些技能可能具有挑战性。解释你熟悉一项技术或一类问题，与能够使用开源 API 在真实数据集上有效地使用它，是截然不同的。也许展示 […]

由 Jason Brownlee 于 2019 年 8 月 19 日（下午 2:15:26+1000）发表在深度学习 16

深度学习并非万能药，但这些技术在大量极具挑战性的问题领域中已被证明非常有效。这意味着企业对有效的深度学习从业者有巨大的需求。问题是，普通企业如何区分优秀和糟糕的从业者？ […]

由 Jason Brownlee 于 2020 年 9 月 4 日（上午 5:26:10+1000）发表在开始机器学习 46

监督式机器学习通常被描述为逼近一个将输入映射到输出的目标函数的问题。这种描述的特点是从假设空间中搜索并评估候选假设。假设在机器学习中的讨论对初学者来说可能令人困惑，尤其是在“假设”具有独特但相关含义的情况下 […]

由 Jason Brownlee 于 2019 年 8 月 6 日（下午 2:29:08+1000）发表在深度学习性能 24

或者，为什么使用随机梯度下降来训练神经网络。拟合神经网络涉及使用训练数据集来更新模型权重，以创建良好的输入到输出的映射。这个训练过程通过一种优化算法来解决，该算法在神经网络的可能值空间中进行搜索 […]

由 Jason Brownlee 于 2019 年 8 月 6 日（下午 2:29:12+1000）发表在深度学习性能 248

学习曲线是模型学习性能随经验或时间变化的图。学习曲线是机器学习中广泛使用的诊断工具，用于增量式从训练数据集中学习的算法。可以在训练期间的每次更新后，在训练数据集和保留的验证数据集上评估模型 […]

由 Jason Brownlee 于 2019 年 8 月 21 日（下午 2:37:11+1000）发表在 Python 机器学习 94

当运行代码时，机器学习 scikit-learn 库的即将进行的更改会通过 FutureWarning 消息进行报告。警告消息对初学者来说可能令人困惑，因为它们看起来像是代码有问题，或者他们做错了什么。警告消息也不利于实际 […]

由 Jason Brownlee 于 2019 年 8 月 6 日（下午 2:29:17+1000）发表在深度学习性能 8

鉴于开源库的广泛采用，深度学习神经网络相对容易定义和训练。尽管如此，神经网络的配置和训练仍然具有挑战性。在他 2012 年的论文《深度架构梯度训练的实用建议》中，该论文作为预印本和 2012 年热门书籍《神经网络》的一章发表 […]