弄懂CNN，然后提升准确率4.21-4.27
英语：
1.每天背单词，75起步。（这周没怎么背，考虑调整了）
2.并背王江涛图画作文一：传统文化（这周没背，但肯定要做）
学校：
0.吴恩达ML
1.毕设一：可视化，肺癌基因突变，深度学习（那么作图就暂时告一段落，看好CNN）
2.毕设二：web，推荐算法，数学题库（吃了人家的饭，好好做吧）
业余（基本没做）：
1.《如何阅读一本书》
2.《月亮和六便士》
3.继续《Harry Potter》
作息时间：
8：00前起床
8：00背单词
8：30图书馆坐下
早上研究CNN理论
——
11：00-11：30吃饭
11：30-12：30看剧/游戏/看书
12：30-13：00给英语？
13：00-14：00午睡
——
下午任一
晚上给代码学习⚪
1：00睡觉
Tip:
1.这周主攻CNN理论，吴恩达ML课不要落下。（后期补救了挺好）
2.上周吧，中午游戏玩久了。（这周比上周好）
| 时间 | 4.21日 | 4.22一 | 4.23二 | 4.24三 | 4.25四 | 4.26五 | 4.27六 |
| 预告 | 去国博 | SNC出游 | |||||
| 8:00起床 | √ | +0.5h |
+1h |
+1.5h | +0.5h | +0.5h | |
| 8:30到图书馆坐下 | √ | +0.5h | +1h | × | +1h | +0.5h | |
| 早上（学CNN/看书） | 吴恩达ML | √ | √ | 九点多起的，然后调代码 | |||
| 11:00吃饭 | √ | × | √ | 同上 | +1h | ||
| 11:30-12:30自由娱乐 | √ | √ | 吃饭 | 下午和hl讨论毕设 | |||
| 12:30-13:00背课文 | × | × | 上课 | 国博 | 同上 | ||
| 13:00-14:00午睡 | +0.5h | × | 上课 | 国博 | 同上 | ||
| 下午 |
Coursera题目 MOOC宇宙探索 |
随便看看 睡了下 |
改毕设2的web | 三点半回到宿舍，玩了会儿睡到六点半 | 睡觉1h并考虑讨论时涉及的问题 | ||
| 17:00吃晚饭 | √ | √ | √ | 睡觉 | √ | ||
| 晚上 | 看网王 | CNN | 研究图片导入 | 起来调了会儿网络 | 翻阅以前生成的基因图，准备大改 | ||
| 20:00跑步 | √ | +1h | 下雨 | × | |||
| 22:15图书馆闭馆 | 打牌 | 回宿舍打游戏 | 洗衣服 | 招舍友 | |||
| 1:00睡觉 | √ | √ | √ | ||||
| 最近都没开计时器 |
白天受why告诉我她准备休学 内心有点焦虑 。 另外这两天有点偏离日程轨道了！ |
！最近起床都晚了，单词也背少了 别忘了本周吴恩达还没做 |
你应该先成为所接触的人中拔尖者，然后再去看到更大的世界。 一步一步以世界为目标吧！ |
hl确实很厉害，今天中午的讨论，让我开始反省，我应该从我的课题出发，重新整理思路和方法了。 再夸一下hl，如果没有今天午饭交流，我几乎忘了我为什么要学计算机，为什么要写代码，不是为了努力跟着别人的思路走，甚至不惜放弃理解力。 |
所以我现在的问题就是，研究loss不下降的原因，可能要试着加深网络 |
成果：
1.图1是吴恩达ML第三次编程作业。
2.图二三是毕设，准确率尚可，就是不知道为什么loss下不去。
现在的想法是1）调小学习率2）加深网络深度3）图片设计，insert其实没有标出特征点（但我确实不会啊）
感想：
1.
2.中午跟hl一起吃饭然后讨论毕设，虽然风评不一，但是我确实服她。思路清晰，目标明确，对新知识点的把握和理解力也高我数筹，她确实是在解决毕设所指向的问题，而且在想着优化。感觉有点可惜，毕业后难以把她作为实现1之前的目标了，但我会一直记着的。
见到强者很让人兴奋，超越他们亦然，感觉社交也因此多了一条意义。
3.SNCer太优秀了保研出国一大堆，我也不能落后！
转载于:https://www.cnblogs.com/Surprisezang/p/10742742.html
弄懂CNN，然后提升准确率4.21-4.27相关推荐
- 一文简单弄懂tensorflow_【TensorFlow】一文弄懂CNN中的padding参数
在深度学习的图像识别领域中,我们经常使用卷积神经网络CNN来对图像进行特征提取,当我们使用TensorFlow搭建自己的CNN时,一般会使用TensorFlow中的卷积函数和池化函数来对图像进行卷积和 ...
- 【深度学习】一文弄懂CNN及图像识别(Python)
一.卷积神经网络简介 卷积神经网络(Convolutional Neural Networks, CNN)是一类包含卷积计算的前馈神经网络,是基于图像任务的平移不变性(图像识别的对象在不同位置有相同的 ...
- 一文弄懂AdaBoost、提升树、残差树、GDBT
本人第一次看到提升方法时,也是一脸懵逼:但是时隔一个寒假,当我为春招恶补机器学习知识时,第二次看见提升方法,顿时有了"拨开云雾见青天"的感觉:古人"温故而知新" ...
- 一文弄懂元学习 (Meta Learing)（附代码实战）《繁凡的深度学习笔记》第 15 章 元学习详解 （上）万字中文综述
<繁凡的深度学习笔记>第 15 章 元学习详解 (上)万字中文综述(DL笔记整理系列) 3043331995@qq.com https://fanfansann.blog.csdn.net ...
- 《繁凡的深度学习笔记》前言、目录大纲 一文让你完全弄懂深度学习所有基础（DL笔记整理系列）
<繁凡的深度学习笔记>前言.目录大纲 (DL笔记整理系列) 一文弄懂深度学习所有基础 ! 3043331995@qq.com https://fanfansann.blog.csdn.ne ...
- 百度语音识别技术负责人李先刚：如何利用Deep CNN大幅提升识别准确率？
百度语音识别技术负责人李先刚:如何利用Deep CNN大幅提升识别准确率? 机器之心mp 2016-11-04 14:24:34 技术 百度 阅读(440) 评论(0) 机器之心原创 作者:赵云 ...
- 5分钟弄懂语音识别技术原理
5分钟弄懂语音识别技术原理 首先,我们知道声音实际上是一种波.常见的mp3.wmv等格式都是压缩格式,必须转成非压缩的纯波形文件来处理,比如Windows PCM文件,也就是俗称的wav文件.wav文 ...
- 【一文弄懂】优先经验回放（PER）论文-算法-代码
[一文弄懂]优先经验回放(PER)论文-算法-代码 文章目录 [一文弄懂]优先经验回放(PER)论文-算法-代码 前言: 综合评价: 继续前言唠叨 per论文简述: 参考博客: 背景知识 A MOTI ...
- 没弄懂的 Texture Mipmap Streaming (Unity 2018.2)
首先,没弄懂 这个东西是否带来了性能上的提升? 它用少量CPU资源以节省潜在的大量GPU内存. Texture mipmap Streaming系统使您可以控制实际加载到内存中的mipmap级别. 通 ...
最新文章
- Swift中的循环强引用 【使用无主引用解决】
- 基于 abp vNext 和 .NET Core 开发博客项目 - 博客接口实战篇（二）
- python subprocess-更优雅的创建子进程
- 一个配件、一块面料，制造企业流水线因为AI变了新模样（人工智能应用案例）
- flex 平铺布局_flex布局及各种布局的总结
- hdu 2544 最短路
- LeetCode 84. 柱状图中最大的矩形（单调递增栈）
- 中gcd函数_函数和模块的使用
- Ubuntu 17安装Virtual Box
- ubuntu 安装 swift 64位
- Delphi学习之函数 ⑨汉字拼音功能函数
- Android四大组件之 --- Service入门
- Python制作任意音频文件
- 懒人工作源码分析(1)
- 机器学习实战 利用sklearn库预测科比生涯数据
- 用VBA制作Excel单选框和多选框
- 宽度学习（Broad Learning System）
- java生成 动态 pdf_java根据模板HTML动态生成PDF
- P问题、NP问题、NPC问题（算法复杂性，计算复杂性）
- Google Web Accelerator