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!
弄懂CNN,然后提升准确率4.21-4.27的更多相关文章
- 【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 ...
- 打工心态废掉了很多人,包括你吗?(你把现在这家公司的业务都弄清楚、弄懂了吗?君子报仇十年不晚!不离不弃!)good
我只拿这点钱,凭什么去做那么多工作,我傻呀. 我为公司干活,公司付我一份报酬,等价交换而已,我不欠谁的. 我只要对得起这份薪水就行了,多一点我都不干,做了也白做. 工作嘛,又不是为自己干,说得过去就行 ...
- 彻底弄懂 Unicode 编码
彻底弄懂 Unicode 编码 今天,在学习 Node.js 中的 Buffer 对象时,注意到它的 alloc 和 from 方法会默认用 UTF-8 编码,在数组中每位对应 1 字节的十六进制数. ...
- 一文弄懂神经网络中的反向传播法——BackPropagation【转】
本文转载自:https://www.cnblogs.com/charlotte77/p/5629865.html 一文弄懂神经网络中的反向传播法——BackPropagation 最近在看深度学习 ...
- 机器学习:让我们彻底搞懂CNN【转】
本文转载自:http://115.com/182920/T1266078.html 机器学习:让我们彻底搞懂CNN 上世纪科学家们发现了几个视觉神经特点,视神经具有局部感受眼,一整张图的识别由多个局部 ...
- 小白也能弄懂的卷积神经网络(Convolutional Neural Networks )
本系列主要是讲解卷积神经网络 - Convolutional Neural Networks 的系列知识,本系列主要帮助大家入门,我相信这是所有入门深度学习的初学者都必须学习的知识,这里会用更加直接和 ...
- 一篇文章彻底弄懂Android-MVVM
转: 一篇文章彻底弄懂Android-MVVM 在学习一个技术之前,我们首先要搞清为什么要用它.用它以后会有什么好处,这样我们才能有兴趣的学习下去. 一.为什么要用MVVM? 我为什么要用这个什么MV ...
- 彻底弄懂LSH之simHash算法
马克·吐温曾经说过,所谓经典小说,就是指很多人希望读过,但很少人真正花时间去读的小说.这种说法同样适用于“经典”的计算机书籍. 最近一直在看LSH,不过由于matlab基础比较差,一直没搞懂.最近看的 ...
- 必须弄懂的495个C语言问题
1.1 我如何决定使用那种整数类型? 如果需要大数 值(大于32, 767 或小于¡32, 767), 使用long 型.否则, 如果空间很重要(如有大数组或很多结构), 使用short 型.除此之外 ...
随机推荐
- 利用request和re抓取猫眼电影排行
import requests import re import time def get_one_page(url): headers = { 'User-Agent': 'Mozilla/5.0 ...
- selenium采用xpath方法识别页面元素
有些HTML页面中的元素中属性较少,经常有找不到id.class.name等常用属性的时候,这个时候xpath.css就能很好的识别到我们的元素. Firefox和chrome浏览器中均有xpath. ...
- 【R】资源整理
1.25本Python电子书 http://python.jobbole.com/29281/ Think Stats Dive Into Python A Byte Of Python Think ...
- Gitlab_ansible_jenkins三剑客②Gitlab的后台管理
系统信息和日志 健康状态 使用gitlab的用户管理和审批功能 创建用户 创建一个lead普通账号 进入test-repo仓库 这样就把dev添加到了test-repo这个项目中,并且有了develo ...
- Android 8.0 无法收到broadcast
参见此页 https://commonsware.com/blog/2017/04/11/android-o-implicit-broadcast-ban.html 目前最简单的方法就是:把targe ...
- python之可变长参数
参数组:*args,**kwargs 实参有按位置和按关键字两种形式定义,*args和**kwargs 位置参数:按照从左到右的顺序定义的参数 位置形参:必选参数 位置实参:按照位置给形参传值 关键字 ...
- MACE环境搭建
主要参考https://blog.csdn.net/u012505617/article/details/85763065 1.安装docker 2.安装NDK https://www.linuxid ...
- python的numpy库的学习
1.创建 array(序列类型).asarray.arange.ones.ones_like.zeros.zeros_like.empty.empty_like.eye.identity 2.运算 两 ...
- 自定义admin组件
配置路由 1 新建一个项目, 创建一个app01和stark应用,stark创建一个service包,并在service下创建stark.py.然后注册app 2 仿照site.py的注册代码,写st ...
- ID3、C4.5、CART决策树介绍
决策树是一类常见的机器学习方法,它可以实现分类和回归任务.决策树同时也是随机森林的基本组成部分,后者是现今最强大的机器学习算法之一. 1. 简单了解决策树 举个例子,我们要对”这是好瓜吗?”这样的问题 ...