OpenMMLab AI实战营 打卡第一天

学习目标：

理解掌握计算机视觉算法基础

例如：

• 两周掌握 OpenMMLab基础框架

---

学习内容：

机器学习：从数据中学习经验，以解决特定问题

监督学习：提供带有正确结果的训练集，基于训练集学习一个模型，使其能够对任意输入，对其相应输出做一个好的预测。

非监督学习：直接对数据进行建模，没有给定事先标记的训练示例，所用的数据没有属性或标签这一概念，让算法尝试识别不同数据之间的相似性，从而让有共同特征的数据能够被归类在一起。

强化学习:介于监督学习和非监督学习中间，训练中，当算法得出的结果错误时，算法会被告知，当算法得出的结果正确时，算法不会被告知，算法会尝试各种可能性，监督者会对结果进行打分，但不会给出改进意见，强化学习又称为‘评价学习’。

---

机器学习的基本流程：
1.训练
我们需要采集一些数据，标注他们的类别,从中选取一部分用于训练分类器，得到一个可以用于分类的分类器
2.验证
从采集、标注的数据中另外选取一部分，测试所得分类器的精度。验证所用数据不能和训练重合，以保证分类器的泛化性能。
3.应用
将经过验证的分类器集成到实际的业务系统中，实现对应功能，在应用阶段，分类器面对的数据都是在训练、验证阶段没有见过的