OpenCV机器学习(7)人工神经网络 定义模型训练过程中参数的搜索范围cv::ml::ParamGrid 类

  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

cv::ml::ParamGrid 类是 OpenCV 机器学习模块中的一个辅助类,用于定义模型训练过程中参数的搜索范围。它通常被用作某些机器学习算法(如支持向量机 SVM)的超参数调优工具,允许用户指定参数的最小值、最大值以及变化步长。通过使用 ParamGrid,你可以更方便地进行网格搜索(grid search),从而找到最优的模型参数配置。

主要用途

  • 超参数调优:为特定的模型参数定义一个可能值的范围,以便在训练时自动探索最佳参数。
  • 参数范围定义:通过设置参数的最小值、最大值和步长,生成一系列可能的参数值,供训练过程选择最优值。

构造函数与成员函数

  • 构造函数
    • ParamGrid():默认构造函数,创建一个默认的参数网格,其最小值为 1.0, 最大值为 10.0, 步长为 1.0。

    • ParamGrid(double minVal, double maxVal, double logStep):初始化参数网格,指定最小值、最大值和步长。注意这里的步长是以对数尺度给出的。

      成员变量

      minVal:参数的最小值。

      maxVal:参数的最大值。

      logStep:参数增长的步长,以对数尺度表示。

代码示例

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/ml.hpp>
#include <iostream>

using namespace cv;
using namespace cv::ml;
using namespace std;

int main() {
    // 创建SVM实例
    Ptr<SVM> svm = SVM::create();

    // 定义C参数的搜索范围
    ParamGrid C_grid(0.1, 100, 2); // 从0.1到100,以2的幂次递增
    
    // 定义gamma参数的搜索范围
    ParamGrid gamma_grid(0.01, 1, 2); // 从0.01到1,以2的幂次递增

    // 准备训练数据
    Mat samples = (Mat_<float>(4, 2) << 
        0.5, 1.0,
        1.0, 1.5,
        2.0, 0.5,
        1.5, 0.0);
    
    Mat responses = (Mat_<int>(4, 1) << 0, 0, 1, 1);

    // 使用TrainData创建训练数据对象
    Ptr<TrainData> trainData = TrainData::create(samples, ROW_SAMPLE, responses);

    // 自动训练模型,使用定义的参数网格
    svm->trainAuto(trainData, 10, C_grid, gamma_grid);

    // 保存模型
    svm->save("svm_model.yml");

    // 对新样本进行预测
    Mat sample = (Mat_<float>(1, 2) << 1.6, 0.7);
    float response = svm->predict(sample);

    cout << "The predicted response for the sample is: " << response << endl;

    return 0;
}

运行结果

cpp 复制代码
The predicted response for the sample is: 1
相关推荐
jonyleek1 小时前
如何搭建一套安全的,企业级本地AI专属知识库系统?从安装系统到构建知识体系,全流程!
人工智能·安全
MQ_SOFTWARE1 小时前
AI驱动的金融推理:Fin-R1模型如何重塑行业决策逻辑
人工智能·金融
生医转码,四海为家2 小时前
零基础-动手学深度学习-6.6 卷积神经网络(LeNet)
人工智能·深度学习·cnn
无名工程师2 小时前
AI 学习过程中各阶段的学习重点、时间规划以及不同方向的选择与建议等内容
人工智能·学习
byxdaz2 小时前
GStreamer与OpenCV集成
opencv·gstreamer
WXX_s2 小时前
【OpenCV篇】OpenCV——03day.图像预处理(2)
人工智能·python·opencv·学习·计算机视觉
有才不一定有德3 小时前
深入剖析 MetaGPT 中的提示词工程:WriteCode 动作的提示词设计
人工智能·aigc·提示词工程
花月mmc3 小时前
CanMV-K230 AI学习笔记系列
人工智能·笔记·学习
s1ckrain3 小时前
【论文阅读】ON THE ROLE OF ATTENTION HEADS IN LARGE LANGUAGE MODEL SAFETY
论文阅读·人工智能·语言模型·大模型安全