51
Dev开发社区
首页
文章
问答
工具
搜索
登录
注册
#深度
深度学习之损失函数小结
在深度学习中,损失函数扮演着至关重要的角色。通过对最小化损失函数,使模型达到收敛状态,减少模型预测值的误差。因此,不同的损失函数,对模型的影响是重大的。接下来,总结一下,在工作中经常用到的损失函数:图像分类:交叉熵目标检测:Focalloss,L1/L2损失函数,IOULoss,GIOU,DIOU,CIOU图像识别:T...
代码星球
·
2021-02-23
深度
习之
损失
函数
小结
有赞的深度需求功能测试
转自:https://tech.youzan.com/you-zan-de-shen-du-xu-qiu-gong-neng-ce-shi/?hmsr=toutiao.io&utm_medium=toutiao.io&utm_source=toutiao.io 序:在《有赞.测试团队介绍(一)...
代码星球
·
2021-02-23
深度
需求
功能测试
kaggle比赛实践M5-baseline研读(四)--深度seq2seq
11...
代码星球
·
2021-02-22
kaggle
比赛
实践
M5-baseline
研读
深度学习面试
1.列举常见的一些范数及其应用场景,如L0,L1,L2,L∞,Frobenius范数2.简单介绍一下贝叶斯概率与频率派概率,以及在统计中对于真实参数的假设。3.概率密度的万能近似器4.简单介绍一下sigmoid,relu,softplus,tanh,RBF及其应用场景5.Jacobian,Hessian矩阵及其在深度学...
代码星球
·
2021-02-20
深度
学习
面试
MOT中的Data Association(三):基于深度学习的端到端数据关联
作者:黄飘链接:https://zhuanlan.zhihu.com/p/111397247来源:知乎近几年由于深度学习框架的兴起,端到端的训练和推理框架展现出一定的数据利用优势,而传统的数据关联算法基本都不满足可导可微的特性,因此出现了很多近似的端到端数据关联框架。这里由于篇幅有限,如果专栏和...
代码星球
·
2021-02-17
MOT
中的
Data
Association
基于
深度学习中的五种归一化(BN、LN、IN、GN和SN)
BatchNormalization;LayerNormalizaiton;InstanceNormalization;GroupNormalization;SwitchableNormalization。whynormalization?神经网络学习过程的本质就是为了学习数据分布,如果我们没有做归一化处理,那么每一批...
代码星球
·
2021-02-17
深度
学习
中的
五种
归一
最简单的---了解深度学习训练搭建流程
importtorchimporttorchvisionimportmatplotlib.pyplotaspltimporttorch.nnasnnimporttorch.nn.functionalasFfromtorch.utils.dataimportDataLoaderfromtorchvision.transf...
代码星球
·
2021-02-17
最简单
了解
深度
学习
训练
算法工程师<深度学习基础>
<深度学习基础>卷积神经网络,循环神经网络,LSTM与GRU,梯度消失与梯度爆炸,激活函数,防止过拟合的方法,dropout,batchnormalization,各类经典的网络结构,各类优化方法1、卷积神经网络工作原理的直观解释https://www.zhihu.com/question/39022858...
代码星球
·
2021-02-16
算法
工程师
LeetCode(111):二叉树的最小深度
Easy!题目描述:给定一个二叉树,找出其最小深度。最小深度是从根节点到最近叶子节点的最短路径上的节点数量。说明: 叶子节点是指没有子节点的节点。示例:给定二叉树 [3,9,20,null,null,15,7],3/920/157返回它的最小深度 2.解题思路:二叉树的经典问题之最小深度问...
代码星球
·
2021-02-16
LeetCode
二叉
最小
深度
LeetCode(104):二叉树的最大深度
Easy!题目描述:给定一个二叉树,找出其最大深度。二叉树的深度为根节点到最远叶子节点的最长路径上的节点数。说明: 叶子节点是指没有子节点的节点。示例:给定二叉树 [3,9,20,null,null,15,7],3/920/157返回它的最大深度 3。解题思路:求二叉树的最大深度问题用到深...
代码星球
·
2021-02-16
LeetCode
二叉
最大
深度
深度学习Bible学习笔记:第七章 深度学习中的正则化
一、正则化介绍问题:为什么要正则化? NFL(没有免费的午餐)定理: 没有一种ML算法总是比别的好 好算法和坏算法的期望值相同,甚至最优算法跟随机猜测一样 前提:所有问题等概率出现且同等重要 实际并非如此,具体情况具体分析,把当前问题解决好就行了 不要指望找到放之四海而皆准的...
代码星球
·
2021-02-16
学习
深度
Bible
笔记
第七
Deep Learning系统实训之一:深度学习基础知识
K-近邻与交叉验证1选取超参数的正确方法是:将原始训练集分为训练集和验证集,我们在验证集上尝试不同的超参数,最后保留表现最好的那个。2如果训练数据量不够,使用交叉验证法,它能帮助我们在选取最优超参数的时候减少噪音。3一旦找到最优的超参数,就让算法以该参数在测试集跑且只跑一次,并根据测试结果评价算法。4最近邻分类器能够在...
代码星球
·
2021-02-16
Deep
Learning
系统
实训
之一
深度学习Bible学习笔记:第六章 深度前馈网络
第四章数值计算(numericalcalculation)和第五章机器学习基础下去自己看。 一、深度前馈网络(DeepFeedfarwardNetwork,DFN)概要:DFN:深度前馈网络,或前馈神经网络(FFN)/多层感知机(MLP)目标:近似模拟某函数f y=f(x;θ) 学习参数θ的值,得...
代码星球
·
2021-02-16
深度
学习
Bible
笔记
第六
深度学习Bible学习笔记:第二、三章 线性代数 概率与信息论
推荐资源:《线性代数的本质》:Essenceoflinearalgebra视频教程《数学之美》(科普类书籍),吴军系列书籍都不错。易向军《大嘴巴漫谈数据挖掘》,通俗生动,不枯燥。...
代码星球
·
2021-02-16
学习
深度
Bible
笔记
第二
深度学习Bible学习笔记:第一章 前言
写在前面:请务必踏踏实实看书,结合笔记或视频来理解学习,任何技术,啃砖头是最扎实最系统的,为避免知识碎片化,切忌抛却书本的学习!!! 一什么是深度学习1关于AI:AI系统必须具备从原始数据提取模式的能力——机器学习;算法性能依赖于数据表示(表示学习);传统机器学习:人工提取特征深度学习:源于并高于传统神经网络...
代码星球
·
2021-02-16
学习
深度
Bible
笔记
第一章
首页
上一页
1
2
3
4
5
...
下一页
尾页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他