按时间归档：2022年03月
-
PyTorch中的squeeze()和unsqueeze()详解与应用案例
1.torch.squeeze squeeze的用法主要就是对数据的维度进行压缩或者解压。 先看torch.squeeze() 这个函数主要对数据的维度进行压缩，去掉维数为1的的维…
-
StratifiedShuffleSplit实现分层抽样交叉验证
StratifiedShuffleSplit() 实现分层抽样交叉验证 1. K-折交叉验证法 交叉验证通常采用K-折交叉验证法–将训练数据拆分成K份，用其中K-1份进行训练，剩下…
-
人群计数 MCNN 解析 PGCNet
人群统计研究的发展 传统的：直接回归计数法— input(图片)——>outout(人数)参考 目前深度学习主流的： input(图片)——>output(…
-
用生成的数据训练yolov5
已经有很多的博文讲解了yolov5的原理以及如何用标注的数据，比如深入浅出Yolo系列之Yolov5核心基础知识完整讲解 但是，标记数据是一项耗时且劳动密集型的任务。使用生成的数据…
-
【读论文】Learning the Kernel Matrix with Semi-Definite Programming.（2002）
【读论文】Learning the Kernel Matrix with Semi-Definite Programming.（2002）用半定编程学习核矩阵 Gert R. G.…
-
Transformer及其在low-level vision中的应用
Transformer是最近比较火的深度学习模型，它抛弃了传统的CNN和RNN，提出了一种全新的模型架构。借助于新的模型和大规模数据训练，transformer刷新了NLP和CV许…
-
神经网络中的 Dropout 以及变体方法
Dropout 的学习笔记，主要参考文章： 12种主要的Dropout方法：如何应用于DNNs，CNNs，RNNs中的数学和可视化解释 【科普】神经网络中的随机去激活方法 1. 简…
-
特征工程：特征提取简介（附案例）
1.字典特征提取 特征值字典数据 特征提取的API sklearn.feature_extraction transfer.fit_transform(X)：X：字典或者包含字典迭…
-
论文阅读-FASPell: A Fast, Adaptable, Simple, Powerful Chinese Spell Checker Based
来源：爱奇艺 EMNLP2019 Workshop 论文：https://aclanthology.org/D19-5522.pdf 代码：GitHub – iqiyi…
-
机器学习 第1章 绪论
第一章介绍 1.1引言 机器学习研究的内容，是关于在计算机上从数据产生“模型”的算法，即”学习算法“，有了学习算法，我们把经验数据提供给它，他就能基于这些数据产生模型；面对新的情况…
