按时间归档:2022年04月
-
【深度学习】如何分配训练集、验证集、测试集的比例
1. 小规模数据集 对于传统机器学习阶段(数据集在万这个数量级),一般分配比例为训练集和测试集的比例为7:3或是8:2。为了进一步降低信息泄露同时更准确的反应模型的效能,更为常见的…
-
异质网络模型HetGNN论文总结理解
论文题目:Heterogeneous Graph Neural Network 论文来源:KDD 2019 论文链接:https://www3.nd.edu/~dial/publi…
-
动手学深度学习 第三章 线性神经网络 练习(Pytorch版)
线性神经网络 线性回归 概括 机器学习模型中的关键元素是训练数据、损失函数、优化算法和模型本身。 矢量化使数学变得更简单、更快。 最小化目标函数相当于执行最大似然估计。 线性回归模…
-
影响神经网络训练速度的因素及加速神经网络训练的方法
在深度学习任务中,虽然可以通过堆叠参数和设计更复杂的结构来提高模型的表示能力,但这也会导致模型计算量的增加和训练时间的延长。因此,模型预测的好坏并不是唯一的考虑因素,长时间的训练会…
-
【pytorch】自己实现精简版YOLOV3【三】,YOLOV3输入图片预处理:输入图片缩放及将生成预测框还原至原图
继续上一篇博文:Yolov3网络的输入默认为416×416,然后待检测的图片不总是416×416,这就产生了如何将待检测图片,在不破坏特征的情况下缩放至416&…
-
理清 NVIDIA,CUDA,cuDNN,nvcc 关系 && CUDA 环境安装
概念介绍 NVIDIA 驱动:显卡驱动,安装后可以使用 nvidia-smi 命令。 CUDA:CUDA是一个并行计算平台和编程模型,能够使得使用GPU进行通用计算变得简单和优雅。…
-
RGBD-SLAM总结
一、SLAM技术回顾 SLAM,即时定位与制图,包含3个关键词:实时、定位、制图,就是实时完成定位和制图的任务,这就是SLAM要解决的基本任务。 按照使用的传感器分为激光SLAM(…
-
The Past Mistake is the Future Wisdom: Error-driven ContrastiveProbability Optimization for Chinese
来源:acl2022 findings 链接:https://arxiv.org/pdf/2203.00991.pdf 代码:没有 内容 任务 动机 模型 Negative sam…
-
【图像处理】图像离散小波变换(Discrete Wavelet Transform)及python代码实现
Motivation 看到有论文用到了图像的Haar Discrete Wavelet Transform(HDWT),前面也听老师提到过用小波变换做去噪、超分的文章,于是借着这个…
-
PCM+PRCM,改进CAM的新方案
前言 在弱监督语义分割(WSSS)中,CAM有着至关重要的作用,之前博主也在博客中实现过基本的CAM,但是效果有限,而 Complementary Patch for Weakly…