判别

TensorFlow深度学习实战——DCGAN详解与实现

TensorFlow深度学习实战——DCGAN详解与实现0.前言1.DCGAN架构2.构建DCGAN生成手写数字图像2.1生成器与判别器架构2.2构建DCGAN相关链接0.前言深度卷积生成对抗网络(DeepConvolutionalGenerativeAdversarialNetwork
盼小辉丶·2025-07-20 23:59

那时随便评判别人的生活只是因为懂的太少

有那么一段时日，因为奶奶与婶婶之间的不睦，对于身边的很多人，有颇多的不屑。奶奶与婶婶之间的婆媳不睦由来已久。以前对于她们之间的那诸多矛盾很是无语。觉得奶奶活到那么大把年纪了，何必再去计较那么多呢！婶婶也是，对于年纪那么大的老人家，何必再那样尖酸呢。那个时候觉得两个人活那么大把年纪了，那么多东西还看不开，放不下。那一把年纪都白活了吗，活了一辈子都没有活明白，真是可悲。直到后来，有一次因为心里很难过跟
宸琳·2025-07-20 13:04

【深度学习基础】PyTorch中model.eval()与with torch.no_grad()以及detach的区别与联系？

目录1.核心功能对比2.使用场景对比3.区别与联系4.典型代码示例(1)模型评估阶段(2)GAN训练中的判别器更新(3)提取中间特征5.关键区别总结6.常见问题与解决方案(1)问题：推理阶段显存爆掉(2
·2025-07-19 22:01

级别的认识及定义

之后的背驰的判别就只是后面的时间周期了。不过缠论中也有解释这两者级别的区别。真正的级别是单根K线、K线包容关系、分型、笔、线段、中枢、走势类型。而时间周期只是不同级别
无缠01·2025-07-19 21:55

LLM-生成器判别器的实现

然后，使用训练好的生成判别器，对每个可能的生成结果进行打分，得到pθ(c∣x1:t)p_\theta(c|x_{1:t})pθ(c∣x1:t)。
·2025-07-12 12:23

【零基础学AI】第30讲：生成对抗网络(GAN)实战 - 手写数字生成

本节课你将学到GAN的基本原理和工作机制使用PyTorch构建生成器和判别器DCGAN架构实现技巧训练GAN模型的实用技巧开始之前环境要求Python3.8+需要安装的包：pipinstalltorchtorchvisionmatplotlibnumpyGPU
1989·2025-07-10 00:41

机器学习知识点复习 上（保研、复试、面试）百面机器学习笔记

4.过拟合和欠拟合三、经典算法1.支持向量机SVM2.逻辑回归3.决策树四、降维1.主成分分析（PrinalComponentsAnalysis,PCA）降维中最经典的方法2.线性判别分析
·2025-07-08 20:36

Python训练营打卡 Day53

对抗生成网络知识点回顾：对抗生成网络的思想：关注损失从何而来生成器、判别器nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法leakyReLU介绍：避免relu的神经元失活现象对抗生成网络
yunvwugua__·2025-07-07 22:03

医疗影像诊断新范式：多模态AI在癌症早筛中的落地难题

在癌症早筛中的落地难题——2025年临床转化瓶颈突破与多中心验证报告残酷现实：FDA2025Q1报告显示，87%的AI影像工具因临床转化失败止步于III期试验破局曙光：斯坦福-梅奥联合研究证实，多模态融合使肺结节良恶性判别
HeartException·2025-07-06 17:30

CHAIN（GAN的一种）训练自己的数据集

简介简介：作者针对数据有限场景下GANs训练中的判别器过拟合问题，提出了CHAIN（Lipschitz连续性约束归一化）方法。
这张生成的图像能检测吗·2025-07-06 09:21

【2025CVPR】SEC-Prompt：少样本增量学习中的语义互补提示模型详解

目录一、研究背景：少样本增量学习的挑战二、SEC-Prompt核心原理1.自适应层次化查询（AdaptiveHierarchicalQuery）2.语义互补提示机制（1）判别性提示（D-Prompt）（
清风AI·2025-07-05 14:19

深度解析生成式 AI：从技术原理到实战应用

与传统判别式AI（如图像分类）不同，生成式AI实现了从"识别"到"创造"的跨越，典型应用包括：文本领域：ChatGPT对话系统、小说自动生成图像领域：MidJourney艺术创
LNL13·2025-07-05 00:45

Python Day53

Task：1.对抗生成网络的思想：关注损失从何而来2.生成器、判别器3.nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法4.leakyReLU介绍：避免relu的神经元失活现象1
别勉.·2025-07-03 07:56

[2025CVPR]DE-GANs:一种高效的生成对抗网络

目录引言：数据高效GAN的困境核心原理：动态质量筛选机制1.判别器拒绝采样（DRS）的再思考2.质量感知动态拒绝公式（1）质量感知阶段（2）动态拒绝阶段模型架构：轻量化设计技术突破：三大创新点1.首创训练阶段
清风AI·2025-07-02 12:36

2-感知机学习算法

感知机模型感知机学习策略学习算法算法收敛性对偶形式与线性SVM的异同感知机（perceptron）是一个线性二分类模型，其目的是寻找一个超平面将正负示例划分开，属于判别模型，也是神经网络与SVM的基础。
罗东琦·2025-07-01 16:07

感知机学习

基本概念：感知机是二类分类的线性分类模型，对应于特征空间中将实例划分为正负两类的分离超平面，属判别模型。感知机学习旨在求出将训练数据进行线性划分的分离超平面。
Collin_NLP·2025-07-01 15:34

从决策树到随机森林：Python机器学习里的“树形家族“深度实战与原理拆解

无论是医疗诊断中的疾病预测，还是金融风控里的违约判别，这对组合都用强大的适应性证明着自己的"算法常青树"地位。今天，我们就从原理到实
小张在编程·2025-06-29 17:06

大数据智能风控核心：模型

概述模型线性判别分析方法，SirRonaldFisher最早提出模型评分的概念。个人FICO模型信用分。
johnny233·2025-06-29 16:23

人工智能-基础篇-5-建模方式（判别式模型和生成式模型）

机器学习包括了多种建模方式，其中判别式建模（DiscriminativeModel）和生成式建模是最常见的两种。这两种建模方式都可以通过深度学习技术来实现，并用于创建不同类型的模型。
·2025-06-28 01:53

JAVA基础：讲一下equals()与hashcode()，什么时候重写，为什么重写，怎么重写？

因为equals方法进行重写，那么原本不同的两个对象可能就会相同了，比如两个学生，我们的eqauls判别标准是两个学生的id相同，就会认为(学生A).equals(学生B)，然而A与B显然是不同的对象，
Hellyc·2025-06-26 15:56

WebRTC 语音激活检测(VAD)算法

但是目前的语音激活检测，尤其是检测人声开始和结束的端点始终是属于技术难点，各家公司始终处于能判断，但是不敢保证判别准确性的阶段。
u013250861·2025-06-25 07:13

大模型学习路线：这会是你见过最全最新的大模型学习路线【2025最新】

先快速上手体验prompt工程，然后再学习其架构，跑微调脚本如果要深入学习，建议再按以下步骤，从更基础的GPT和BERT学起，因为底层是相通的，而且实际落地到一个系统中，应该也是大模型结合小模型（大模型在做判别性的任务上
大模型入门学习·2025-06-23 00:56

day53python打卡

知识点回顾：对抗生成网络的思想：关注损失从何而来生成器、判别器nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法leakyReLU介绍：避免relu的神经元失活现象ps；如果你学有余力
qq_58459892·2025-06-22 21:37

领略生成式AI在AI人工智能中的风采

领略生成式AI在AI人工智能中的风采关键词：生成式AI、判别式AI、大语言模型、扩散模型、多模态生成摘要：本文将带你走进生成式AI的奇妙世界，用“做蛋糕”“玩拼图”等生活案例，从基础概念到前沿应用，一步步解析生成式
AI大模型应用实战·2025-06-20 12:27

目标检测中存在的部分难点及相应解决思路

难点：1.由本身定义导致的rgb信息过少，因而包含的判别性特征特征过少。2.数据集方面的不平衡。这主要针对COCO而言，COCO中只有51.82%的图片包含小物体，存在严重的图像级不平衡。
殇者知忧·2025-06-20 09:30

【深度学习|学习笔记】生成模型（Generative Model）和判别模型（Discriminative Model）的原理、数学定义、经典模型、优劣对比、联系与融合详解。

【深度学习|学习笔记】生成模型（GenerativeModel）和判别模型（DiscriminativeModel）的原理、数学定义、经典模型、优劣对比、联系与融合详解。
努力毕业的小土博^_^·2025-06-19 18:14

python打卡day53@浙大疏锦行

知识点回顾：对抗生成网络的思想：关注损失从何而来生成器、判别器nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法leakyReLU介绍：避免relu的神经元失活现象ps；如果你学有余力
风逸hhh·2025-06-19 17:32

打卡Day53

知识点：1.对抗生成网络的思想：关注损失从何而来2.生成器、判别器3.nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法4.leakyReLU介绍：避免relu的神经元失活现象ps
月宝好q·2025-06-19 09:41

基于深度学习的图像生成技术：GAN的进阶探索与应用实践

一、GAN的核心原理回顾生成对抗网络（GAN）由生成器（Generator）和判别器（Discriminator）组成，两者通过对抗性训练过程不断优化。
赵大仁·2025-06-19 07:25

【论文阅读】DynamicControl ：一种新的controlnet多条件控制方法

本文方法从一个双循环控制器开始，它通过利用预先训练的条件生成模型和判别模型为所有输入条件生
prinTao·2025-06-18 19:33

DAY 53 对抗生成网络

知识点回顾：对抗生成网络的思想：关注损失从何而来生成器、判别器nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法leakyReLU介绍：避免relu的神经元失活现象ps；如果你学有余力
MasterLLL0228·2025-06-17 01:45

2025年大模型学习路线图：史上最全、最新的大模型学习指南！非常详细收藏这一篇就够了！

如果要深入学习，建议再按以下步骤，从更基础的GPT和BERT学起，因为底层是相通的，而且实际落地到一个系统中，应该也是大模型结合小模型（大模型在做判别性的任务上，比BERT优势不是特别大
大模型教程·2025-06-15 16:42

python打卡第53天

知识点回顾：对抗生成网络的思想：关注损失从何而来生成器、判别器nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法leakyReLU介绍：避免relu的神经元失活现象importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.utils.dataimportDataLoader
whyeekkk·2025-06-14 07:00

【大模型入门】2025年大模型学习路线图：史上最全、最新的学习指南，助你成为AI领域的佼佼者！

如果要深入学习，建议再按以下步骤，从更基础的GPT和BERT学起，因为底层是相通的，而且实际落地到一个系统中，应该也是大模型结合小模型（大模型在做判别性的任务上，比BERT优势不是特别大
·2025-06-10 12:15

5.15 day21

知识点回顾：LDA线性判别PCA主成分分析t-sne降维自由作业：探索下什么时候用到降维？降维的主要应用？或者让ai给你出题，群里的同学互相学习下。
AщYΘ·2025-06-07 15:17

深度学习网络架构与应用：CNN、RNN、GAN三大核心模型解析

CNN凭借其局部感受野和参数共享机制，在图像分类与目标检测领域展现出卓越性能；RNN通过循环结构有效处理序列数据，在文本生成等任务中发挥重要作用；GAN则利用生成器与判别器的对抗博弈，生成逼真数据。
you的日常·2025-06-07 04:36

C语言的”代码化石“出土：1979年的英文文本判别器

各位参观者请看，图中是一段出土自 UnixV7 系统“遗迹”的 C 语言代码，这段代码可追溯至距今 40 余年的 1979 年左右，作者是 IanDarwin。它是早期 file 命令源代码的一部分。file 命令用于在不依赖文件扩展名的情况下判断文件类型——当“打开方式不对”时，file 命令能告诉你文件中实际包含的内容。直到今天，大多数类 Unix 操作系统里还能见到 file 命令的身影。现
·2025-06-06 14:52

生成式AI模型学习笔记

文章目录生成式AI模型1.定义2.生成式模型与判别式模型3.深度生成式模型的类型3.1能量模型3.2变分自编码3.2.1变分自编码器（VariationalAutoencoder,VAE）简介3.2.2
Humbunklung·2025-06-06 09:19

数学建模期末速成 聚类分析与判别分析

判别分析是已知类别，在已知训练样本的前提下，利用训练样本得到判别函数，然后对未知类别的测试样本判别其类别。
HCl+NaOH＝NaCl+H_2O·2025-06-06 08:18

基于LDA的人脸识别算法及Matlab代码

本文将介绍一种基于线性判别分析（LinearDiscriminantAnalysis，简称LDA）的人脸识别算法，并提供相应的Matlab代码实现。
翠绿探寻·2025-06-05 19:18

基于Matlab实现LDA算法

线性判别分析（LinearDiscriminantAnalysis,LDA）是一种经典的统计方法，常用于特征降维和分类问题。
Matlab仿真实验室·2025-06-05 19:47

生成对抗网络（GAN）基础原理深度解析：从直观理解到形式化表达

摘要本文详细解析生成对抗网络（GAN）的核心原理，从通俗类比入手，结合印假钞与警察博弈的案例阐述生成器与判别器的对抗机制；通过模型结构示意图，解析噪声采样、样本生成及判别流程；基于公式推导目标函数的数学本质
青柚MATLAB学习·2025-06-04 13:07

图像生成详解

生成器的目标是生成足够逼真的图像，以欺骗判别器认为这些图像是真实的。判别器判别器是一个二分类器，用于判断输入的图像是真实的还是生成的。
水花花花花花·2025-06-03 00:04

如何搭建发挥产品设计价值的流程架构？

到这里，我们就基本上说完了产品体验设计的基本方法，现在你知道了如何洞察用户场景需求、打造沉浸体验、提炼服务的生活主张，也了解了互联网产品的交互设计和界面设计的基本流程和判别标准。
用心去追梦·2025-06-02 16:37

【课堂笔记】生成对抗网络 Generative Adversarial Network（GAN）

文章目录问题背景原理更新过程判别器生成器问题背景  一方面，许多机器学习任务需要大量标注数据，但真实数据可能稀缺或昂贵（如医学影像、稀有事件数据）。
zyq~·2025-06-02 14:22

判断凸四边形_外积

夹角的性质，可以用来解决判别凸多边形，一个点在多边形内等问题。例如：判别凸多边形：向量每个点相连接，假如是多边形ABCD，则得到AB，BC，C
happy的·2025-06-02 07:32

python学习day21

知识点回顾：1.LDA线性判别2.PCA主成分分析3.t-sne降维数据如前几期无监督降维定义：这类算法在降维过程中不使用任何关于数据样本的标签信息输入：只有特征矩阵X。
一叶知秋秋·2025-06-02 06:56

最小二乘准则例题

top}C1:[0,0]⊤,[0,1]⊤C2:[1,0]⊤,[1,1]⊤C_2:{[1,0]^\top,[1,1]^\top}C2:[1,0]⊤,[1,1]⊤利用最小二乘准则（误差平方和准则）求解线性判别函数的权向量
phoenix@Capricornus·2025-06-01 10:31

AI时代新词-生成对抗网络（GAN）

生成对抗网络（GenerativeAdversarialNetwork，简称GAN）是一种由生成器（Generator）和判别器（Discriminator）组成的深度学习模型。
明似水·2025-05-31 19:46

Python打卡训练营day21——2025.05.10

LDA线性判别PCA主成分分析t-sne降维降维技术的应用场景与主要用途降维技术广泛应用于多个领域，尤其是在数据分析、机器学习和数据可视化中扮演着重要角色。
莱茵菜苗·2025-05-31 12:58
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他