损失函数改进

3.10 项目总结

-定义损失函数和优化器。-训练模型并评估其性能。-可视化训练结果。内容分析1.数据加载和预处理：-使用`torchvision.datasets`加载MN
不要不开心了·2025-03-11 01:58

从0开始的操作系统手搓教程46——实现wait和exit

目录作点基础工作改进一下pidc分配完成线程最后的一些功能实现wait和exitexit和wait是成对使用的，通常在父子进程的管理中起到关键作用。exit是用来结束进程运行的系统调用。
charlie114514191·2025-03-10 21:04

【深度学习】Adam（Adaptive Moment Estimation）优化算法

通过动态调整每个参数的学习率，在非平稳目标（如深度神经网络的损失函数）中表现优异目录基本原理和公式笼统说明：为什么Adam算法可以帮助模型找到更好的参数基本概念动量（Momentum）：跟踪梯度的指数衰减平均
辰尘_星启·2025-03-10 20:51

同一个问题看看Grok3怎么回答-什么是智能体？

证据倾向于认为，智能体可以是简单的（如恒温器），也可以是复杂的（如自动驾驶汽车），并可能通过机器学习改进性能。
释迦呼呼·2025-03-10 18:40

关于网络数通工程师 IPsec 协议的常见面试问题(2)。

以下是IPsec协议在面试中可能涉及的进阶问题及补充知识点，涵盖技术细节、部署优化和实际场景分析：八、协议交互流程细节IKEv1与IKEv2的区别问：IKEv2相比IKEv1有哪些改进？
他不爱吃香菜·2025-03-10 15:45

基于信息间隙决策理论的碳捕集电厂调度(Matlab代码实现）

概述基于信息间隙决策理论（IGDT）的碳捕集电厂调度研究综述一、信息间隙决策理论（IGDT）的定义与核心原理二、碳捕集电厂调度的主要研究方向与挑战三、IGDT在碳捕集电厂调度中的模型框架四、现有调度方法的局限性及IGDT的改进五
砌墙_2301·2025-03-10 14:06

【2025软考高级架构师】重点笔记部分——3、系统规划、分析与设计

目录一.系统规划1.1项目的提出与选择1.2可行性研究与效益分析1.3方案的制订和改进1.4新旧系统分析和比较二.系统分析与设计2.1定义问题与归结模型2.2需求2.2.1需求工程2.2.2需求分析2.3
Richard Chijq·2025-03-10 13:02

基于PyTorch的深度学习5——神经网络工具箱

3)损失函数：参数学习的目标函
Wis4e·2025-03-10 07:49

如何成为LangChain项目的贡献者

此项目欢迎社区的参与，无论是新功能、基础设施改进、文档提升还是Bug修复，都在积极寻求贡献。核心原则解析参与开源项目不仅能提升个人技能，还能为社区带来价值。
eahba·2025-03-10 06:11

每日AIGC最新进展(41)：上海AI Lab提出新型DiT结构Lumina-Next、Adobe研究院提出图像与文本对齐方法AlignIT、新型多模态图像生成模型MUMU

DiffusionModels专栏文章汇总：入门与实战Lumina-Next:MakingLumina-T2XStrongerandFasterwithNext-DiTLumina-Next是一种新型的生成模型，旨在通过改进的
沉迷单车的追风少年·2025-03-10 01:06

WebGPT: 基于浏览器辅助的问答系统，结合人类反馈优化答案质量

主要贡献包括：创建了一个基于文本的网络浏览环境，使得模型可以互动，从而改进了检索和合成。生成带有参考文献
土豆.exe·2025-03-10 00:30

PyTorch 学习路线

机器学习基础：理解神经网络、损失函数、优化器（如梯度下降）等概念。学习资源Python入门：Python官方教程机器学习基础
gorgor在码农·2025-03-09 22:07

PyTorch：Python深度学习框架使用详解

丰富的API：提供了丰富的神经网络层、函数和损失函数。跨平
零 度°·2025-03-09 21:25

技术债务未纳入计划管理怎么办

，因为只有清晰了解现有系统中累积的技术债务，才能在项目计划中合理安排修正工作，防止负债失控；动态整合则要求将技术债务作为项目计划的重要组成部分，实时监控并定期调整修复策略；持续优化确保在项目迭代中不断改进和预防新的技术债务生成
·2025-03-09 21:25

（ECCV2018）CBAM改进思路

论文链接：https://arxiv.org/abs/1807.06521论文题目：CBAM:ConvolutionalBlockAttentionModule会议：ECCV2018论文方法利用特征的通道间关系生成了一个通道注意图。由于特征映射的每个通道被认为是一个特征检测器，通道注意力集中在给定输入图像的“什么”是有意义的。为了有效地计算通道注意力，我们压缩了输入特征映射的空间维度。对于空间信息
这张生成的图像能检测吗·2025-03-09 19:12

HTML5 表单属性

HTML5表单属性引言HTML5作为新一代的网页标准，带来了许多新的特性和改进。在表单处理方面，HTML5引入了一系列新的表单属性，这些属性使得表单的创建和使用更加灵活和强大。
lly202406·2025-03-09 19:41

技术债务未纳入计划管理怎么办

，因为只有清晰了解现有系统中累积的技术债务，才能在项目计划中合理安排修正工作，防止负债失控；动态整合则要求将技术债务作为项目计划的重要组成部分，实时监控并定期调整修复策略；持续优化确保在项目迭代中不断改进和预防新的技术债务生成
·2025-03-09 16:49

【面经&八股】搜广推方向：面试记录（九）

4.八股写一下LR—逻辑回归损失公式：当y=1时，损失函数等于y_hat的负对数，即越接近1，损失越小；越
秋冬无暖阳°·2025-03-09 13:51

【深度学习】PyTorch v2.6 Overview

2torch.nn神经网络模块包含构建神经网络所需的各种模块，如层、损失函数等。3torch.nn.functio
OpenSeek·2025-03-09 11:37

鸿蒙的底层是linux吗？

下面详细解释这一点：鸿蒙系统与Linux的关系‌技术根基‌：鸿蒙系统采用了Linux内核作为其底层的一部分，但华为在Linux的基础上进行了大量的优化和改进，以适应鸿蒙系统的特定需求和华为自家的硬件设备及软件生态
博览鸿蒙·2025-03-09 09:21

Zama TFHE-rs v1.0 发布

此版本中最显著的改进是：关键参数的细化，这增强了密码学安全性，保留了性能并优化了它们以用于分布式协议。还引入了官方手册和简化的贡献流程。值得
mutourend·2025-03-09 06:35

tensorflow keras 报错 ：No gradients provided for any variable 原因与解决办法

错误分析Nogradientsprovidedforanyvariable这个意思是没有梯度给已知的所有函数，为什么会出现这个错误呢，因为在深度学习中，梯度的更新是由于反向传播算法的实现的，如果损失函数没有与已知的任何
研志必有功·2025-03-09 06:26

Python 3.13 的改进

Python3.13的改进Python3.13是一个充满新功能和改进的优秀版本，已经有大量文章详细介绍了发布说明。因此，本文不会讨论那些已经耳熟能详的内容，只就几个不鲜为人知的改进给予介绍。
CS创新实验室·2025-03-09 06:54

cv君独家视角 | AI内幕系列十四：【手机、相机防抖大揭秘】数字防抖、鸡头防抖、光学防抖、AI防抖等(附源码+长期更新)

目录摘要主要防抖技术手机防抖对比某拇指相机技术分析：1.基础介绍2.功能需求2.1功能背景2.2技术背景与技术选型2.3技术方案2.4可行性落地链路2.5竞品调研与市场分析2.6防抖主客观评价源码实现运动防抖步骤：代码实现性能优化与改进代码改进进一步改进与应用深度学习方法示例实时处理与应用示例运动摄影无人机航拍摄像头防抖设备计算资源需求复杂场景处理参数调整和优化实时处理需求误差累积并行和分布式处理
cv君·2025-03-09 05:32

如何评价研发部门的人效

研发部门人效评价的核心在于：明确评估指标、量化绩效数据、结合定性分析、持续改进流程。其中，明确评估指标是基础，只有设定清晰、可量化的指标，才能有效衡量团队和个人的绩效。
·2025-03-09 04:00

（Pytorch）动手学深度学习：基础内容（持续更新）

课件代码)关于线性代数内积(数量积、点乘)外积关于数据操作X.sum(0,keepdim=True)和X.sum(1,keepdim=True)广播机制(broadcast)Softmax函数和交叉熵损失函数
孔表表uuu·2025-03-09 01:48

后台数据报表导出数据量过大问题

现状分析之前在mysql业务库,导出报表会出现各种表相互关联，导致夯死的情况改进使用ClickHouse做宽表后面使用binlog监听，洗数据洗成一张宽表，存放在ck中，但是发现超过一定数量级100w也会很卡慢
FLGB·2025-03-09 00:10

Meta 计划在 Llama 4 中引入改进的语音功能，接近双向自然对话

关于Meta计划在Llama4中引入改进语音功能并接近双向自然对话，具体情况如下1：功能特点原生语音处理：Llama4能够直接处理语音信息，无需先将语音转换为文本再输入模型处理，最后又将文本转换回语音，
timer_017·2025-03-08 23:28

判断一个数是否是素数——Java（进阶高效算法）

本文续写上一篇文章：判断一个数是否是素数——Java（初阶低效算法）上一篇中的for循环是从3直到n-1，这里通过Math.sqrt(n)的方法做出改进，使得循环的次数变少以加快运算效率和速率一、Math.sqrt
Pniubi·2025-03-08 18:18

YOLOv12改进策略【注意力机制篇】| 引入MobileNetv4中的Mobile MQA，轻量化注意力模块 提高模型效率（二次改进A2C2f）

一、本文介绍本文记录的是基于MobileMQA模块的YOLOv12目标检测改进方法研究。
Limiiiing·2025-03-08 15:21

Triplet Loss原理及 Python实现

AUnifiedEmbeddingforFaceRecognitionandClustering论文中提出的，可以学到较好的人脸的embeddingTripletLoss是一种用于训练特征嵌入（featureembedding）的损失函数
AIGC_ZY·2025-03-08 15:21

基于 Python 对百度热搜 “Manus 推出引发科技圈震动” 的数据分析

关键词提取与词频统计2.5情感分析（简单示例，实际可采用更复杂模型）2.6数据可视化三、主要的代码难点解析3.1数据收集3.2数据清洗-文本预处理3.3关键词提取与词频统计3.4情感分析3.5数据可视化四、可能改进的代码
萧十一郎@·2025-03-08 13:58

【Python】Python中的heapq模块详解，令人费解的_siftup与_siftdown函数

模块的作用heappush函数heappop函数heappush函数与_siftdown函数改良后的heap_push函数heappop函数与_siftup函数改良后的heap_pop函数heapq模块与改进后的
观海胸襟阔·2025-03-08 08:08

ResNet 改进：轻量级的混合本地信道注意机制MLCA

目录1.MLCA注意力机制2.改进位置3.完整代码Tips：融入模块后的网络经过测试，可以直接使用，设置好输入和输出的图片维度即可1.MLCA注意力机制MLCA（MixedLocalChannelAttention
听风吹等浪起·2025-03-08 06:29

Python与数据可视化库Seaborn实战

Python与数据可视化库Seaborn实战一、引言二、技术概述Seaborn介绍核心特性和优势代码示例：简单散点图三、技术细节技术原理技术难点四、实战应用应用场景问题与解决方案五、优化与改进潜在问题改进建议六
master_chenchengg·2025-03-08 06:25

【YOLOv12改进trick】StarBlock引入YOLOv12，创新涨点优化，含创新点Python代码，方便发论文

改进模块：StarBlock解决问题：采用StarBlock将输入数据映射到一个极高维的非线性特征空间,生成丰富的特征表示，使得模型在处理复杂数据时更加有效。
zy_destiny·2025-03-08 02:46

第0节 机器学习与深度学习介绍

人工智能：能够感知、推理、行动和适应的程序机器学习：能够随着数据量的增加而不断改进性能的算法（数学上的可解释性但准确率不是百分百，灵活度不高）深度学习：机器学习的一个子集：利用多层神经网络从大量数据中进行学习
汉堡go·2025-03-08 01:34

迁移也有温度，隆重推荐：温迁移

作为后端持续改进计划的一部分，Akamai开发了一种更快速调整云平台中虚拟机规模的方法，不仅如此，这种方法还可以在将虚拟机迁移到不同主机时显著降低日常维护期间的停机时间。
·2025-03-07 21:00

VMware Tools系列四：VMware Tools和open-vm-tools有何区别

-提供的功能包括改进的图形性能、拖放文件、复制粘贴、自动调整屏幕分辨率、时间同步等。-通常在安装VMware虚拟机的操作系统后安装。2.open-vm-to
学堂在线·2025-03-07 20:44

如何通过卷积神经网络（CNN）有效地提取图像的局部特征，并在CIFAR-10数据集上实现高精度的分类？

目录1.CNN提取图像局部特征的原理2.在CIFAR-10数据集上实现高精度分类的步骤2.1数据准备2.2构建CNN模型2.3定义损失函数和优化器2.4训练模型2.5测试模型3.提高分类精度的技巧卷积神经网络
浪九天·2025-03-07 19:27

【智能算法】Dijkstra算法

目录一、Dijkstra算法概述1.1基本概念1.2算法思想1.3算法步骤1.4算法特点二、Dijkstra算法优缺点和改进2.1Dijkstra算法优点2.2Dijkstra算法缺点2.3Dijkstra
大雨淅淅·2025-03-07 14:47

【路径规划】二维Dijkstra启发式改进算法

我们使用了A*算法的启发式（曼哈顿距离）来改进Dijkstra算法的性能。
神精兵院院长·2025-03-07 13:41

YOLOv10改进之MHAF(多分支辅助特征金字塔)

主干网络采用改进的Darknet结构，增强特征提取能力。特征金字塔模块使用多尺度特征融合技术，提高对不同大小目标的检测效果。预测头则负责生成最终的检测结果。
清风AI·2025-03-07 11:20

Pycharm2018 中文版安装教程

中文版安装教程软件简介：PyCharm是一款IDE集成开发环境，主要功能包括代码调试、语法高亮、智能提示、单元测试、版本控制等，新版2018版添加了对Python3.7支持，增加了多行TODO注释、时间跟踪、以及改进
ZCY5202015·2025-03-07 11:07

大模型最新面试题系列：训练篇之模型监控与调试

关键指标损失函数值：包括训练损失和验证损失，反映模型在训练和验证数据上的拟合程度。准确率：分类任务中的预测正确样本占总样本的比例，评估模型的预测能力。
人肉推土机·2025-03-07 10:21

YOLOv12改进之A2(区域注意力)

在YOLOv12改进之A2中，注意力机制扮演着关键角色。已有研究成果包括：Transformer架构：引入了自注意力机制，有效捕捉输入序列中的长距离依赖关系。
清风AI·2025-03-07 00:39

完整集合经验模态分解（CEEMD）详解

完整集合经验模态分解（CEEMD）详解目录前言从EMD到EEMD再到CEEMDEMD（经验模态分解）回顾EEMD（集合经验模态分解）的改进与不足CEEMD（完整集合经验模态分解）的原理噪声对（noisepairs
DuHz·2025-03-06 23:27

深度学习_第二轮

损失函数对偏置和权重求导，x、y作为常量确实，当进行模型训练时，(x)和(y)分别代表输入特征和对应的输出值，它们以数据点对的形式存在，一个数据集中通常包含多对这样的数据。
Humingway·2025-03-06 22:16

Python 机器学习 基础 之 模型评估与改进 【评估指标与评分】的简单说明

Python机器学习基础之模型评估与改进【评估指标与评分】的简单说明目录Python机器学习基础之模型评估与改进【评估指标与评分】的简单说明一、简单介绍二、评估指标与评分1、牢记最终目标2、二分类指标1
仙魁XAN·2025-03-06 18:38

大模型入门

Transformer架构的持续演进体现在位置编码改进（如RoPE旋转位置编码）、注意力机制优化（FlashAttention算法提升30%训练速度）以及层级结构创新（深度
24k小善·2025-03-06 17:05
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他