梯度稀疏

EMGU.CV入门（十四、图像轮廓）

一、轮廓1.1边缘和轮廓的区别边缘：离散的，断开的轮廓：整体的，连续的边缘检测主要是通过一些手段检测数字图像中明暗变化剧烈（即梯度变化比较大）像素点，偏向于图像中像素点的变化。
LyRics1996·2024-08-28 19:30

邻接表

因为有很多无效的存储空间一个稀疏图，邻接矩阵有无效的存储，所以会MLE。所以就得用到邻接表了！邻接表有两种写法：一种是用数组写的，另一种是vector！
iCrEjfuhhChXjVz·2024-08-28 13:25

【ShuQiHere】SGD vs BGD：搞清楚它们的区别和适用场景

在众多优化算法中，梯度下降法是一种最为常见且有效的手段。
ShuQiHere·2024-08-28 13:20

【学习笔记】第三章深度学习基础——Datawhale X李宏毅苹果书 AI夏令营

局部极小值与鞍点梯度为0的点我们统称为临界点，包括局部极小值、鞍点等局部极小值和鞍点的梯度都为0，那如何判断呢？先请出我们损失函数：L(θ)，θ是模型中的参数的取值，是一个向量。
MoyiTech·2024-08-28 11:38

反向传播算法：深度神经网络学习的核心机制

反向传播算法的基本概念反向传播算法结合了梯度下降优化和链式法则，通过计算损失函数关于网络参数的梯度来更新网络权重。1.损失函数
2402_85758936·2024-08-28 08:22

实现CNN对mnist手写数字分类

CNN中需要理解的主要有两点，稀疏连接SparseConnectivity（每个神经元仅与前一层部分神经元相连接）以及参数共享Para
文哥的学习日记·2024-08-27 23:19

【机器学习】梯度下降算法

梯度下降算法这篇博客更加详细，以下只是我个人的理解梯度下降算法原理讲解——机器学习-CSDN博客梯度下降算法是一种优化算法，通过梯度下降找到函数最小值时的自变量值。
de-feedback·2024-08-27 18:50

【机器学习】特征提取 特征降维

这样的操作把字典样本的每一条数据转化为了矩阵，但是矩阵中含有大量的0（因为数据中的键和值有很多不同），所以称之为稀疏矩阵为了保存数据的高效，一般使用三元组表存储。保存非零数据
de-feedback·2024-08-27 18:20

神经网络深度学习梯度下降算法优化

【神经网络与深度学习】以最通俗易懂的角度解读[梯度下降法及其优化算法]，这一篇就足够（很全很详细）_梯度下降在神经网络中的作用及概念-CSDN博客https://blog.51cto.com/u_15162069
海棠如醉·2024-08-27 15:00

我的玫瑰花开了

一叶孤飞2018.8.9我的玫瑰花开了，不过不是绿色多情的春天是酷辣夏天侧面的菜园只有一株，就是一株一株上只一朵，只一朵稀疏叶片上有些许斑黄那是她放弃春天的凄凉她静悄悄于春之光走来抛开了百花争宠的绿色她甘愿头顶上的酷热和乐亦于烤焦中开放我想不通这是为了什么为什么要在埋怨中开放我只看见一朵
一叶孤飞·2024-08-27 11:47

局部极小值与鞍点 Datawhale X 李宏毅苹果书 AI夏令营

当参数对损失微分为零的时候，梯度下降就不能再更新参数了，训练就停下来了，损失不再下降了，此时梯度接近于0。我们把梯度为零的点统称为临界点（criticalpoint）。
千740·2024-08-27 09:23

24.8.24学习心得

x.grad.zero_()y=x.sum()y.backward()x.gradtensor([1.,1.,1.,1.])因为y是x中所有元素的总和，所以x的每个元素对y的贡献都是相等的，因此每个元素的梯度都是
kkkkk021106·2024-08-27 05:00

OpenCV中的轮廓检测cv2.findContours()

文章目录前言一、查找轮廓二、绘制轮廓轮廓面积轮廓周长前言轮廓提取的前提，将背景置为黑色，目标为白色（利用二值化或Canny）边缘检测，例如Canny等，利用梯度变化，记录图像中的边缘像素点，返回和源图片一样尺寸和类型的边缘图
Limiiiing·2024-08-27 05:58

人工神经网络通过调整,神经网络怎么调参数

现在一般求解权值和阈值，都是采用梯度下降之类的搜索算法（梯度下降法、牛顿法、列文伯格-马跨特法、狗腿法等等），这些算法会先初始化一个解，在这个解的基础上，确定一个搜索方向和一个移动步长（各种法算确定方向和步长的方法不同
小浣熊的技术·2024-08-27 04:20

最小生成树 - Kruskal算法

kruskal算法---求稀疏图的最小生成树步骤1，将所有边按权重从大到小排序，调用系统的sort函数2，枚举每条边a、b,权重cif(a、b不联通)就将这条边加入集合中输入格式第一行包含两个整数n和m
我想进大厂·2024-08-26 16:26

新美學之旅·126·儍仔珍珠

大約是六十歲上下的風景，都是蒼傷，鬍子稀稀疏疏的掛在下巴，那枯黃的鬚，如黃昏後草原上的枯枝，他臉上的汚垢，好似那鬍子生長的劣土！大家快點來看啊⋯⋯他為什麼那麼的快樂？他身上的
蔡振源·2024-08-26 11:49

深度学习多GPU训练原理

每个GPU根据自己所分到的数据，计算本地梯度所有GPU的本地梯度相加（这里的梯度只是模型参数的梯度，不包括中间变量的梯度），得到总的梯度。
浦东新村轱天乐·2024-08-25 22:31

LSTM--概念、作用、原理、优缺点以及简单的示例代码

RNN在处理长序列时，由于梯度消失或梯度爆炸问题，难以捕捉到长期依赖关系，而LSTM通过引入“记忆单元”（memorycell）和“门控机制”（gatin
Ambition_LAO·2024-08-25 21:28

机器学习——逻辑回归

目录一、逻辑回归1.1、模型原理1.2、损失函数二、实例2.1、定义sigmoid函数2.2、数据集2.3、梯度上升算法2.4、预测函数2.5、绘画函数三、代码运行结果：四、总结优点：缺点：一、逻辑回归逻辑回归是一种广义的线性回归分析模型
wsdswzj·2024-08-25 17:06

机器学习最优化方法之梯度下降

1、梯度下降出现的必然性利用最小二乘法求解线性回归的参数时，求解的过程中会涉及到矩阵求逆的步骤。随着维度的增多，矩阵求逆的代价会越来越大，而且有些矩阵没有逆矩阵，这个时候就需要用近似矩阵，影响精度。
whemy·2024-08-25 17:45

深度学习（十一）：YOLOv9之最新的目标检测器解读

物体检测技术的飞跃发展1.1YOLOv9简介1.2YOLOv9的核心创新1.2.1信息瓶颈:神经网络在抽取相关性时的理论边界1.2.2可逆函数:保留完整的信息流1.2.3对轻型模型的影响：解决信息丢失1.2.4可编程梯度信息
从零开始的奋豆·2024-08-25 13:39

粒子群优化算法和强化算法的优缺点对比，以表格方式进行展示。详细解释

以下是它们的优缺点对比，以表格的形式展示：特性粒子群优化算法（PSO）强化学习算法（RL）算法类型优化算法学习算法主要用途全局优化问题，寻找最优解学习和决策问题，优化策略以最大化长期奖励计算复杂度较低，通常不需要梯度信息
资源存储库·2024-08-25 09:44

matlab实现梯度下降优化算法

梯度下降（GradientDescent）是一种常用的优化算法，用于寻找函数的局部最小值。在机器学习领域，它常被用来优化模型的参数，比如线性回归、逻辑回归以及神经网络等模型的权重和偏置。
孺子牛 for world·2024-08-25 09:13

【机器学习】4. 相似性比较（二值化数据）与相关度(correlation)

这样做会有一个缺点，假设是比较稀疏的数据，如今天去哪一个地区，地区有成千上万个，但是去的只有一个地区。那么就会导致f00非常的大，如此计算的结果SMC必然很大，但是能够代
pen-ai·2024-08-25 07:59

数学基础 -- 梯度下降算法

梯度下降算法梯度下降算法（GradientDescent）是一种优化算法，主要用于寻找函数的局部最小值或全局最小值。它广泛应用于机器学习、深度学习以及统计学中，用于最小化损失函数或误差函数。
sz66cm·2024-08-24 15:25

Python(PyTorch)物理变化可微分神经算法

要点使用受控物理变换序列实现可训练分层物理计算|多模机械振荡、非线性电子振荡器和光学二次谐波生成神经算法验证|训练输入数据，物理系统变换产生输出和可微分数字模型估计损失的梯度|多模振荡对输入数据进行可控卷积
亚图跨际·2024-08-24 07:35

pytorch深度学习基础 7（简单的的线性训练，SGD与Adam优化器）

接下来小编来讲一下一些优化器在线性问题中的简单使用使用，torch模块中有一个叫optim的子模块，我们可以在其中找到实现不同优化算法的类SGD随机梯度下降基本概念定义：随机梯度下降（SGD）是一种梯度下降形式
不是浮云笙·2024-08-24 05:49

pytorch中的zero_grad()执行时机

在反向传播(backward())前执行即可zero_grad()用以清除优化器的梯度对张量执行backward(),以计算累积梯度执行optimizer.step(),优化器使用梯度更新参数当优化器更新完成
TomcatLikeYou·2024-08-24 05:16

informer+TCN+通道注意力机制+SSA时间序列模型预测

1.1Informer的关键机制稀疏自注意力机制（ProbSparseAttention）：传统的Transformer使用全局自注意力机制，即对于输入的每个时间步，它都计算与其
成为深度学习高手·2024-08-23 23:12

Logistic 回归

文章目录1.引言2.Logistic回归概述2.1定义与应用场景2.2与线性回归的区别3.原理与数学基础3.1Sigmoid函数3.2概率解释3.3极大似然估计4.模型建立4.1假设函数4.2成本函数4.3梯度下降法
零 度°·2024-08-23 21:56

四十一、【人工智能】【机器学习】- Bayesian Logistic Regression算法模型

机器学习】【监督学习】-支持向量机(SVM)第四章【机器学习】【监督学习】-K-近邻算法(K-NN)第五章【机器学习】【监督学习】-决策树(DecisionTrees)第六章【机器学习】【监督学习】-梯度提升机
暴躁的大熊·2024-08-23 19:46

python实现梯度下降优化算法

梯度下降（GradientDescent）是一种常用的优化算法，用于求解无约束优化问题。在机器学习中，它常被用来更新模型的参数以最小化某个损失函数。
孺子牛 for world·2024-08-23 15:49

机器学习·day4梯度下降

参考原文地址：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes文章目录前言一、梯度下降？
#include<菜鸡>·2024-08-23 10:20

快意人生【一百三十七】天道好轮回（2）

现代在驾驭中缓缓行进，除了行人稀疏的便道，整条马路空旷的像大白天的星期七，少见有车马打身边经过。举目望去，眼前的街道渐渐添了一些深秋才独有的韵味。
李刚7777·2024-08-23 01:38

图像处理 -- 角点的概念与作用

角点是指图像中具有局部最大曲率或梯度变化明显的位置，通常出现在两条或多条边缘的交汇处。例如，图像中的建筑物拐角、棋盘格的角等位置都可能被检测为角点。
sz66cm·2024-08-22 18:44

网络安全: 模型的脆弱性，鲁棒性和隐私性

例如，模型可能对对抗性攻击或梯度泄露攻击敏感。鲁棒性（Robustness）：指模型抵御攻击和在恶劣环境下保持性能的能力。提高模型的鲁棒性是增强其抵御攻击能力的关键。
不当菜鸡的程序媛·2024-08-22 16:30

24 优化算法

目录优化和深度学习深度学习中的挑战局部最小vs全局最小鞍点（saddlepoint）梯度消失小结凸性（convexity）凸集凸函数（convexfunction）凸函数优化凸和非凸例子小结梯度下降（gradientdescent
Unknown To Known·2024-08-22 01:31

2019-05-13

从我童年的竹帘后闪过的美丽的妇人水磨石后清澈的面孔叹息沉沉的横卧在被凝望得破旧的晚霞中我脚下的路无比柔软子夜的独居是一件没有血色的衣裳如果一个人仍旧能够向往停泊我就是那盏标致的挂满四壁的灯盏在你鲜艳的疲乏中肆意开绽夜的暖雨侵袭着你的沙滩你甘愿成为一朵枯萎的花端坐为一尊年轻的菩萨遂使我在这个世界只能成为一株槐柳在你浓烈的泪光沐浴下追逐天空稀疏的钟声在你眼睑中的纹理敲响我就是那座沉醉的钟一只不停地让你
樱花在拖着夜晚奔跑·2024-08-22 01:31

【循环神经网络rnn】一篇文章讲透

目录引言二、RNN的基本原理代码事例三、RNN的优化方法1长短期记忆网络（LSTM）2门控循环单元（GRU）四、更多优化方法1选择合适的RNN结构2使用并行化技术3优化超参数4使用梯度裁剪5使用混合精度训练
CX330的烟花·2024-03-27 04:51

深度学习如何入门？

•数学基础：理解线性代数（矩阵运算、向量空间等）、微积分（导数、梯度求解等）、概率论与统计学（期望、方差、概率分布、最大似然估计
科学的N次方·2024-03-26 16:36

祝安

世界的背影陪着我等你睡不醒的呓遗梦看你走过暴雨猛击的街头星星稀疏的夜晚你还是孑然一人睡坟头以后真的是太长的以后愿你只睡好今夜我的亲爱-西贝
西西西贝儿·2024-03-19 11:18

求解大规模有向图的所有连通分量

一超大规模的稀疏图中的连通分量求解背景某地图厂商，需要检查道路网是否是连通的，比如是否存在孤岛（不能到达，也不能外出）？通常情况下，如果存在孤岛，说明道路勘测有问题。
iteye_5392·2024-03-19 08:48

神奇的微积分

微积分在人工智能（AI）领域扮演着至关重要的角色，以下是其主要作用：优化算法：•梯度下降法：微积分中的导数被用来计算损失函数相对于模型参数的梯度，这是许多机器学习和深度学习优化算法的核心。
科学的N次方·2024-03-19 05:14

MATLAB使用OMP实现图像的压缩感知实例

OMP（OrthogonalMatchingPursuit）是一种用于稀疏信号恢复的迭代算法。它的目标是从一组测量值中重建具有少量非零元素的信号。
superdont·2024-03-18 09:16

加速 PyTorch 模型预测常见方法梳理

目录1.使用GPU加速2.批量推理3.使用半精度浮点数(FP16)4.禁用梯度计算5.模型简化与量化6.使用TorchScript7.模型并行和数据并行结论在使用PyTorch进行模型预测时，可以通过多种方法来加快推理速度
samoyan·2024-03-17 16:54

【深度学习笔记】1 数据操作

然而，Tensor提供GPU计算和自动求梯度等更多功能，这些使
RIKI_1·2024-03-16 02:02

Canny详解

计算图像梯度
kxg916361108·2024-03-15 06:31

图像算法实习生--面经1

系列文章目录文章目录系列文章目录前言一、为什么torch里面要用optimizer.zero_grad()进行梯度置0二、Unet神经网络为什么会在医学图像分割表现好？
小豆包的小朋友0217·2024-03-14 17:44

深度学习——梯度消失、梯度爆炸

本文参考：深度学习之3——梯度爆炸与梯度消失梯度消失和梯度爆炸的根源：深度神经网络结构、反向传播算法目前优化神经网络的方法都是基于反向传播的思想，即根据损失函数计算的误差通过反向传播的方式，指导深度网络权值的更新
小羊头发长·2024-03-14 12:07

CatBoost高级教程：分布式训练与大规模数据处理

导言CatBoost是一种高效的梯度提升算法，可以处理大规模数据集并支持分布式训练。在实际应用中，处理大规模数据集时，分布式训练可以大大加快模型训练的速度，并提高训练效果。
Echo_Wish·2024-03-13 05:25
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他