炼丹经验贴第23页

解决Tensorboard无法启动和显示的问题

最近，在“炼丹”的过程中，遇到了tensorboard里的一系列问题，然后按照网上的各种教程尝试......这一过程中收获了很多，所以决定分享一下，如有错误还请及时指正，一起进步。

阿飞没有花福蝶·2022-12-20 05:40

代码实践 | 卷积神经网络之图像分类

前情回顾戳上方蓝字【阿力阿哩哩的炼丹日常】关注我~今天继续给大家介绍第四章的内容前面我们介绍了:深度学习开端-全连接神经网络一文掌握CNN卷积神经网络超参数（Hyperparameters）|上超参数（

「已注销」·2022-12-20 01:48

2022江南大学851计算机初试考研经验分享

受一位学弟的启发，决定写下这篇经验贴，希望能对正在复习备考的同学有所帮助。个人情况本科就读于南京某二本院校，软件工程专业。

KcNoc·2022-12-19 20:11

sklearn逻辑回归参数设置_机器学习100天-Day1503训练模型-逻辑回归

第四章是对模型训练内部工作流程的了解，帮助炼丹师们找到恰当的学习模型、算法、数据集。

weixin_39982236·2022-12-19 10:05

sklearn逻辑回归参数设置_机器学习100天-Day1504训练模型-softmax回归

第四章是对模型训练内部工作流程的了解，帮助炼丹师们找到恰当的学习模型、算法、数据集。

weixin_39527879·2022-12-19 10:34

【论文笔记】Darts-可微神经架构搜索（一）

企图把人工炼丹的过程一步步转化为机器炼丹。具体说可以看看wiki上的定义：也就是一般的NAS都会包含三个部分：搜索空间搜索算法预估

qdmoxf·2022-12-18 08:26

推荐算法炼丹笔记：序列化推荐系统

作者：一元公众号：炼丹笔记特约审稿：杰少背景序列推荐系统(SRS)不同于传统推荐系统（RSs）包括协同过滤和基于内容的过滤，SRSs试图理解和建模用户的连续行为、用户与物品之间的交互作用以及用户偏好和商品流行度随时间的变化

炼丹笔记·2022-12-17 23:46

西南大学计算机学硕考研,19西南大学计算机考研复试经验贴

该楼层疑似违规已被系统折叠隐藏此楼查看此楼首先说明，这是本人19亲身经历的西南大学计算机学院学硕复试记录，写下来分享给有机会看到这篇文章的考研同学。西南大学计算机学院的复试分为三组，计科组，教技组，图情组，后两组的复试和导师见面会都是在同一天，计科组的导师见面会是在第二天。其中，计科组又分了三组，第一组和第二组是学硕复试，调剂的和第一志愿混在一起同时参加复试，第三组是专硕。很多人问到了软件工程在哪

刘芮希·2022-12-17 18:48

西南大学计算机考研907真题分享

若需要专业课复习建议，可以参考我另一篇文章：哦呵呵：2021西南大学计算机学院电子信息上岸经验贴

qq_40957483·2022-12-17 18:15

Deepin20.2下CUDA11和cudnn的安装

不过看到有人说用conda是可以的，这样深度学习炼丹师可能还能试试)。。。。什么破玩意！！！哎，往事不堪回首，虽然差点就装回了ubunt

_寒潭雁影·2022-12-17 16:29

推翻OpenAI结论，DeepMind重新定义预训练的参数和规模关系！

文｜王思若前言从20年开始，“最大语言模型”的桂冠被各大研究机构和科技公司竞相追逐，堆砌参数，猛上算力，开启了“大炼丹”时代，模型参数量仿佛越大越好，甚至GPT-4模型参数量将超过100万亿的传闻甚嚣尘上

夕小瑶·2022-12-17 15:22

目标检测炼丹经验总结

最近因为工作原因系统地摸了一下目标检测，也在生产环境部署了一波。公司的数据当然是不能放出来的，记录一些心得帮后来人少走弯路吧。结论放在最前：在torchvision官方的预训练模型里，fasterrcnn/maskrcnn指标比fcos更高，但在本文进行的所有实验中fcos显著强于其他模型，目前达到的效果：考虑类别的mAP0.535，不考虑类别0.636。实验说明：以下结论依赖公司内部训练数据，测

Rorschach·2022-12-17 09:52

可解释性机器学习--导论

Vector Jason·2022-12-17 09:31

2020年推荐系统工程师炼丹手册

作者：一元来源：炼丹笔记炼丹要练好，须有好丹方，何处寻好的丹方，答曰：顶会！本文不扯蛋，就扯扯这2020年顶会必看的推荐系统的论文&其摘要。

炼丹笔记·2022-12-17 08:58

一文总结排序模型CTR点击率预估

CTR点击率预估系列家谱炼丹之前，先放一张CTR预估系列的家谱，让脉络更加清晰。

炼丹笔记·2022-12-16 02:04

2022东南大学网安916考研经验贴

上岸了写个经验贴给想考东网的同学们分享一下经验。

玛卡巴咔的小推车·2022-12-15 17:00

2022年南京大学软件学院双非一战上岸经验贴

一、引言绪论离知晓复试总成绩已过去近一周的时间，本来在初试之前就想着上岸一定立马写一篇经验贴，但由于初试成绩和复试成绩并不突出和准备携程二面、毕业设计等原因，一直拖到今天。

adventure.Li·2022-12-15 17:20

python 替换json中的某个字段内容

前言在炼丹过程中，难免会用json文件来保存一些目标检测或者语义分割任务的标签值，但是有时候某个标签的key值或者value批量都搞错了，那么就需要一个小的工具性脚本来对json值进行修改。

肥宅程序员aka不会游泳的鱼·2022-12-15 13:19

2021港中深通信工程硕士项目面经

这里不对专业做好坏评价，感兴趣的可以自己去了解，本文分享一下我申请2021港中文深圳校区通信工程硕士项目的笔试面试经历，因为我在准备笔试面试的时候在网上没搜到相关的面经，因此写这篇经验贴帮助以后申请的人

Cameron Chen·2022-12-15 06:35

Policy Evaluation收敛性、炼丹与数学家

完美的学习算法昨天和同学在群里讨论DRL里badcase的问题。突然有同学提出观点：“badcase其实并不存在，因为一些算法已经理论证明了具有唯一极值点，再加上一些平滑技巧指导优化器，就必然可以收敛。”当听到这个观点时，我是一时语塞。因为当前深度学习研究的最大问题就是，花了很大资源训练的千万参数神经网络根本不work，一切都白白浪费。因此才有NAS之类方法尝试根据一些训练初期的动力学性质调整结构

3A是个坏同志·2022-12-14 21:57

使用 Docker 和 HuggingFace 实现 NLP 文本情感分析应用

在这篇文章里，我们不需要准备显卡和语料，也不需要耐心等待“炼丹”就绪，只要会“搭积木”，就能够实现这样一个有趣的小工具。写在前面本篇内容，作为后续内容的前置内容（工具），我们来聊聊如何将Hugging

soulteary·2022-12-14 09:31

【深度学习基础】从零开始的炼丹生活08——卷积网络

往期回顾：05——深度前馈网络、神经网络概述06——深度学习中的正则化07——深度模型中的优化学习了基本的神经网络结构，以及如何进行正则化和优化之后，我们接下来转向特化的神经网络家族，允许其扩展到能够处理很大规模的数据和具有特殊结构的数据。（主要参考《深度学习》和cousera上吴恩达的课程）卷积网络（convolutionalnetwork），也叫卷积神经网络（CNN）,是一种专门用来处理具有类

wby1905·2022-12-14 07:38

深度学习这么调参训练_深度学习调参及训练技巧（转）

这里我总结了近一年来的炼丹心得，分享给大家，也欢迎大家补充指正。

weixin_39863155·2022-12-14 07:08

炼丹-深度学习-《Aggregated Residual Transformations for Deep Neural Networks》

AggregatedResidualTransformationsforDeepNeuralNetworks原文地址：AggregatedResidualTransformationsforDeepNeuralNetworks文章目录AggregatedResidualTransformationsforDeepNeuralNetworks生词：AbstractIntroductionRelate

qq_24375467·2022-12-14 07:06

深度学习训练模型时，使用argparse模块以及shell脚本，进行“炼丹”

下面就介绍一种使用argparse模块以及shell脚本，进行“炼丹”的方式。一、argparse模块1.1参数的定义argparse模块感觉就是一个全局变量，在运行程序时，如果没有给某个

墨晓白·2022-12-14 07:36

称霸Kaggle的九大深度学习炼丹技巧

SamuelLynn-Evans@QbitAI差分学习率（DifferentialLearningrates）意味着在训练时变换网络层比提高网络深度更重要。基于已有模型来训练深度学习网络，这是一种被验证过很可靠的方法，可以在计算机视觉任务中得到更好的效果。大部分已有网络（如Resnet、VGG和Inception等）都是在ImageNet数据集训练的，因此我们要根据所用数据集与ImageNet图像

炼丹笔记·2022-12-14 07:05

深度学习炼丹-超参数设定和网络训练

前言网络层内在参数使用3x3卷积使用cbr组合尝试不同的权重初始化方法图片尺寸与数据增强batchsize设定背景知识batchsize定义选择合适大小的batchsize学习率和batchsize关系学习率参数设定背景知识什么是学习率如何设置学习率优化器选择优化器定义如何选择适合不同ml项目的优化器PyTorch中的优化器模型finetune模型可视化参考资料前言所谓超参数，即不是通过学习算法本

嵌入式视觉·2022-12-14 07:01

「人工智能训练师」国家职业技能标准发布：共有五级，您是第几级？

炼丹师？都不对，该工作的学名是人工智能训练师。从现在开始，「炼丹师」也有了明确的职业技能标准。近日，国家人力资源社会保障部（以下简称人社部）发布了《人工智能训练师》国家职业技能标准。

深度学习技术前沿·2022-12-13 21:06

MMdetection之build_optimizer模块解读

OPTIMIZER_BUILDERS4、实例优化器对象总结拓展阅读资料前言前面文章build_dataset,build_dataloader,build_model均以做了详细的介绍，而optimizer作为“炼丹

武乐乐~·2022-12-13 18:41

2022保研夏令营经验贴（中科大、华科、武大、国防科大、浙大软件、中科院）

一、本人信息介绍学校：武汉某211rank：专业第三，5%（rank1可以吃肉，rank2能够喝汤，rank3只配闻香）CET-4:544；CET-6:466;（六级有点拖后腿）科研：比较丰富，国家级大创1个，省级大创2个，SCI二区论文一作一篇，三区二作一篇竞赛：水赛国奖两个重要程度：rank>>科研>竞赛=六级随便说说：排名真的很重要，蛮后悔大三一节课不听allin科研的，虽然项目做得也一般般

你这个代码我看不懂.·2022-12-12 21:41

保研准备经验贴——18届（2021年）中南计科推免到浙大工院

作者：18届cyl时间：2022-03-21关键词：夏令营预推免经验贴知识面流程写在前面的话本保研经验贴是主要是我个人经验，还有了解到的几个好朋友保研的经历，最终汇集的经验贴。

中南大学苹果实验室·2022-12-12 21:38

【YOLO系列】YOLOv1论文解读

另：十分非常万分感谢大up子豪兄的无私奉献，使像我这样的小白能够更快跨入DL大门，指引出一条更加方便快捷省时的炼丹之路。

DearAlbert·2022-12-12 19:41

【深度学习】学习率预热和学习率衰减 (learning rate warmup & decay)

背景在深度学习中学习率这个超参数，在选取和调整都是有一定策略的，俗称炼丹。有时我们遇到loss变成NaN的情况大多数是由于学习率选择不当引起的。

科皮子菊·2022-12-11 16:22

机器学习入门篇【一】：以拉家常的方式讲机器学习

甚至该篇都称不上是什么经验贴，只能说是最近搜寻有些资料有感而发。

NXU、辉·2022-12-10 21:04

基于libtorch的Resnet34残差网络实现——Cifar-10分类（测试集准确率94.15%）

深度学习这玩意儿就像炼丹一样，很多时候并不是按照纸面上的配方来炼就好了，还需要在实践中多多尝试，比如各种调节火候、调整配方、改进炼丹炉等。

萌萌哒程序猴·2022-12-10 11:07

Liekkas Kono·2022-12-10 10:47

2022计算机保研之旅

感觉自己的保研之旅是一段非常难忘也很有意思的经历，所以记录下来，也算是给学弟学妹一些经验，毕竟我自己也疯狂在网上看了一堆经验贴hhh参与过的学校面试【按照参加时间顺序】

unicorn(｡･ω･｡)·2022-12-10 09:33

《不看后悔系列》建模比赛经验贴

目录1.建模比赛的简要了解建模目的：建模流程：建模需要的能力：2.2022东北三省建模比赛A题问题二思路阐述传统SIR模型第一步，分析当前模型的基本框架。第二步，分析题目信息。第三步，进一步完善模型第四步，针对问题，设计整体流程3.推荐的辅助工具1.建模比赛的简要了解建模目的：给你一个现象或问题，通过几个问题，反映你分析问题，解决问题的思路和能力。建模流程：1.针对问题中的关键字进行搜索，在知网或

自然卷的悲伤·2022-12-10 09:33

GAN 起航篇

1.1Goodfellow大神的paper《GenerativeAdversarialNets》1.2Loss的具体选择1.3训练过程中generator和discriminator中的label2.炼丹心法

L1_Zhang·2022-12-10 00:59

华南理工大学计算机复试经验贴整理

文章目录2020年2019年其它资料来源2020年复试：------在准备考研期间，我最担心的便是复试，因为自己没有科研经历和项目，所以非常担心复试会被刷。如果有这种担忧的同学，我的建议是：首先一般考研的学生有科研经历的并不多。如果实在担心可以在初试完到复试的这一段时间可以先自学一下研究生阶段想学习领域的知识并参考网上的教程做一些小的实验。可以挑一些难度不大的，但也可以让老师看到你的诚意。----

I"ll carry you·2022-12-09 07:47

炼丹速度×7！你的Mac电脑也能在PyTorch训练中用GPU加速了

关注后回复“进群”，拉你进程序员交流群来源丨量子位（ID：QbitAI）丰色发自凹非寺https://mp.weixin.qq.com/s/TMreqcWsvu-EOB1qEgg6Kg一直以来，Pytorch在Mac上仅支持使用CPU进行训练。就在刚刚，Pytorch官方宣布，其最新版v1.12可以支持GPU加速了。只要是搭载了M1系列芯片的Mac都行。这也就意味着在Mac本机用Pytorch“炼

普通网友·2022-12-08 16:34

苹果炼丹6倍速！PyTorch加持Mac GPU训练，性能最高提升21倍

关注后回复“进群”，拉你进程序员交流群新智元报道编辑：David拉燕好困【新智元导读】果粉BigDay！PyTorch宣布，原生支持苹果MacGPU机器学习加速。与单CPU加速相比，训练性能提升6倍，推理任务性能最高提升21倍对于搞AI和机器学习的苹果用户来说，今天无疑是个好日子。如果是用PyTorch的苹果用户，可能更是盼了一年半的大日子！刚刚，PyTorch官宣，在苹果Mac系统上正式支持GP

程序员大咖·2022-12-08 16:31

Pytorch神经网络入门（1）参数的手动更新和自动更新

Pytorch作为深度学习届两大扛把子框架之一（另一个是Tensorflow），一直都受着AI炼丹师们的喜爱。这里将简单介绍一下神经网络参数的手动更新和自动更新。

FrenchOldDriver·2022-12-08 15:57

神经网络学习，这33 个「炼丹」技巧需要掌握

AndrejKarpathy是深度学习计算机视觉领域、与领域的研究员。博士期间师从李飞飞。在读博期间，两次在谷歌实习，研究在Youtube视频上的大规模特征学习，2015年在DeepMind实习，研究深度强化学习。毕业后，Karpathy成为OpenAI的研究科学家，后于2017年6月加入特斯拉担任人工智能与视觉总监。今日他发布的这篇博客能为深度学习研究者们提供极为明晰的洞见，在Twitter上也

互联网工匠_草木生·2022-12-08 06:42

深度学习模型训练之炼丹心得

最近炼丹，网络往往什么都学不到==，不仅怀疑，看到一份英文的炼丹指南，记录一些心得。

千草幽幽·2022-12-08 06:12

基于有效样本的类别不平衡损失CB-Loss

干货作者：Sik-HoTsang来自：炼丹笔记本文综述了康奈尔大学、康奈尔科技、谷歌Brain和Alphabet公司的基于有效样本数的类平衡损失(CB损失)。

zenRRan·2022-12-08 06:09

深度学习损失函数、优化器选择——调参与优化

早些年很多深度学习的研究人员还在做着调参、炼丹的工作，随着深度卷积神经网络发展到现在，调参的工作渐渐地不被看重，甚至出现了很多自动调参的工具。

绿柳山庄赵公子·2022-12-08 06:39

【炼丹随记】样本不均衡时，class_weight 的计算

语义分割时，如果样本比例失衡，就需要设置class_weight来平衡损失，那么该如何计算呢？直观的想到是，先获取图片的每个类别的像素点的个数之间的比例，然后用1去除以。比如：class1:class2:class3=100:10:1，那么weight1:weight2:weight3=1:10:100。但这个比值偏差太大，放到loss中训练并不能得到一个好的结果。OK的操作：一个比较不错的计算方

magic_ll·2022-12-08 06:08

深度学习炼丹手册

深度学习炼丹手册一、图像预处理篇对于像素级别的图像预处理，如：将3通道的RGB彩色标签图映射为标签连续的单通道8bit掩码图，在同样调用opencv并且采用相同算法时，c++的处理速度可能是python

逆水独流·2022-12-08 06:08

【机器学习基础】对"样本不均衡"的处理

作者：时晴炼丹小仙女样本不均的问题大家已经很常见了，我们总是能看到某一个类目的数量远高于其他类目，举个例子，曝光转化数远低于曝光未转化数。

风度78·2022-12-08 06:36

推荐频道

炼丹经验贴