调参第2页

XGBoost和LightGBM的参数以及调参

我们所说的调参，很这是大程度上都是在调整booster参数。学习目标参数：控制训练目标的表现。我们对于问题的划分主要体现在学习目标参数上。比如我们要做分类还是回归，做二分类还是多分类

噶噶~·2024-02-04 21:45

vue3 之组合式API—computed

computed计算属性函数计算属性基本思想和Vue2的完全一致，组合式API下的计算属性只是修改了写法核心步骤：导入computed函数执行函数在回调参数中return基于响应式数据做计算的值，用变量接收

jiojio在学习勒·2024-02-04 07:28

计算机视觉-风格迁移

这个过程的复杂程度不亚于模型调参。如何使用卷积神经网络，自动将一个图像中的风格应用在另一图像之上，即风格迁移（styletransfer）。这里我们需要两张输入图像：一张是内容图像，另一张是风格图像。

白云如幻·2024-02-03 09:44

关于element-ui 下拉框select 编辑弹窗打开时触发change事件解决方法思路

flag=0不执行change过后flge++提交按钮flag=02:阅读官方文档发现el-select有个叫visible-change的事件是根据下拉框打开关闭触发的此函数里面传递两个参数（第一个为回调参数

猴小七儿·2024-02-02 19:50

Linux内核和系统调参 /proc

一、【写在前面】网络调优参数通常是通过修改系统内核参数来实现的，它们控制了网络协议栈的行为，以优化网络性能和稳定性。这些参数主要存储在/proc/sys/net/和/proc/sys/目录下，这篇文章先介绍/proc下面的常见路径。当然我们也可以修改/etc/sysctl.conf文件，区别是1..conf不是实时修改，需要sysctl-p生效2./proc不是持久保存3.都需要超管权限二、【正式

尊贵的架构师·2024-02-02 16:29

【NLP】Datawhale-AI夏令营Day6-7打卡：大模型

夏令营（第三期），我参与了深度学习实践-NLP（自然语言处理）方向⭐️作为NLP小白，我希望能通过本次夏令营的学习实践，对NLP有初步的了解，学习大模型，动手完成NLP项目内容，同时通过社区交流学习，提升调参优化等能力

不雨_亦潇潇·2024-02-02 07:51

直流编码电机双闭环（速度+角度）控制

目录1、PID框图2、pid控制器的表达式3、传感器数据获取4、硬件设计5、工程配置6、软件部分程序配置7、调参过程记录本文已更新，加上曲线调试，更好效果，更多内容，详情：编码电机PID调试（速度环|位置环

桃成蹊2.0·2024-02-01 17:51

AI业务场景应用和AI专业能力，哪个更有市场？

业务场景应用，主要集中在AI技术向业务转化的价值体现，其对AI技术本身只是做单纯的应用和调参，更多的工作内容是在如何利用AI服务业务，比如智能客服，研究的是客服流程再造和优化，而非NLP本身。

神侃·2024-02-01 16:23

2023年 MCM美赛 C题 Wordle预测问题求解！

XGBoost评价指标XGBoost框架使用划分数据集，80%训练数据和20%测试数据使用训练数据训练参数绘制决策树交叉验证问题二时间特征转换数据标准化集成学习——随机森林sklearn参数调节交叉验证法调参

HHHTTY-·2024-02-01 10:08

Yolov8_obb（prob loss) 基于anchor_free的旋转框目标检测，剪枝，跟踪（ByteTracker）

_obb（probloss)基于anchor_free的旋转框目标检测，剪枝，跟踪（ByteTracker）效果好于yolov5，并能在小数据集上大幅度超越v5的结果，不过针对不同的数据集需要进行一些调参

早茶和猫·2024-02-01 09:48

乱调参数试错的生物科技

就是针对那个肥胖基因提高作物产量的文章，有人说，感觉像是一个新手码农，面对一份庞大又复杂的、完全看不懂的代码，乱调参数。

立工丁·2024-01-31 22:47

如何提高图像分类准确率？

或者说我们在漫长而苦恼的调参过程中到底调的是哪些参数。。。所以，我花了一部分时间在公开数据集CIFAR-10[1]上进行探索，来总结出一套方法能够快速高效并且有目的性地进行网络训练和参数调整。

Steven_ycs·2024-01-31 14:57

多线程实现批量更新

开启线程池，针对集合的大小进行调参，

c_gentle·2024-01-30 23:54

PyTorch2ONNX-分类模型：速度比较（固定维度、动态维度）、精度比较

图像分类模型部署:PyTorch->ONNX1.模型部署介绍1.1人工智能开发部署全流程step1数据数据采集定义类别标注数据集step2模型训练模型测试集评估调参优化可解释分析step3部署手机/平板服务器

Le0v1n·2024-01-30 07:08

建模调参笔记

XGBOOST笔记：#常规参数gbtree树模型做为基分类器（默认）gbliner线性模型做为基分类器silentsilent=0时，不输出中间过程（默认）silent=1时，输出中间过程nthreadnthread=-1时，使用全部CPU进行并行运算（默认）nthread=1时，使用1个CPU进行运算。scale_pos_weight正样本的权重，在二分类任务中，当正负样本比例失衡时，设置正样本

KingsleyLin·2024-01-30 01:29

关于如何选择训练模型中的随机种子

Ontheinfluenceofrandomseedsindeeplearningarchitecturesforcomputervision参考论文：https://arxiv.org/abs/2109.08203v1于是设置随机种子为3407，但是并无效果；寻找办法2：参考文章：【调参侠的修炼笔记

wwqily·2024-01-29 16:13

1.23神经网络框架（sig函数），逆向参数调整法（梯度下降法，链式法则（理解，及处理多层神经网络的方式））

框架输入层隐藏层存在一个阈值，如果低于某一阈值就不激活；高于了就激活输出层逆向参数调整方法初始阶段，随机设置权重值w1,w2依据训练集两个数学方法（梯度下降、链式法则）调参借助两个数学方法当导数为负时，

CQU_JIAKE·2024-01-29 11:15

两轮平衡小车制作保姆式教程（4）——调参保姆级教程

✅作者简介：大家好我是：麦克斯科技，希望一起努力，一起进步！个人主页：麦克斯科技系列专栏：两轮平衡小车制作保姆式教程️非常欢迎大家在评论区留言交流，互相学习！提前声明：博客中给出的代码经过多个项目测试，实测能用，性能稳定，请大家放心使用！前言本系列博客将从硬件到软件详细介绍“如何制作一辆两轮自平衡小车”，笔者毫无保留，以最通俗易懂的语言，以最简单的实现方案，分享自己从0到1制作平衡小车的全过程，相

麦克斯科技·2024-01-29 04:58

无人机调试开源软件

APMPlanner2.0：专为ArduPilot自动驾驶仪设计的调参工具，具备直观的图形界面，简化了复杂的配置过程。用户可以轻松设置飞行模式、电机方向、遥控器映射等，同时实时查看飞行状态。

道亦无名·2024-01-28 22:14

AAAI最佳论文Informer 复现（含python notebook代码）

最初复现的时候大部分都沿用args里的default，后面再尝试改用自己的数据+调参（哈哈至今也无法参透调参的这部分

fluentn·2024-01-28 19:22

vue3预览pdf文件的几种方法

文章目录vue3预览pdf集中方法方法一：方法二：展示效果：需要包依赖：代码：方法三：展示效果：需要包依赖：代码：自己调参数，选择符合自己的vue3预览pdf集中方法方法一：iframe：这种方法显示有点丑方法二

夜空孤狼啸·2024-01-27 12:05

互联网加竞赛基于深度学习的中文情感分类 - 卷积神经网络情感分类情感分析情感识别评论情感分类

3.1sentence部分3.2filters部分3.3featuremaps部分3.41max部分3.5concat1max部分3.6关键代码4实现效果4.1测试英文情感分类效果4.2测试中文情感分类效果5调参实验结论

Mr.D学长·2024-01-27 09:25

机器学习周记（第二十周：文献阅读-TCN and LSTM）2023.12.4~2023.12.10

本周也针对论文模型进行了简单的复现，预测结果并不非常准确，仍需进一步优化和调参。ABS

Slender2001·2024-01-27 08:12

机器学习 | Python算法XGBoost

下面是一些常用的XGBoost算法调参技巧：学习率（learningrate）：学习率控制每个回归树（boostinground）对最终预测结果的贡献程度。

天天酷科研·2024-01-27 07:22

R机器学习mlr3：超参数调优

很多人戏称调参的过程就像是"炼丹"！确实差不多，而且很多时候你调整后的结果可能还不如默认的结果好！这就好比打游戏，"一顿操作猛如虎，一看战绩0比5"！

医学和生信笔记·2024-01-26 15:28

#算法#如何手撸自己的模型，培养思维看这一篇就够了！

模型如何做出来的一般步骤是的，一般情况下，选择模型架构后需要进行调参，并在训练过程中生成最终的模型。调参是为了优化模型的性能，确保模型能够在给定任务上表现良好。

向日葵花籽儿·2024-01-26 11:52

我们是如何测试人工智能的（二）数据挖掘篇

前言数据决定模型的上限，而算法调参只是尽量的帮你逼近那个上限，建模工程师80%的时间都是在跟数据打交道，国内在AI上的发展与国外最大的差距不是在算力上，而是高质量的数据。

孙高飞·2024-01-26 10:32

vue3 watch理解

监听变化vue3版本watch(1,2,3)接收三个参数第1个参数需要监听的数据第2个参数是监听的回调参数回调里常用的两个参数,(一,二)=>{第一个参数是新值,第二个参数是旧值其实还有第三个参数是个函数清除副作用

前端专业写bug·2024-01-26 10:36

MWORKS.Syslab 如何统一 Julia、C/C++、Python 乃至 MATLAB —— 解密多语言统一的底层机制

年轻理科生们的口中逐渐出现了诸如“调参侠”“调包小子”“炼丹师”等新潮的调侃词语，这些来自机器学习/深度学习领域的“梗”在社交网络中逐渐扩散，让人们不禁感叹科学计算已经成为了炙手可热的“显学”。

同元软控·2024-01-26 07:57

装装更健康-点评训练营95

符号互动论强调参与社会互动的人要站在他人的角色立场去了解如何看待自己，这

唐铭含·2024-01-26 06:51

排序算法经典模型: 梯度提升决策树（GBDT）的应用实战

Boosting训练与预测二、梯度增强的思想核心三、如何构造弱学习器和加权平均的权重四、损失函数五、梯度增强决策树六、GBDT生成新特征主要思想构造流程七、梯度增强决策树以及在搜索的应用7.1GDBT模型调参

数据与后端架构提升之路·2024-01-25 07:49

通俗科普文：贝叶斯优化与SMBO、高斯过程回归、TPE（附新书）

作为一种重要的基于先验的调参/策略选择技术，贝叶斯的应用范围也很广。

科技州与数据州·2024-01-24 18:46

【机器学习】机器学习8大调参技巧！

今天给大家一篇关于机器学习调参技巧的文章超参数调优是机器学习例程中的基本步骤之一。该方法也称为超参数优化，需要搜索超参数的最佳配置以实现最佳性能。

风度78·2024-01-24 16:55

非线性最小二乘问题的数值方法 —— 从高斯-牛顿法到列文伯格-马夸尔特法 (I)

-牛顿法III.再到列文伯格-马夸尔特法1.列文伯格-马夸尔特法的由来2.列文伯格-马夸尔特法的说明说明一.迭代方向说明二.近似于带权重的梯度下降法说明三.近似于高斯-牛顿法3.列文伯格-马夸尔特法的调参拟合程度评估以近似拟合视角调参以表现特性视角调参调参算法

wzf@robotics_notes·2024-01-23 01:02

支付功能的实现

1.1表单跳转前端点击提交支付，请求后端支付接口支付接口通过阿里api生成表单信息返回给前端页面同步回调，异步回调参数请求参数：总金额，外部订单号公共参数：公钥私钥，签名类型前端页面根据表单信息跳转支付宝前端页面

一路向北看星晴·2024-01-21 00:40

决策树在商业保险中的应用

数据清洗3.1删除不需要的列3.2拆分训练集和测试集3.3空值填充3.3.1对训练集数据进行填补3.3.1对测试集数据进行填补3.4数据编码四、建立决策树模型4.1没有进行任何参数设置的决策树模型4.2调参

哆啦A梦呀·2024-01-20 17:23

2019年12月24日

但是这台机器跑深度学习算法本身就很花时间，于是今天就试着在缩短时间开销的情况下调参，比如把双向网络变回单向的、用只需要维护一个权重矩阵的SimpleRNN代替三倍代价的GRU等等……最后结果也不好说怎样

真昼之月·2024-01-20 11:13

代码随想录day31 贪心算法初探

个人理解就像卡哥视频里说的一样，感觉贪心算法确实没什么固定的套路，唯一的思路就是求局部最优解然后推广到全局最优解，但是什么是局部最优解，这个需要慢慢做题来摸索总结，有点像调参，蛮玄学的，纯考脑子455.

nahiyil·2024-01-18 23:31

基于python集成学习算法XGBoost农业数据可视化分析预测系统

文章目录基于python集成学习算法XGBoost农业数据可视化分析预测系统一、项目简介二、开发环境三、项目技术四、功能结构五、功能实现模型构建封装类用于网格调参训练模型系统可视化数据请求接口模型评分0.5

星川皆无恙·2024-01-17 18:39

betaflight 代码结构

.betaflight代码结构如下表所示betaflight体系结构应用层CMSosd调参FlightfailsafegpsrescuePIDMixer抽象基础功能config飞控配置信息读写以内置flash

shanggl8·2024-01-17 06:19

Matlab 填补缺失数据

：%%填补tianchong.mfunction[mat]=tianchong(SST,SST1)%%这个函数用于对有缺失区域的数据进行填充%输入：%SST待填补的灰度矩阵%SST1模板灰度矩阵%t可调参数

流浪猪头拯救地球·2024-01-17 00:27

互联网加竞赛基于机器学习与大数据的糖尿病预测

Mr.D学长·2024-01-16 21:38

[自动驾驶算法][从0开始轨迹预测]：一、坐标系和坐标系变换

回想下自己的学习历程，真正有挑战性的不是模型结构，不是繁琐的训练和调参，而是数据的制作！！！

Way_X·2024-01-16 21:09

机器学习——eXtreme Gradient Boosting（XGBoost）模型实战

I.学习资源XGBoost论文原文XGBoost的解读及对参数解释XGBoost调参方法（若要详细了解可以参考这篇paper，但不一定能打开)(｡ì_í｡)II.实战笔者第一次接触XGBoost,若有写的不对的地方请见谅

Alphoseven·2024-01-16 07:46

简单的图像中箭头方向识别

前言：说起图像识别，很多人第一次反应就是机器学习，深度学习，卷积神经网络搞起来这还没完，要有筛选各种模型，调参以及等待模型训练完成等等不仅烦锁，而且一旦结果不理想，那又得是苦逼的调参和漫长的等待（训练完成

卖小麦←_←·2024-01-13 21:43

XTuner 大模型单卡低成本微调实战

XTuner大模型单卡低成本微调实战Finetune简介增量预训练微调指令跟随微调LoRAXTuner介绍功能亮点8GB显存玩转LLMFlashAttentionDeepSpeedZeRO上手操作平台激活环境微调参考教程

桑_榆·2024-01-13 17:16

随机森林调参方法

一、默认参数打印随机森林学习器的默认参数配置：1、bootstrap=True2、criterion='mse'3、max_depth=None4、max_features='auto'5、max_leaf_nodes=None6、min_impurity_decrease=0.07、min_impurity_split=None8、min_samples_leaf=19、min_samples_

Trouville01·2024-01-13 17:28

第一节课笔记——书生·浦语大模型实战营

毕竟让本菜鸡免费学习~~书生·浦语大模型1.大模型系列2.大模型性能全链路开源体系0.开源体系介绍这里部署和评测的位置应该换一换~1.数据2.预训练重点关注预训练和微调的区别3.微调增量续训基本与预训练一致，有监督微调参照

weixin_52626049·2024-01-13 13:03

0基础学习VR全景平台篇第137篇：720VR全景，DJI无人机遥控器调参

这节课以御2为例介绍的是无人机调参步骤一：下载DJIGo4并注册账号步骤二：拿下遥杆并装好，展开遥控天线。将无人机与遥控器相连，选择相应的连接线，将手机连接至遥控器上。

蛙哥有话说·2024-01-13 13:38

【Python机器学习】深度学习——调参

先用MLPClassifier应用到two_moons数据集上：fromsklearn.neural_networkimportMLPClassifierfromsklearn.datasetsimportmake_moonsfromsklearn.model_selectionimporttrain_test_splitimportmglearnimportmatplotlib.pyplotas

zhangbin_237·2024-01-13 12:05

推荐频道

调参