贝叶斯神经网络第36页

pytorch踩坑之model.eval()和model.train()输出差距很大

每次训练结束后进行验证集的推理测试；对于含有dropout和batchnorm层的神经网络在推理前需要用model.eval()设置dropout和batchnorm的冻结。

ZhengHsin·2024-01-19 15:24

Python+OpenCV+OpenPose实现人体姿态估计（人体关键点检测）

目录1、人体姿态估计简介2、人体姿态估计数据集3、OpenPose库4、实现原理5、实现神经网络6、实现代码1、人体姿态估计简介人体姿态估计(HumanPostureEstimation)，是通过将图片中已检测到的人体关键点正确的联系起来

weixin_44079197·2024-01-19 15:56

Python数据分析案例37——基于分位数神经网络(QRNN)的汇率预测

之前写过分位数随机森林，分位数XGboost，分位数Lightgbm的文章：Xgboost和Lightgbm结合分位数回归(机器学习与传统统计学结合)本次带来一个小案例，分位数神经网络，神经网络是最简单的

阡之尘埃·2024-01-19 14:09

AI大模型里经常提到的“炼丹”、“挖矿”、“蒸馏”是什么意思？

“炼丹”、“挖矿”、“蒸馏”这些术语都来自于机器学习和深度学习领域，特别是在训练大型神经网络模型时常用到。炼丹：这是一个来自中国的网络用语，原意是道教中的炼金术，用来寻求长生不老的药丹。

AI明说·2024-01-19 14:02

R语言--ELM极限学习机（elmNNRcpp包）

极限学习机(ExtremeLearningMachine)是一种单隐含层前馈神经网络(Single-hiddenLayerFeedforwardNeuralNetwork)。特点是输入层和隐含层的连接

FTDdata·2024-01-19 14:13

【知识---深度学习中的Softmax说明及使用】

这通常用于神经网络的输出层，以获得每个类别的概率。Softm

fyc300·2024-01-19 14:24

[SS]语义分割_转置卷积

2、运算步骤二、常见参数一、概念1、定义转置卷积（TransposedConvolution），也被称为反卷积（Deconvolution）或逆卷积（InverseConvolution），是一种卷积神经网络中常用的操作

IAz-·2024-01-19 14:22

从三个例子理解贝叶斯定理

TimeFlies##贝叶斯定理推荐阅读：如何理解贝叶斯公式？

城市中迷途小书童·2024-01-19 13:57

如何提升大模型的推理和规划能力：思维链 CoT + 由少至多提示 Least-to-Most Prompting

2021年，OpenAI在训练神经网络过程中有一个意外发现。神经网络他可以很好地模仿现有的数据，很少犯错误。

Debroon·2024-01-19 13:01

idx-ubyte文件解析

2017-11-1902:19Mnist手写数字数据库是著名的神经网络入门级训练集，它图像文件的后缀名一般为idx3-ubyte,图像标签文件后缀名为idx1-ubyte。

lindorx·2024-01-19 12:12

YOLOv8改进 | 融合改进篇 | 华为VanillaNet + BiFPN突破涨点极限

一、本文介绍本文给大家带来的改进机制是华为VanillaNet主干配合BiFPN实现融合涨点，这个主干是一种注重极简主义和效率的神经网络我也将其进行了实验，其中的BiFPN不用介绍了从其发布到现在一直是比较热门的改进机制

Snu77·2024-01-19 12:36

多模型图像特征可视化

卷积可视化可以帮助深度学习研究者更好地理解卷积的概念和原理，从而更好地设计和优化卷积神经网络。

伪_装·2024-01-19 11:31

IMDB电影评论的情感分析——paddle

项目地址：IMDB电影评论的情感分析-飞桨AIStudio星河社区(baidu.com)1.实验介绍1.1实验目的理解并掌握循环神经网络的基础知识点，包括模型的时序结构、模型的前向传播、反向传播等掌握长短时记忆网络

伪_装·2024-01-19 11:23

【CNN】卷积神经网络CNN输出特征图计算+参数量计算+计算量计算

目录一、输出特征图大小计算1.一维（通道）输入数据1.1步长stride为1，padding为01.2增加步长stride，padding不动1.3增加步长stride，同时还增加padding2.n维（通道）输入数据二、卷积网络参数量计算2.1权重weights的参数量：2.2偏差bias的参数量：2.3总参数量就为：三、卷积网络计算量计算一、输出特征图大小计算1.一维（通道）输入数据假设输入图

桐秋廿·2024-01-19 11:03

Keras学习记录

Keras学习笔记keras.iokeras.io-zhkeras-cnKeras是一个高层神经网络API，Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端．Keras

深思海数_willschang·2024-01-19 11:28

表示学习内容摘录《深入浅出神经网络：GNN原理解析》

4.1.1表示学习的意义机器学习算法的性能严重依赖于数据的特征，因此在传统机器学习中，大部分的工作都在于数据的处理和转换上，以期得到好的特征使得机器学习算法更有效。这样的特征工程是十分费时费力的，这也暴露了传统机器学习方法中存在的问题，这些方法没有能力从数据中去获得有用的知识，而特征工程的目的则是将人的先验知识转化为可以被机器学习算法识别的特征，以弥补其自身的缺点。如果存在一种可以从数据中得到有判

认知计算_茂森·2024-01-19 11:25

机器学习入门总结和各类常用神经网络汇总(第二篇)

（七）GAN（generativeadversarialnetwork）生成式对抗网络GAN的核心为，让一个简单的随机的分布，经过网络的计算后生成一个有规律的分布。例如一张图片或者一段声音。这个网络主要分成两个部分：generator、discriminator。他们两个的工作分别为，一个用于生产图片，另一个用来判断生产出来的图片够不够真实。GAN是很难训练出来的，首先generator和disc

小黄不头秃·2024-01-19 11:20

机器学习（一）—— 简介

参考书籍《机器学习和深度学习：原理、算法、实战》文章目录1工业界流行的机器学习算法2机器学习3深度学习4预备知识5监督学习与无监督学习1工业界流行的机器学习算法线型回归逻辑回归决策树随机森林梯度提升机人工神经网络卷积神经网络循环神经网络贝叶斯技术支持向量机进化方法马尔可夫逻辑网络隐马尔可夫模型生成对抗网络

奶盖加芝士·2024-01-19 10:15

神经网络算法 - 一文搞懂自然语言处理

目录一、NLP的本质二、NLP的原理三、NLP的应用一、NLP的本质核心逻辑：NLP就是人类和机器之间沟通的桥梁！NLP（自然语言处理）定义：NLP是一种机器学习技术，使计算机能够解读、处理和理解人类语言。语言翻译与沟通的桥梁：人类通过语言来交流，狗通过汪汪汪来交流。机器也有自己的交流方式，那就是数字信息。不同的语言之间是无法沟通的，需要翻译才能交流，NLP就是人类和机器之间沟通的桥梁！为什么NL

之乎者也··2024-01-19 09:42

ResNet

目录一、ResNet介绍1、深度网络的退化问题2、退化问题的应对方式(残差学习)3、ResNet的网络结构二、代码实现1、ResNet块2、ResNet-18模型3、训练模型一、ResNet介绍残差神经网络

奉系坤阀·2024-01-19 09:50

Python数据分析案例36——基于神经网络的AQI多步预测(空气质量预测)

案例背景不知道大家发现了没，现在的神经网络做时间序列的预测都是单步预测，即(需要使用X的t-n期到X的t-1期的数据去预测X的t期的数据)，这种预测只能预测一个点，我需要预测X的t+1期的数据就没办法了

阡之尘埃·2024-01-19 08:36

李沐《动手学深度学习》线性神经网络 softmax回归

系列文章李沐《动手学深度学习》预备知识张量操作及数据处理李沐《动手学深度学习》预备知识线性代数及微积分李沐《动手学深度学习》线性神经网络线性回归目录系列文章一、softmax回归（一）问题背景（二）网络架构

丁希希哇·2024-01-19 08:36

一个简单的KNN实现方法

对于许多离散问题，经过神经网络解决再通过softmax之后每一个值在[0,1]之间的连续变量，想要将其离散化，即离散化到每个元素都是binary-variable，即0-1，这时可以用KNN方法，其实就是找到与这个向量的方差最小的

远离科研，保命要紧·2024-01-19 08:03

神经网络激活函数--Sigmoid、Tanh、Relu、Softmax

本文主要总结了Sigmoid、Tanh、Relu、Softmax四种函数；给出了函数的形式，优缺点和图像。sigmoid和Tanh函数的导数简单，但是可能出现梯度弥散。ReLU函数仅保留正元素，有良好的特性。Softmax一般是用于分类最后一层的归一化。目录1.Sigmoid函数2.Tanh函数3.Relu函数4.Softmax函数四种函数的图像：1.Sigmoid函数形式：特点：Sigmoid函

远离科研，保命要紧·2024-01-19 08:27

AIGC笔记--特征线性调制（FiLM）层的实现

目录1--特征线性调制层的作用2--特征线性调制层的实现3--论文实例1--特征线性调制层的作用特征线性调制（Feature-wiseLinearModulation，FiLM）层是一种神经网络模块，它可以用来实现特征的条件调整

晓晓纳兰容若·2024-01-19 07:02

深度学习(1)--基础概念

(RGB)二.神经网络基础1.得分函数：(1).输入的图片经过

GodFishhh·2024-01-19 07:51

深度学习(2)--卷积神经网络(CNN)

卷积神经网络（ConvolutionalNeuralNetworks）是一种深度学习模型或类似于人工神经网络的多层感知器，常用来分析视觉图像。一.卷积网络基础概念传统网络是一维的，而卷积网络是三维的。

GodFishhh·2024-01-19 07:51

基于深度学习的交通标志检测和识别（从原理-环境配置-代码运行）

基于深度学习的交通标志检测和识别是一种先进的计算机视觉技术，利用深度神经网络模型来准确地检测和识别道路上的各种交通标志。

毕设阿力·2024-01-19 07:20

深度学习笔试题（一）

CA、卷积神经网络有反馈连接。B、增加多层感知机的隐层层数，测试集的分类错误会减

beyond谚语·2024-01-19 07:50

神经网络分为哪几层？

神经网络的层数可以根据具体架构和应用场景有所不同，但通常包括以下几种基本层：输入层（InputLayer）：这是神经网络的第一层，负责接收输入数据。在输入层中，每个神经元代表了数据集中的一个特征。

CA&AI-drugdesign·2024-01-19 07:13

查看神经网络中间层特征矩阵及卷积核参数

可视化featuremaps以及kernelweights，使用alexnet模型进行演示。1.查看中间层特征矩阵alexnet模型，修改了向前传播importtorchfromtorchimportnnfromtorch.nnimportfunctionalasF#对花图像数据进行分类classAlexNet(nn.Module):def__init__(self,num_classes=100

mango1698·2024-01-19 06:23

概率论在激光雷达的目标检测和跟踪中的应用

概率论在激光雷达的目标检测和跟踪中发挥着重要的作用，通过建立概率模型和应用贝叶斯推断，可以处理激光雷达数据的不确定性，并提供准确的目标检测和跟踪结果。概率模型是激光雷达目标检测和跟踪的基础。

weixin_30777913·2024-01-19 06:22

YOLOV2网络剪枝

对神经网络进行剪枝这个想法并不新奇，可追溯至1900年（YanLecun的工作-http://yann.lecun.com/exdb/publis/pdf/lecun-90b.pdf）。

立夏陆之昂·2024-01-19 05:18

Darknet_yolov2综述入门整理

接着上次的神经网络，这次整理一下Darknet，yolov2首先得先了解Darknet,是深度学习框架，总的来说深度学习框架提供了一些列的深度学习的组件（对于通用的算法，里面会有实现），当需要使用新的算法的时候就需要用户自己去定义

立夏陆之昂·2024-01-19 05:48

图像生成之条件生成对抗网络（CGAN）

在原文中，作者指出扩大神经网络模型去适应大量的预测输出类别是很有挑战性的，所以作者提到，利用来自其他模态的附加信息去解决这个问题:例如，通过使用自然语言语料库来学习标签的向量表示，因为几何关系具有语义意义

Wilson_Hank·2024-01-19 05:34

图像生成之变分自动编码器（VAE）

简要介绍“概率图模型+神经网络”、“EM算法、变分推断”自动编码器是一种无监督学习方法，将高维的原始数据映射到一个低维特征空间，然后从低维特征学习重建原始的数据。

Wilson_Hank·2024-01-19 05:03

深度学习 | 三个概念：Epoch, Batch, Iteration

深度学习|三个概念：Epoch,Batch,Iteration-(jianshu.com)image.pngEpoch（时期）：当一个完整的数据集通过了神经网络一次并且返回了一次，这个过程称为一次>epoch

柠檬先生在搬砖·2024-01-19 04:36

隐马尔可夫模型【维特比算法】

第一章机器学习简介第二章感知机第三章支持向量机第四章朴素贝叶斯分类器第五章Logistic回归第六章线性回归和岭回归第七章多层感知机与反向传播【Python实例】第八章主成分分析【PCA降维】第九章隐马尔可夫模型文章目录机器学习笔记一

格兰芬多_未名·2024-01-19 03:21

机器学习笔记——感知机【图文，详细推导】

机器学习笔记第一章机器学习简介第二章感知机文章目录机器学习笔记一、超平面二、感知机定义三、学习策略和学习算法1线性可分2损失函数定义3优化算法—SGD4算法收敛性四、感知机的缺点参考资料感知机（PLA）是1957年，由Rosenblatt提出会，是神经网络和支持向量机的基础

格兰芬多_未名·2024-01-19 03:20

奇异值分解(SVD)【详细推导证明】

第一章机器学习简介第二章感知机第三章支持向量机第四章朴素贝叶斯分类器第五章Logistic回归第六章线性回归和岭回归第七章多层感知机与反向传播【Python实例】第八章主成分分析【PCA降维】第九章隐马尔可夫模型第十章奇异值分解文章目录机器学习笔记一

格兰芬多_未名·2024-01-19 03:20

laafeer·2024-01-19 03:35

机器学习入门

机器学习：发展与未来人工智能>机器学习>深度学习>神经网络多种机器学习技术：深度学习，强化学习，蒙特卡洛树搜索。。。3.机器学习”有哪些技术局限？

zelda2333·2024-01-19 02:36

【机器学习】西瓜书要点个人整理

目录前置基础知识第三章线性模型机器学习三要素1.函数集合2.目标函数3.优化方法4.模型评估方法对数几率回归（逻辑回归）第四章决策树第五章SVM第六章贝叶斯分类器第八章集成学习第九章神经网络前情提要：本文适合在学习机器学习课程前

_hermit:·2024-01-19 02:45

安装mxnet详细版

MXNet提供了丰富的神经网络层和优化算法，可以用于各种深度学习任务，如图像分类、目标检测、语音识别等。同时，MXNet还具有高效、灵活、易用等特点，受到了广泛的关注和应用。

江江酱₍ᐢ..ᐢ₎♡·2024-01-19 01:00

基于深度学习和改进卷积神经网络的花卉信息识别系统

在图像识别领域，卷积神经网络（ConvolutionalNeuralNetworks，CNN）已经取得了显著的成果。然而，传统的卷积神经网络在花卉信息识别方面仍然存在一些

xuehai996·2024-01-19 01:25

为什么GPU比CPU更适合人工智能计算？

人工智能模型，也称为神经网络，本质上是一个数学千层面，由一层又一层的线性代数方程组成。每个方程都表示一段数据与另一段数据相关的可能性。

英智未来·2024-01-19 01:51

生成式AI入门指南

生成式AI的定义生成式AI模型通过神经网络辨识现有数据中的规律和架构，从而创造出新的独特内容。这类模型的突破性进展之一在于，它们可以运用无监督或半监督学习等不同训练方法。

英智未来·2024-01-19 01:21

计算机视觉：AI如何识别与理解图像

随着深度学习和神经网络的发展，人们对于如何让AI识别和理解图像产生了浓厚的兴趣。本文将探讨计算机视觉中AI如何进行图像识别与理解的过程，并介绍相关应用和挑战。

Imagination官方博客·2024-01-19 00:57

Kaggle知识点：训练神经网络的7个技巧

来源：Coggle数据科学神经网络模型使用随机梯度下降进行训练，模型权重使用反向传播算法进行更新。

Imagination官方博客·2024-01-19 00:56

神经网络是如何学习预测的？

GPT与神经网络的关系GPT想必大家已经耳熟能详，当我们与它进行对话时，通常只需关注自己问出的问题（输入）以及GPT给出的答案（输出），对于输出内容是如何产生的，我们一无所知，它就像一个神秘的黑盒子。

Imagination官方博客·2024-01-19 00:25

推荐频道

贝叶斯神经网络