07.网络学习

神经网络学习----如何利用训练好的神经网络模型进行预测

预测会用到两个文件，分别是yolo.py和predict.py。yolo.py里面修改model_path以及classes_path，这两个参数必须要修改。model_path指向训练好的权值文件，在logs文件夹里。classes_path指向自己目标类别所对应的txt。predict.py也要修改图片路径和保存路径。该代码可以选择不同模式进行单张图片、多张图片、视频及FPS的预测。修改好后，
红枣燕麦·2023-01-13 22:08

Kubernetes(k8s) 笔记总结(三)

提示：针对kubernetes的服务网络学习。
IT_Holmes·2023-01-13 19:58

【AI教程】AI基础学习笔记(第3天)

00.目录文章目录00.目录01.学习目标02.变换面板03.渐变网格04.宽度工具组05.封套扭曲06.混合工具07.路径编辑08.复合路径09.符号喷枪工具10.透明度面板11.橡皮擦工具组12.隔离模式
Print World·2023-01-13 16:43

计算机网络学习笔记（三）传输层

文章目录1.概述2.多路复用与多路分解3.UDP4.TCP5.拥塞控制6.TCP拥塞控制1.概述  传输层协议在不同主机上的应用进程之间提供了逻辑通信功能。传输层协议是在端系统中而不是在路由器实现的。在发送端，传输层将发送应用程序进程接收到的报文转换为传输层分组，该报文也被称为报文段。然后在发送端系统中，传输层将这些报文段传递给网络层，网络层将其封装为网络层分组并向目的地发送。网络路由器仅用于该数
volit_·2023-01-13 07:01

学校食堂明厨亮灶监控系统 Python

学校食堂明厨亮灶监控系统通过Python基于YOLOv7卷积神经网络学习与图像识别技术，对现场画面进行24小时实时分析，如：厨房出现老鼠狗猫、厨师未戴口罩、厨师未戴厨师帽、厨师服穿戴识别、抽烟识别、玩手机识别
燧机科技·2023-01-12 15:05

Kubernetes 网络学习之 Cilium 与 eBPF

这是Kubernetes网络学习的第五篇笔记，也是之前计划中的最后一篇。
·2023-01-12 09:05

Kubernetes 网络学习之 Cilium 与 eBPF

这是Kubernetes网络学习的第五篇笔记，也是之前计划中的最后一篇。
·2023-01-12 09:01

神经网络学习随笔

神经网络神经网络简介深度学习简介神经网络介绍神经元是如何工作的激活函数Sigmoid/logistics函数：tanh(双曲正切曲线)RELULeakReLuSoftMax其他激活函数如何选择激活函数隐藏层输出层参数初始化随机初始化标准初始化Xavier初始化He初始化神经网络的搭建通过Sequential构建利用functionAPI构建通过model的子类构建神经网络的优缺点优点缺点总结神经网
最白の白菜·2023-01-12 01:05

人脸识别-论文阅读-ArcFace及其由来（SphereFace、CosFace）

图1ArcFace发展过程随着深度学习人脸识别的发展，现在人脸识别的主要思想是在网络学习的过程中增大类间差距（inter-class）的同时减小类内差距（intra-class）。
AManFromEarth·2023-01-11 23:07

关于batch normalization的理解

原因：1、每次卷积完成后，数据分布会改变，与原始数据的分布出现偏差，不利于网络学习和收敛。改进方法：卷积后，加入BN层，使得数据的分布又回到了原始数据的分布，有利于模型训练。
Jack Su·2023-01-11 12:05

ELAN设计理念：通过梯度路径分析设计网络设计策略

在本文中希望通过提高网络学习能力来增强训练模型的表达能力。由于驱
迪菲赫尔曼·2023-01-11 11:24

神经网络学习笔记(二)——循环神经网络RNN

循环神经网络RNN文章目录循环神经网络RNN一、概述二、背景三、RNN原理3.1模型结构3.2前向传播3.3反向传播BPTT(back-propagationthroughtime)3.4RNN的分类3.5RNN的改进双向RNN深度RNN四、RNN的简单使用五、总结一、概述  循环神经网络（Recurrentneuralnetwork，RNN）是一类以序列（sequence）数据为输入，在序列的演
Storm*Rage·2023-01-11 07:48

安全卫士——Day03_1

*02.sim卡的绑定*03.检查手机是否变更sim卡*04.读取联系人的结构*05.读取联系人*06.设置安全号码*07.手机防盗的核心原理*08.短信指令的广播接收者
lovewaterman·2023-01-10 20:00

首个可用于深度学习的ToF相关数据集——基于置信度的立体相机以及ToF相机深度图融合框架

作者|cocoon编辑|3D视觉开发者社区✨如果觉得文章内容不错，别忘了三连支持下哦~文章目录1.导语2.方法以及网络结构2.1使用网络学习置信度2.11训练细节2.2双目以及ToF视差的fusion3
奥比中光3D视觉开发者社区·2023-01-10 19:41

【网络学习&复现】unet系列之unet++&unet3+

unet++学习历程记录0、一位大大的论文解读https://blog.csdn.net/weixin_40519315/article/details/1044574591、unet++作者在知乎上的解读https://zhuanlan.zhihu.com/p/44958351get到了网络大致是在保留原来unet的长跳的同时加了许多小跳用到了深监督。因为采用了深监督，所有可以进行剪枝。因为L1
zeng001201·2023-01-10 09:54

计算机网络学习路线

文章目录结构：一OSI与TCP/IP各层的结构与功能，都有哪些协议运输层主要使用以下两种协议：UDP的主要特点：TCP的主要特点：域名系统（DomainNameSystem缩写DNS，DomainName被译为域名）HTTP协议五层协议的体系结构1应用层（applicationlayer）2运输层（transportlayer）3网络层（networklayer）4数据链路层（datalinkla
Jmayday·2023-01-09 20:54

【机器学习】李宏毅 - 02 回归

调整模型02.梯度下降法单参数www多参数w,bw,bw,b03.线性模型04.分段线性曲线（PiecewiseLinearCurves）05.批训练（Batchingtraining）06.模型变型07
Biophilia_hyb·2023-01-09 14:00

千锋教育+计算机四级网络-计算机网络学习-02

目录分组交换的两种传输方式数据报方式编辑虚电路方式OSI参考模型IP地址分类公有IP私有IP回环ip地址子网掩码端口端口号端口分类数据包的组装、拆解网络应用程序开发流程选择合适的协议（TCP或UDP)TCP—面向连接UDP—面向无连接C/S架构示例（面向连接）server工作过程client工作过程分组交换的两种传输方式数据报方式不需要连接，想UDP就不需要，因此他传输数据的方式就是数据报方式虚电
简单点的学玩·2023-01-09 14:14

“深度学习”学习日记。神经网络的学习--损失函数

为了使神经网络学习，就得导入损失函数这一个指标。而学习的目的就是一该损失函数为基准，找出使它的值达到最小权重的参数。
Anthony陪你度过漫长岁月·2023-01-09 11:24

DBNet学习笔记

DBNet提出可微分二值化（红色箭头部分）来解决这个缺点：对每一个像素点进行自适应二值化；二值化阈值由网络学习得到，彻底将二
HenrySmale·2023-01-09 10:31

复杂网络初学者学习过程记录

复杂网络学习心得（一）复杂网络相关指标计算图/网络邻接矩阵度及度分布复杂网络相关指标计算最近在做复杂网络相关的项目，但是此前并无任何基础，于是准备从头开始学习。
狸夷·2023-01-09 08:56

复杂网络学习笔记：networkx实现网络的基本拓扑性质

1、复杂网络的连通性1.1、无向网络中的巨片首先考虑地球上所有人类组成的社会网络的连通性；很显然整个网络是不连通的，因为只要有一个人没有朋友或者说只要有一小群人没有除了这群人之外的朋友那么整个网络就不连通。由此可见，对于大规模网络来说，连通性非常脆弱，只要单个节点或者小部分节点的行为都有可能破坏连通性。我们可以看出大规模复杂网络可能会出现一个大的连通片，这个连通片包含整个网络中的大部分节点，那么称
xMathematics·2023-01-09 08:25

利用pytorch来深入理解CELoss、BCELoss和NLLLoss之间的关系

对于神经网络而言，损失函数决定了神经网络学习的走向，至关重要。pytorch中的所有损失函数都可以通过reduction=‘mean’或者reduction=‘sum’来设置均值还是总值。
changxl.·2023-01-09 08:54

使用pytorch搭建LeNet网络 学习笔记

使用pytorch搭建LeNet网络学习笔记modelmodel.pynn.Conv2d函数nn.MaxPool2d函数traintrain.py下载数据集导入数据集predictpredict.py视频教程来自
hywh111·2023-01-08 15:03

残差网络

多层网络使用上面简单感知机的权重调整规则显然不够用了，BP神经网络算法即误差逆传播算法（errorBackPropagation）正是为学习多层前馈神经网络而设计，BP神经网络算法是迄今为止最成功的的神经网络学习算法
cdy艳0917·2023-01-08 10:03

图神经网络学习(一)-GCN及其应用

内容提要：GCN背景简介+torch_geometric库安装+GCN处理Cora数据集1.图神经网络1.1概念原有的卷积神经网络主要用来解决欧式空间中的数据（数据规整，形状固定），例如图像数据。无法应对非欧式空间中的数据，例如图数据。但是神经网络是规整的计算方式，所以图神经网络的目标就是，如何去用规整的神经网络去处理不规整的图数据。1.2应用场景非欧数据的场景很多，如：社交网络，计算机网络，病毒
Enoch Liu98·2023-01-08 07:51

Matlab之BP神经网络学习------ Day 1

一：BP神经网络概述BP神经网络是一种多层前馈神经网络，网络主要特点是信号前向传递，误差反向传递。BP神经网络传递基本流程为：输入层--->逐层处理--->输出层（媒介：隐含层）。值得注意的事：每一层神经元状态只影响下一神经元状态。若得不到期望的输出，则反向传播，根据预测误差调整网络权值与阀值，从而使BP神经网络预测预值不断逼近期望值。拓扑结构图：此结构图是经典网络结构图：x1、x2...xn作为
_Collapsar___·2023-01-07 18:33

神经网络学习（三）：解偏微分方程

前言在完成了常微分的数值解之后，我开始如法炮制的来解偏微分，我觉得解法上是一样的，都直接使用autograd就可以了，所以理论是难度并不大（虽然实际上我是花的时间最长的），只不过需要注意的细节比较多，所以模型卡了很久都没有效果，让我都怀疑人生了，今天终于找到了问题！所以把整个过程介绍一下今天选择的偏微分方程为Burgers方程，在Dirichlet条件下求数值解，具体形式为：训练流程1.定义网络这
LusinLee·2023-01-07 12:41

董彬教授：用深度神经网络学习偏微分方程及其数值求解的离散格式

2019年10月31日下午，在北京智源大会的“人工智能的数理基础专题论坛”上，北京大学副教授、智源学者董彬做了题为《LearningandLearningtoSolvePDEs》的主题演讲（编者注：PDE，PartialDifferentialEquation，偏微分方程）。早在加州大学圣地亚哥分校（UCSD）攻读博士后期间，董彬便在图像反问题领域做了一系列开创性的研究，他同合作者一起建立了小波框
智源社区·2023-01-07 12:10

神经网络求解偏微分方程时遇到的一些问题

方程的选择与处理首先，选取的偏微分方程参考了如下博客神经网络学习（三）：解偏微分方程_LusinLee的博客-CSDN博客_神经网络求解偏微分方程这里的偏微分方程为：在设计损失函数时，我选择了通过改变网络输出函数
ion_ura·2023-01-07 12:09

神经网络学习小记录24——卷积神经网络经典模型及其改进点汇总

神经网络学习小记录24——卷积神经网络经典模型及其改进点汇总学习前言经典神经网络的改进点经典神经网络的结构汇总1、VGG162、ResNet503、InceptionV34、Xception5、MobileNet
Bubbliiiing·2023-01-07 11:50

【学习】网络压缩：知识蒸馏、参数量化、动态计算，PPO

DepthwiseConvolution三、动态计算DynamicComputation四、Fromon-policytooff-policy（PPO）一、知识蒸馏KnowledgeDistillation学生网络学习老师网络
Raphael9900·2023-01-07 08:19

千锋教育+计算机四级网络-计算机网络学习-01

目录课程链接最早的广域网计算机网络发展阶段计算机网络的定义与要点英文单词网络术语与解释计算机网络分类广域网技术城域网局域网个人局域网五种基本的网络拓扑结构误码率电路交换网特点分组交换交换方式TCP/IP协议族IP协议介绍TCP协议介绍UDP协议介绍网卡MAC地址—链路层IP地址IP地址组成IP地址特点课程链接课程会涉及到一些计算机四级网络技术的知识点千锋教育物联网嵌入式开发基础全套教程，小白学网络
简单点的学玩·2023-01-07 07:18

神经网络学习——梯度下降算法

梯度下降算法。神经网络的学习的目的是找到是损失函数的值尽可能效的参数，这是寻找最优参数的问题，解决这个问题的过程称为最优化。遗憾的是这个问题非常难。这是因为参数空间非常复杂，无法轻易找到最优解。而且，在深度神经网络中，参数的数量非常庞大，导致最优化的问题更加复杂。下面给出几种最优化算法的优缺点算法优点缺点SDG避免冗余数据的干扰，收敛速度加快，能够在线学习。更新值的方差较大，收敛过程会产生波动，可
王木木呀！·2023-01-07 07:45

TVloss

TVLoss(TotalVariationLoss)，全名为总变分损失函数，TVLoss作为一种正则项配合损失函数去调节网络学习。
SetMaker·2023-01-06 08:19

【论文阅读】Cascade Transformers for End-to-End Person Search

在每个阶段，被遮挡的注意力变换器在联合阈值上应用更紧密的交集，迫使网络学习从粗到细的姿势/比例不变特征。同时，计算每个检测的遮挡注意力，以区分一个人
≈落小朵·2023-01-06 07:29

轻量化网络学习 6 Attention-transfer

文章目录0、归纳1、论文1、注意力机制3个类型空间域spatialdomain：更多关注特征空间信息，决定空间中哪些区域重要，那些不重要通道域channeldomain：关注通道信息混合域mixeddomain：同时关注4个应用2、基于激活的注意力转移，前馈过程3、基于梯度的注意力转移，反馈过程2、轻量化改进手段3、研究意义4、总结5、论文总结6、最后关于三篇attention的介绍0、归纳1、论
spark-aixin·2023-01-05 15:45

机器视觉2D/3D标注工具汇总

标注工具是处理原始数据的第一关，无论是检测任务、分割任务还是3D感知、点云等，都需要制作真值来监督网络学习。
@BangBang·2023-01-04 18:53

神经网络可以用来分类吗,神经网络分类特点区别

，在遥感图像的自动分类方面，应用和研究比较多的人工神经网络方法主要有以下几种：（1）BP（BackPropagation）神经网络，这是一种应用较广泛的前馈式网络，属于有监督分类算法，它将先验知识融于网络学习之中
普通网友·2023-01-04 12:07

注意力机制attention笔记

注意力机制attention笔记神经网络学习小记录63–Keras图像处理中注意力机制的代码详解与应用_Bubbliiiing的博客-CSDN博客_keras通道注意力attention介绍_纵雪者的博客
锦鲤柠檬·2023-01-04 09:27

ECCV 2022|DynamicDepth：动态场景下的多帧自监督深度估计

现在的已有方法例如ManyDepth，利用teacher-student网络结构，让多帧部分的网络在不可信区域向单帧部分的网络学习，但是所谓不可信区域的判断准则仅仅是依靠多帧深度和单帧深度的差异来计算的
落叶随峰·2023-01-04 04:16

GNN、GCN、GAT图卷积神经网络学习

一、GNNGNN能干什么？二、GCN在GNN的基础上，GCN要解决的是一个什么问题呢？以求Xi的平均工资为例：更新后的节点信息=邻居节点的信息N+自身节点的信息但是A只与B关联，B与很多节点关联。当计算A的平均工资时，按照上面的公式把B的信息传给A，会使A的信息失真，因此GCN的目标就是解决这个信息传递时失真的问题。解释一下这个公式：A'矩阵代表A的关联矩阵(关联信息+自身信息)，D'代表A'的度
在平凡生活中挣扎·2023-01-03 17:59

yolo系列理论补充（v4、v5、x）和瑞芯微

神经网络学习小记录60——PytorchGhostNet模型的复现详解_Bubbliiiing的博客-CSDN博客Pytorch搭建自己的Ghostnet-YoloV4目标检测平台（Bubbliiiing
Jormungand123·2023-01-03 10:58

WS小世界网络的Matlab代码

复杂网络学习的经典网络之一，WS小世界网络的概念就不再赘述，直接代码开整：functionWS(N,K,p1)%N个节点，每个节点与相邻节点共有2K条连边，断边重连概率为p1%-------------
TCG_GL·2023-01-03 08:56

机器学习笔记------神经网络

神经网络学习的过程就是根据训练数据来调整神经元之间的“连接权(connectionweight)”以及每个功能神经元的阈值——神经网络“学”到的东西，蕴涵在连接权与阈值中。
玉成226·2023-01-02 11:42

VectorNet详解

3.辅助任务为了进一步提高向量网络学习上下文特征的能力，作者提出了一种新的辅助任务，即对图随机进行m
樱花的浪漫·2023-01-02 08:49

吴恩达机器学习[9]-神经网络学习

神经网络学习NeuralNetwork非线性假设Non-linearhypotheses神经元与大脑Neuronsandthebrain模型展示1Modelrepresentation1模型展示2Modelrepresentation2
踏归1234·2023-01-02 07:19

吴恩达机器学习课程07——神经网络学习

目录神经网络模型前向传播反向传播神经网络模型关于这一块的入门知识，比如什么是神经网络呀，等等抽象的入门概念，我不打算讲太多，准确的说，吴恩达老师的课程里已经陈述了一遍了，比较好理解，没有太多要讲的地方。今天的话，我主要想再讲一下前向传播和反向传播的知识（主要是反向传播），这一块其实吴恩达老师也拿出了很多的时间来讲解，但是说实话，这一块内容比较的绕，需要一定的数学功底，之前我也专门总结过很多次了，即
CtrlZ1·2023-01-02 07:45

【原型网络】Prototypical Networks for Few-shot Learning

原型网络学习一个度量空间，其中可以通过计算到每个类的原型表示的距离来执行分类。与最近的小样本学习方法相比，它们反映了一种更简单的归纳偏差，这在这种有限数据的情况下是有益的，并取得了出色的结果。
一只瓜皮呀·2023-01-01 08:44

train-loss和test-loss之间关系：网络学习情况

trainloss不断下降，testloss不断下降，说明网络仍在学习;trainloss不断下降，testloss趋于不变，说明网络过拟合;trainloss趋于不变，testloss不断下降，说明数据集100%有问题;trainloss趋于不变，testloss趋于不变，说明学习遇到瓶颈，需要减小学习率或批量数目;trainloss不断上升，testloss不断上升，说明网络结构设计不当，训练
老司机的诗和远方·2023-01-01 01:54
上一页 37 38 39 40 41 42 43 44 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他