Android基础知识学习系列第27页

【深度学习系列】贝叶斯神经网络

没有免费的午餐定律如果一个算法对某些问题有效，那么它一定在另外一些问题比纯随机搜索方法更差。推荐学习贝叶斯神经网络资料：[1]https://www.bilibili.com/video/BV1TL4y187qF?spm_id_from=333.337.search-card.all.click[2]https://zhuanlan.zhihu.com/p/81170602推荐的工具：基于pyto

lrchang·2022-12-13 22:05

python语句学习系列(1)--print()输出结果不全,部分内容省略问题

文章目录前言1、控制台输出内容部分省略2、解决方式总结前言1、控制台输出内容部分省略2、解决方式代码如下（示例）：pd.set_option('display.width',10000)#设置字符显示宽度pd.set_option('display.max_rows',None)#设置显示最大行pd.set_option('display.max_columns',None)#设置显示最大列，No

用余生去守护·2022-12-13 18:23

自监督学习系列（一）：基于 Pretext Task

前言2019年MoCo的横空出世，掀起了视觉自监督学习的热潮。后面SimCLR,MoCo,BYOL,SwAV等主流自监督学习算法相继被提出，自监督学习领域呈现出百花齐放，百家争鸣空前繁荣的景象。2021年末MAE更是将自监督学习带到了一个前所未有的新高度。但是繁荣的背后，自监督学习经历了漫长的迭代和发展过程。自监督学习有一个非常强的动机：目前，大部分神经网络的训练仍然使用的是有监督范式，需要耗费大

OpenMMLab·2022-12-13 18:06

[论文阅读]（对比学习系列）

文章目录第一阶段：百花齐放[2018](CVPR)INstDisc[2019](CVPR)UnsupervisedEmbeddingLearningviaInvariantandSpreadingInstanceFeature[2018]CPCCMC第二阶段：CV双雄[2020](CVPR)MoCo_v1标题和作者摘要导论结论相关工作MoCo方法ContrastiveLearningasDicti

小黑子和篮球·2022-12-13 11:17

自监督学习系列（四）：基于蒸馏的图片掩码学习

前文好久不见！自监督系列文章继续更新啦！在前几期的文章我们介绍了基于辅助任务，对比学习，和图片掩码学习的自监督学习范式(对比学习，图片掩码学习其实也可以归属于基于辅助任务的自监督学习，由于这两类是目前最流行的研究方向，所以我们在此进行这样的区分)。有感兴趣的读者可以查看前几期的文章:https://zhuanlan.zhihu.com/p/470914640https://zhuanlan.zhi

OpenMMLab·2022-12-13 11:14

我的深度学习过程，你可以借鉴我的方法，该方法对初学者友好

Beginner-friendlyDeepLearningProcess1.观看李飞飞和吴恩达的机器学习系列课程斯坦福李飞飞CS231n计算机视觉课程吴恩达机器学习系列课程2.Pytorch入门课程Pytorch

Anefuer_kpl·2022-12-13 08:20

深度神经网络简介及python示例_Python神经网络编程/深度学习系列：(英)塔里克·拉希德|译者:林赐 : 电子电脑 :电工无线电自动化 :自动化技术 ...

导语内容提要神经网络是一种模拟人脑的神经网络，以期能够实现类人工智能的机器学习技术。塔里克·拉希德著的《Python神经网络编程》揭示神经网络背后的概念，并介绍如何通过Python实现神经网络。全书分为3章和两个附录。第1章介绍了神经网络中所用到的数学思想。第2章介绍使用Python实现神经网络，识别手写数字，并测试神经网络的性能。第3章带领读者进一步了解简单的神经网络，观察已受训练的神经网络内部

weixin_39533280·2022-12-12 12:04

计算机网络（一）—— 概述（6）：计算机网络体系结构

计算机网络系列内容的学习目录→\rightarrow→谢希仁计算机网络学习系列内容汇总。

大彤小忆·2022-12-12 10:45

opencv学习系列：连通域参考处理

OpenCV里提取目标轮廓的函数是findContours，它的输入图像是一幅二值图像，输出的是每一个连通区域的轮廓点的集合：vector>。外层vector的size代表了图像中轮廓的个数，里面vector的size代表了轮廓上点的个数。hiararchy参数和轮廓个数相同，每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0]~hierarchy[i][3]

xuluohongshang·2022-12-12 00:19

Python数据分析学习系列十四数据分析案例

Python数据分析学习系列十四数据分析案例资料转自（GitHub地址）：https://github.com/wesm/pydata-book有需要的朋友可以自行去github下载本书正文的最后一章，

天涯尽头黄鹤楼·2022-12-11 17:13

Pytorch学习系列之九：OpenCV加载onnx模型进行推理

0.为什么选着OpenCV进行推理按道理，使用OpenVINO推理套件（引擎）进行优化加速推理，或者其他推理套件进行推理，比如TensorRT等等。OpenVINO是英特尔推出的一款全面的工具套件，用于快速部署应用和解决方案，支持计算机视觉的CNN网络结构超过150余种。但引入推理套件（引擎）势必带来额外的工作量，在对推理速度要求不高的情况下，使用OpenCV自带的DNN模块已经足够满足需求了，且

thequitesunshine007·2022-12-11 11:00

深度学习系列四——优化篇之网络正则化

网络正则化1、概述2、L1L_1L1和L2L_2L2正则化3、权重衰减4、提前停止5、丢弃法(Dropout)5.1循环神经网络上的丢弃法6、数据增强7、标签平滑1、概述\quad\quad1、神经网络的泛化能力是影响模型能力的最关键因素，如何提高泛化能力是建立模型考虑的问题之一。\quad\quad2、神经网络可能存在过拟合问题–高方差，影响模型的泛化能力。因此，在建立模型时应避免过拟合。解决过

珞沫·2022-12-11 09:08

深度学习系列之随机梯度下降（SGD）优化算法及可视化

补充在前：实际上在我使用LSTM为流量基线建模时候，发现有效的激活函数是elu、relu、linear、prelu、leaky_relu、softplus，对应的梯度算法是adam、mom、rmsprop、sgd，效果最好的组合是：prelu+rmsprop。我的代码如下：#Simpleexampleusingrecurrentneuralnetworktopredicttimeseriesval

XOR酸菜鱼·2022-12-10 14:55

吴恩达机器学习系列课程笔记——第十八章：应用实例：图片文字识别(Application Example: Photo OCR)

18.1问题描述和流程图https://www.bilibili.com/video/BV164411b7dx?p=108图像文字识别应用所作的事是，从一张给定的图片中识别文字。这比从一份扫描文档中识别文字要复杂的多。为了完成这样的工作，需要采取如下步骤：文字侦测（Textdetection）——将图片上的文字与其他环境对象分离开来字符切分（Charactersegmentation）——将文字分

Lishier99·2022-12-10 13:38

机器学习系列（六） -- K-means算法（食物数据集）

K-means是一种最流行的聚类算法属于无监督学习可以在数据集分为相似的组（簇），使得组内数据的相似度较高，组间之间的相似度较低步骤：#1从样本中选择k个点作为初始簇中心#2计算每个样本到各个簇中心的距离，将样本换分到距离最近的簇中心所对应的簇中#3根据每个簇中所有样本，重新计算簇中心，并更新#4重复步骤23直到簇中心的位置变化小于指定的阈值或者达到最大迭代次数为数据读取importnumpyas

gm0012·2022-12-10 12:52

【Flutter 学习系列第 1 篇】在 Flutter 中如何定义obs

使用.obs扩展更使用嘎嘎简洁，对于需要监测的对象来说，加上.obs扩展即可。万物皆可obsfinalname=''.obs;finalisUsed=false.obs;finalnum=0.obs;finalitems=[].obs;finalmap={}.obs;//自定义类finaluser=User().obs;finalitems=[].obs;

-仅此而已·2022-12-10 08:49

“降维算法”面试知识点总结-PCA+LDA算法-百面机器学习系列4

提示：在准备机器学习算法工程师面试的过程中，我主要参考《百面机器学习》去巩固自己的基础知识。本系列博客将以该书为主题，并以八股文的方式去概述整本书的内容，以尽量减少读者们的阅读作量，并方便读者可以随时随地的记忆背诵。建议：我还是认为读者们可以提前买一本《百面机器学习》，从前到后完全看一遍，然后再看我的博客去记忆背诵会更好些哈。文章目录问题1：PCA最大方差理论问题2：PCA最小平方误差理论问题3：

八股文的搬运工·2022-12-10 07:18

“机器学习中的经典算法”面试知识点总结-SVM+逻辑回归+决策树-百面机器学习系列3

提示：在准备机器学习算法工程师面试的过程中，我主要参考《百面机器学习》去巩固自己的基础知识。本系列博客将以该书为主题，并以八股文的方式去概述整本书的内容，以尽量减少读者们的阅读作量，并方便读者可以随时随地的记忆背诵。建议：我还是认为读者们可以提前买一本《百面机器学习》，从前到后完全看一遍，然后再看我的博客去记忆背诵会更好些哈。文章目录问题1：支持向量机问题2：逻辑回归问题3：决策树问题4：Logi

八股文的搬运工·2022-12-10 07:17

“非监督学习”面试知识点总结-K均值+高斯混合模型+自组织映射神经网络+聚类算法评估-百面机器学习系列5

提示：在准备机器学习算法工程师面试的过程中，我主要参考《百面机器学习》去巩固自己的基础知识。本系列博客将以该书为主题，并以八股文的方式去概述整本书的内容，以尽量减少读者们的阅读作量，并方便读者可以随时随地的记忆背诵。建议：我还是认为读者们可以提前买一本《百面机器学习》，从前到后完全看一遍，然后再看我的博客去记忆背诵会更好些哈。文章目录问题1：K均值聚类问题2：高斯混合模型问题3：自组织映射神经网络

八股文的搬运工·2022-12-10 07:34

python twisted教程_Python Twisted 学习系列20(转载stulife最棒的Twisted入门教程)

第二十部分轮子中的轮子:Twisted和Erlang简介在这个系列中,有一个事实我们还没有介绍,即混合同步的"普通Python"代码与异步Twisted代码不是一个简单的任务,因为在Twisted程序中阻滞不定时间将使异步模型的优势丧失殆尽.如果你是初次接触异步编程,那么你得到的知识看起来有一些局限.你可以在Twisted框架内使用这些新技术,而不是在更广阔的一般Python代码世界中.同时,当用

weixin_39683598·2022-12-10 06:16

[Machinie Learning] 机器学习课程笔记合订本（更新中）

MachineLearning吴恩达机器学习课程笔记吴恩达机器学习系列吴恩达ML课程笔记——Week1未完待续，持续更新ing…

Carsick Car·2022-12-10 01:57

机器学习系列——回归算法（线性回归、岭回归）

一、回归的定义回归是针对连续变量而言的，比如房屋价格、天气温度等，这些问题有很多影响因素，比如影响房屋价格的因素有位置、是否学区等，通过对这些因素进行回归分析可以得到一个系数，从而预测接下来的房价走势。二、线性模型我们进行线性回归分析，其本质是要求出w这个矩阵，即变量的系数。再利用现实中的数据代入方程式中即可得到预测结果。但在预测的过程中肯定不会能完全准确，所以势必会有一些信息的损失。在一元变量中

棚鱼宴·2022-12-09 13:14

语义分割学习系列（三）cityscapes数据集介绍

前言常见的语义分割数据集有VOC2012,MSCOCO以及Cityscapes等。今天我们先来介绍Cityscapes数据集简介Cityscapes是关于城市街道场景的语义理解图片数据集。它主要包含来自50个不同城市的街道场景，拥有5000张在城市环境中驾驶场景的高质量像素级注释图像（其中2975fortrain，500forval,1525fortest，共有19个类别）；此外，它还有20000

ltshan139·2022-12-09 05:32

英伟达开发板学习系列----更新Jetson AGX Xavier系统

概叙：原装的系统不支持摄像头模组，所以需要更新系统来支持摄像头模组。需要更新Jetson系统的L4T(LinuxforTegra)的两个部分，Image和DTB。Image部分，我们增加了摄像头驱动，DTB部分则指明了使用的摄像头型号更新步骤：第一步：查看L4T版本：L4TAPI：cat/etc/nv_tegra_release32.5注：如显示：#R32(release),REVISION:5.

wqm-story027·2022-12-09 01:46

吴恩达机器学习课程笔记

——《黑客与画家》学习资料课程b站[中英字幕]吴恩达机器学习系列课程Coursera机器学习Coursera深度学习主成分数据选择那里有一节课没有字幕，建议移步Coursera黄海广笔记Coursera

大圣齐天Henry-Speed always wins·2022-12-08 19:34

【大道至简】机器学习算法之隐马尔科夫模型HMM详解（1）---开篇：基本概念和几个要素

☕️本文来自专栏：大道至简之机器学习系列专栏❤️各位小伙伴们关注我的大道至简之机器学习系列专栏，一起学习各大机器学习算法❤️还有更多精彩文章（NLP、热词挖掘、经验分享、技术实战等），持续更新中……欢迎关注我

尚拙谨言·2022-12-08 16:45

元学习系列（四）：Matching Network（匹配网络）

对一个小孩子来说，只要你展示了一次斑马的样子，以后他就能指出什么是斑马了，整个学习的过程只有一个样本，但是对深度学习算法来说还远远达不到这种学习程度，所以研究如何通过小样本甚至一个样本进行学习，就成为了few-shot、one-shotlearning的目的。当然这里的小样本指的是某一类的样本比较小，比如要分辨猫狗鸡，可能鸡的样本只有几个，但是猫狗比较多，在这种情况下模型如何学习才能更好地分辨出鸡

JessssseYule·2022-12-08 14:24

【推荐算法学习与复现】-- 深度学习系列 -- PNN

目录原理介绍代码复现：数据下载链接：ProductLayer代码如下：PNN代码如下：完整工程：参考：原理介绍：论文中原图乍一眼看上去和DeepCrossing很像，都是多特征的输入、具有Embedding层、多层的神经网络、以及最终预测的都是CTR指标；唯一的区别也是很容易发现的，就是PNN模型用ProductLayer替换了DeepCrossing的Stacking；相比较下，Stacking

Big_Huang·2022-12-08 11:48

（pytorch-深度学习系列）使用softmax回归实现对Fashion-MNIST数据集进行分类-学习笔记

使用softmax回归实现对Fashion-MNIST数据集进行分类importtorchfromtorchimportnnfromtorch.nnimportinitimportnumpyasnpimportsys读取数据集：mnist_train=torchvision.datasets.FashionMNIST(root='~/Datasets/FashionMNIST',train=Tru

我是一颗棒棒糖·2022-12-08 11:24

Python数据分析学习系列六数据加载、存储与文件格式

Python数据分析学习系列六数据加载、存储与文件格式资料转自（GitHub地址）：https://github.com/wesm/pydata-book有需要的朋友可以自行去github下载访问数据是使用本书所介绍的这些工具的第一步

天涯尽头黄鹤楼·2022-12-07 20:45

距离度量 —— 欧式距离（Euclidean Distance）

Python学习系列文章：目录文章目录一、概述二、计算公式①二维平面上的欧式距离②三维空间上的欧式距离③n维空间上的欧式距离一、概述欧式距离，也称为欧几里得距离，是我们从小学、初中、高中等等乃至现在都会用到的距离度量

繁依Fanyi·2022-12-07 18:25

吴恩达机器学习系列课程笔记——第一章：什么是机器学习(Machine Learning)

1.1欢迎https://www.bilibili.com/video/BV164411b7dx?p=1第一节主要讲了什么是机器学习，机器学习能做些什么事情。机器学习是目前信息技术中最激动人心的方向之一。在这门课中，你将学习到这门技术的前沿，并可以自己实现学习机器学习的算法。你或许每天都在不知不觉中使用了机器学习的算法。每次，你打开谷歌、必应，搜索到你需要的内容，正是因为他们有良好的学习算法。谷歌

Lishier99·2022-12-07 07:48

机器学习系列 11：支持向量机 03 - 非线性支持向量机

针对“支持向量机”将分为以下几个部分进行介绍：支持向量机01-线性可分支持向量机和线性支持向量机支持向量机02-SMO（序列最小化）支持向量机03-非线性支持向量机（本篇）支持向量机04-SVR（支持向量回归）本内容将介绍非线性支持向量机。一、非线性分类问题在支持向量机01-线性可分支持向量机和线性支持向量机中讲解的都是线性分类问题。但是，在现实问题中存在着非线性分类问题，即在原始样本空间

空杯的境界·2022-12-06 20:15

对比学习系列（二）---MoCo 系列

MoCo系列文章目录MoCo系列自监督MoCoV1前言动量对比DictionaryasaqueueMomentumupdate代理任务ShufflingBN实验MoCoV2MoCoV3参考自监督监督学习在视觉领域应用广泛且成熟，但是也存在着一些挑战：监督学习需要大量带标签的数据，数据易得，但是给数据打标签工作枯燥且繁复，且成本高昂。我们希望能够省去人工标注的环节，使用无标签的数据集去预训练。自监督

陶将·2022-12-06 12:41

[中英字幕]吴恩达机器学习系列课程笔记

[中英字幕]吴恩达机器学习系列课程笔记教程与代码地址P11-1.欢迎参加《机器学习》课程P21-2.什么是机器学习？

电信保温杯·2022-12-06 12:25

点云深度学习系列博客(一): 点云特征学习网络PCPNet

目录一.简介二.基础结构三.项目代码四.实验结果总结Reference最近开始研究点云分析的相关项目，经过文献调研我发现，近几年比较热的方法，基本都是基于深度学习框架设计的。正好我计划在2022年切入点云深度学习这个研究方向，于是我决定创建一个博客专题，翻译和编辑一批具有代表性意义的点云深度学习研究报告，即方便为我自己的研究计划提供素材，又希望能够帮助到有需要的小伙伴参考与学习。如果你对这个专题感

程序猿老甘·2022-12-06 07:54

android基础知识

技术型男随笔-20,文章-0,评论-4,引用-0android基础知识1.前言1.1.什么是3G、4GŸ第三代移动通信技术（3rd-Generation），速率一般在几百Kbps，较之前的2G和2.5G

markvz·2022-12-05 15:05

MATLAB机器学习系列-7支持向量机原理及其代码实现

支持向量机原理分类如图，在分类中，我们需要找到一个超平面（图中包括间隔的平面）把圆圈和方框分开原问题间隔最小，同时保证真实输出和模型输出积大于1对偶问题原先的最小化问题变成了最大化问题，原先的不等式约束变成了等式约束。引入间隔c之后核函数如果在低维空间找不到超平面，这时需要将数据转换到高维空间。就需要用到核函数。回归原问题与对偶问题多分类问题LIBSVM工具箱介绍libsvm需要C++编译器，输入

总裁余(余登武)·2022-12-05 15:53

PyTorch源码学习系列 - 1.初识

本系列文章会优先发布于微信公众号和知乎，欢迎大家关注微信公众号：小飞怪兽屋知乎:PyTorch源码学习系列-1.初识-知乎(zhihu.com)目录本系列的目的PyTorch是什么？

flydreamforever·2022-12-05 12:34

R语言机器学习系列-支持向量机回归代码

以下是构建公式、构建svm回归模型、输出模型概况的代码。主要是采用as.formula将因变量、自变量拼接到一起构建为公式，然后采用e1071包的svm函数训练支持向量机模型，其中核函数采用高斯核。#因变量自变量构建公式colnames(boston)form_reg<- as.formula( paste0("medv~",paste(colnames(traindata)[1:13],col

Mrrunsen·2022-12-05 09:59

深度学习系列--1.入坑模型: 线性回归，logistic 回归，softmax分类器

惭愧啊，读研的时候学得正是模式识别；当看着书本上都是公式推导、博士师兄们也都在公式推导研究新算法的时候，排斥心理到了顶点，从此弃疗。工作三年，重新捡起，因为更关注实际操作，所以选择了《python深度学习》这本书，辅助AndrewNg视频+博客，希望能够从应用的角度去使用机器学习这门工具，不重蹈覆辙不想老生常谈，别人讲得很好的，就直接引用了；之前已经了解的概念，也不赘述了；只关注自己不懂的、以及记

a451954306·2022-12-05 07:55

Dropout解析

深度学习系列第一篇局部最优点+鞍点+学习率的调节第二篇并行计算深度学习机器学习第三篇长短期记忆网络（LSTM）是什么怎么工作的呢？

GDUT 小胖鱼·2022-12-04 20:31

长短期记忆网络（LSTM）是什么怎么工作的呢？

深度学习系列第一篇局部最优点+鞍点+学习率的调节第二篇并行计算深度学习机器学习第三篇长短期记忆网络（LSTM）是什么怎么工作的呢？

GDUT 小胖鱼·2022-12-04 20:19

Python手撸机器学习系列（三）：线性判别分析（Fisher究极详解，看不懂你锤死我）

目录1.原理概述2.原理详解2.1输入2.2投影2.3求解www3.代码实现4.联系方式1.原理概述我们的目的是将高维的数据投影到一维直线上并在投影的值中取一个阈值进行分类，如下图所示：（绘画水平有限，将就着看）在上图，很明显左边的投影更适合分类，因为两种类别（o和x）在投影直线上能轻松地找到一个阈值将其区分开来，而右边的投影方向则不适合当前分类。所以我们需要求解一个适合的投影方向www在理解fi

锌a·2022-12-04 17:40

“特征工程”相关面试知识点总结-百面机器学习系列1

提示：在准备机器学习算法工程师面试的过程中，我主要参考《百面机器学习》去巩固自己的基础知识。本系列博客将以该书为主题，并以八股文的方式去概述整本书的内容，以尽量减少读者们的阅读作量，并方便读者可以随时随地的记忆背诵。建议：我还是认为读者们可以提前买一本《百面机器学习》，从前到后完全看一遍，然后再看我的博客去记忆背诵会更好些哈。文章目录问题1：为什么需要对数值类型的特征做归一化？问题2：怎样处理类别

八股文的搬运工·2022-12-04 14:59

“模型评估”面试知识点总结-百面机器学习系列2

提示：在准备机器学习算法工程师面试的过程中，我主要参考《百面机器学习》去巩固自己的基础知识。本系列博客将以该书为主题，并以八股文的方式去概述整本书的内容，以尽量减少读者们的阅读作量，并方便读者可以随时随地的记忆背诵。建议：我还是认为读者们可以提前买一本《百面机器学习》，从前到后完全看一遍，然后再看我的博客去记忆背诵会更好些哈。文章目录问题1：评估指标的局限性问题2：ROC曲线的相关知识问题3：余弦

八股文的搬运工·2022-12-04 14:20

距离度量 —— 汉明距离（Hamming Distance）

Python学习系列文章：目录文章目录一、概述二、计算方式三、汉明重量一、概述汉明距离（HammingDistance），就是将一个字符串变成另一个字符串所需要的替换次数。

繁依Fanyi·2022-12-04 10:30

气象类Python编程实战案例项目汇总

2.气象数据读取/数据处理/数据分析/数值计算3.气象可视化(1)Matplotlib绘图教程(2)Cartopy绘图教程(3)Metpy绘图教程(4)Basemap库教程(5)气象可视化案例4.机器学习系列教程

qazwsxpy·2022-12-04 08:58

机器学习系列（一）—— ROC曲线与AUC

一、ROC机器学习模型通常输出一个实值或者概率，并将其与一个阈值比较，若大于阈值，判为正例，否则判为反例。因此，阈值的设定会影响学习器的泛化性能。ROC曲线就是从阈值设定的角度研究学习器的泛化性能ROC的横轴为FPR,纵轴为TPRROC曲线实际由离散点组成，点的个数等于测试样本个数，每个点的坐标为(FPR,TPR).整个ROC曲线反应了学习器在不同阈值条件下的泛化性能。小结：1.ROC曲线越靠近左

CX330lxy·2022-12-04 02:59

机器学习系列(二)——评价指标Precision和Recall

Precision和Recall是常考的知识点，就其区别做一个详细总结1.Precision中文翻译“精确率”，“查准率”。“查准率”这个名字更能反应其特性，就是该指标关注准确性。计算公式如下：这里TP，FP的概念来自统计学中的混淆矩阵，TP指“预测为正（Positive）,预测正确（True）”(可以这里记忆：第一位表示该预测是否正确，第二位表示该预测结果为正还是负)，于是，我们可以这样理解Pr

CX330lxy·2022-12-04 02:58

推荐频道

Android基础知识学习系列