IOU损失改进

1.动手学习深度学习课程安排及深度学习数学基础

李沐目录目标内容将学到什么1.N维数组样例2.访问2维数组元素3.数据操作4.线性代数5.矩阵计算6.自动求导目标介绍深度学习景点和最新模型LeNetAlexNetVGGResNetLSTMBERT…机器学习基础损失函数
Unknown To Known·2025-03-11 21:09

第十章：C++ 标准

第十章：C++标准C++语言不断演进，每个新版本都引入了新的特性和改进。本章将详细介绍C++11、C++14、C++17、C++20和C++23的重要特性及其对C++开发的影响。
weisonx·2025-03-11 18:16

ES6 解构赋值详解

ES6是JavaScript语言的一次重大更新，引入了许多新特性和语法改进，其中解构赋值是一个非常实用和灵活的语法特性。它可以让我们从数组或对象中提取值，并赋给对应的变量，让代码变得更加简洁和易读。
修己xj·2025-03-11 15:49

C++11之列表初始化

它引⼊了⼤量更改，标准化了既有实践，并改进了对C++程序员可⽤的抽象。在它最终由ISO在2011年8⽉12⽇采纳前，⼈们曾使⽤名称“C++0x”，因为它曾被期待在2010年之前发布。
Octopus2077·2025-03-11 12:27

《Natural Actor-Critic》译读笔记

本文展示了使用自然策略梯度的actor改进特别有吸引力，因为这些梯度与所选策略表示的坐标框架无关，并且比常规策
songyuc·2025-03-11 11:21

Vue3 基础教程：从入门到实践 (保姆级教学)

一、Vue3简介Vue.js是一款用于构建用户界面的JavaScript框架，而Vue3作为其最新的主要版本，带来了诸多令人瞩目的改进与新特性，使其在前端开发领域备受青睐。
前段技术人·2025-03-11 11:18

关于两次项目的学习感悟

2.细节决定成败：代码中涉及了许多细节，如数据预处理、学习率调整、损失函数的选择等。这些细节对模型的最终性能有着重要影响。这提醒我们，在解决实际问题时，细节往往决定成败，需要耐心和
罗婕斯特·2025-03-11 10:43

Python第十六课：深度学习入门 | 神经网络解密

本节目标理解生物神经元与人工神经网络的映射关系掌握激活函数与损失函数的核心作用使用Keras构建手写数字识别模型可视化神经网络的训练过程掌握防止过拟合的基础策略一、神经网络基础（大脑的数字化仿生）1.神经元对比生物神经元人工神经元树突接收信号输入层接收特征数据细胞体整合信号加权求和
程之编·2025-03-11 09:03

解决方案评测｜通义万相AI绘画创作【阿里产品系测评】

3）针对业务场景，该方案还有哪些可以改进的图片生成能力或在您的业务场景中，还希望它可以提供哪些新的功能？4）同比其他类似产品方案，该方案在成本、易用性、应用场景上是否有竞争力？您是否愿意推荐团
一键难忘·2025-03-11 07:23

MVC、MVVM模式的概念与区别

ModelViewController，是模型(model)－视图(view)－控制器(controller)的缩写，一种软件设计典范，用一种业务逻辑、数据、界面显示分离的方法组织代码，将业务逻辑聚集到一个部件里面，在改进和个性化定制界面及用户交互的同时
haikuotiankongdong·2025-03-11 04:53

MVC开发模式

ModelViewController，是模型(model)－视图(view)－**控制器(controller)**的缩写，一种软件设计典范，用一种业务逻辑、数据、界面显示分离的方法组织代码，将业务逻辑聚集到一个部件里面，在改进和个性化定制界面及用户交互的同时
流年烟雨绽放在寂寞的晴天·2025-03-11 04:51

【RAG 论文】Program-of-Thoughts（PoT）提示：让 LLM 生成 Python 代码来解决复杂的数字计算问题

DisentanglingComputationfromReasoningforNumericalReasoningTasks⭐⭐⭐⭐TMLR2023Code：Program-of-Thoughts|GitHub论文速读文章提出了PoTPrompting方法，PoT可以看作是CoT（Chain-of-Thoughts）的改进
yubinCloud·2025-03-11 03:12

3.10 项目总结

-定义损失函数和优化器。-训练模型并评估其性能。-可视化训练结果。内容分析1.数据加载和预处理：-使用`torchvision.datasets`加载MN
不要不开心了·2025-03-11 01:58

从0开始的操作系统手搓教程46——实现wait和exit

目录作点基础工作改进一下pidc分配完成线程最后的一些功能实现wait和exitexit和wait是成对使用的，通常在父子进程的管理中起到关键作用。exit是用来结束进程运行的系统调用。
charlie114514191·2025-03-10 21:04

QT：QGraphicsView实现图片放缩、鼠标拖动移动和鼠标点击位置放大缩小

在任何情况下，作者不对因使用本文内容而导致的任何直接或间接损失承担责任，包括但不限于数据丢失、业务中断或其他经济损失。读者在使用本文信息时，应自行验证其准确性和适用性，并对其使用结果负责。
ikun的男人·2025-03-10 20:24

【深度学习】Adam（Adaptive Moment Estimation）优化算法

通过动态调整每个参数的学习率，在非平稳目标（如深度神经网络的损失函数）中表现优异目录基本原理和公式笼统说明：为什么Adam算法可以帮助模型找到更好的参数基本概念动量（Momentum）：跟踪梯度的指数衰减平均
辰尘_星启·2025-03-10 20:51

同一个问题看看Grok3怎么回答-什么是智能体？

证据倾向于认为，智能体可以是简单的（如恒温器），也可以是复杂的（如自动驾驶汽车），并可能通过机器学习改进性能。
释迦呼呼·2025-03-10 18:40

关于网络数通工程师 IPsec 协议的常见面试问题(2)。

以下是IPsec协议在面试中可能涉及的进阶问题及补充知识点，涵盖技术细节、部署优化和实际场景分析：八、协议交互流程细节IKEv1与IKEv2的区别问：IKEv2相比IKEv1有哪些改进？
他不爱吃香菜·2025-03-10 15:45

基于信息间隙决策理论的碳捕集电厂调度(Matlab代码实现）

概述基于信息间隙决策理论（IGDT）的碳捕集电厂调度研究综述一、信息间隙决策理论（IGDT）的定义与核心原理二、碳捕集电厂调度的主要研究方向与挑战三、IGDT在碳捕集电厂调度中的模型框架四、现有调度方法的局限性及IGDT的改进五
砌墙_2301·2025-03-10 14:06

【2025软考高级架构师】重点笔记部分——3、系统规划、分析与设计

目录一.系统规划1.1项目的提出与选择1.2可行性研究与效益分析1.3方案的制订和改进1.4新旧系统分析和比较二.系统分析与设计2.1定义问题与归结模型2.2需求2.2.1需求工程2.2.2需求分析2.3
Richard Chijq·2025-03-10 13:02

基于PyTorch的深度学习5——神经网络工具箱

3)损失函数：参数学习的目标函
Wis4e·2025-03-10 07:49

如何成为LangChain项目的贡献者

此项目欢迎社区的参与，无论是新功能、基础设施改进、文档提升还是Bug修复，都在积极寻求贡献。核心原则解析参与开源项目不仅能提升个人技能，还能为社区带来价值。
eahba·2025-03-10 06:11

每日AIGC最新进展(41)：上海AI Lab提出新型DiT结构Lumina-Next、Adobe研究院提出图像与文本对齐方法AlignIT、新型多模态图像生成模型MUMU

DiffusionModels专栏文章汇总：入门与实战Lumina-Next:MakingLumina-T2XStrongerandFasterwithNext-DiTLumina-Next是一种新型的生成模型，旨在通过改进的
沉迷单车的追风少年·2025-03-10 01:06

WebGPT: 基于浏览器辅助的问答系统，结合人类反馈优化答案质量

主要贡献包括：创建了一个基于文本的网络浏览环境，使得模型可以互动，从而改进了检索和合成。生成带有参考文献
土豆.exe·2025-03-10 00:30

PyTorch 学习路线

机器学习基础：理解神经网络、损失函数、优化器（如梯度下降）等概念。学习资源Python入门：Python官方教程机器学习基础
gorgor在码农·2025-03-09 22:07

PyTorch：Python深度学习框架使用详解

丰富的API：提供了丰富的神经网络层、函数和损失函数。跨平
零 度°·2025-03-09 21:25

技术债务未纳入计划管理怎么办

，因为只有清晰了解现有系统中累积的技术债务，才能在项目计划中合理安排修正工作，防止负债失控；动态整合则要求将技术债务作为项目计划的重要组成部分，实时监控并定期调整修复策略；持续优化确保在项目迭代中不断改进和预防新的技术债务生成
·2025-03-09 21:25

（ECCV2018）CBAM改进思路

论文链接：https://arxiv.org/abs/1807.06521论文题目：CBAM:ConvolutionalBlockAttentionModule会议：ECCV2018论文方法利用特征的通道间关系生成了一个通道注意图。由于特征映射的每个通道被认为是一个特征检测器，通道注意力集中在给定输入图像的“什么”是有意义的。为了有效地计算通道注意力，我们压缩了输入特征映射的空间维度。对于空间信息
这张生成的图像能检测吗·2025-03-09 19:12

HTML5 表单属性

HTML5表单属性引言HTML5作为新一代的网页标准，带来了许多新的特性和改进。在表单处理方面，HTML5引入了一系列新的表单属性，这些属性使得表单的创建和使用更加灵活和强大。
lly202406·2025-03-09 19:41

技术债务未纳入计划管理怎么办

，因为只有清晰了解现有系统中累积的技术债务，才能在项目计划中合理安排修正工作，防止负债失控；动态整合则要求将技术债务作为项目计划的重要组成部分，实时监控并定期调整修复策略；持续优化确保在项目迭代中不断改进和预防新的技术债务生成
·2025-03-09 16:49

Unity：物体指定初速度、方向移动方法

usingUnityEngine;publicclassMoveObject:MonoBehaviour{
TWO857·2025-03-09 16:11

RTS5765DL量产工具下载，金士顿NV2 2TB假固态硬盘抢救记，RL6577/RTS5765DL量产工具，RTS5765DL+B47R扩容开卡修复

最后只能尝试重新开卡，尽量降低损失。首先感谢一下量产部落网，兜兜转转一直找不到量产工具，最后终于从量产部落网找到了，这里分享一下我的金士顿NV22TB假固态
SM2259XT3·2025-03-09 13:56

PyTorch系列教程：编写高效模型训练流程

模型训练流程PyTorch训练循环流程通常包括：加载数据批量处理执行正向传播计算损失反向传播更新权重一个典型的训练流程将这些步骤合并到一个迭代过程中，在数据集
梦想画家·2025-03-09 13:24

【面经&八股】搜广推方向：面试记录（九）

4.八股写一下LR—逻辑回归损失公式：当y=1时，损失函数等于y_hat的负对数，即越接近1，损失越小；越
秋冬无暖阳°·2025-03-09 13:51

【深度学习】PyTorch v2.6 Overview

2torch.nn神经网络模块包含构建神经网络所需的各种模块，如层、损失函数等。3torch.nn.functio
OpenSeek·2025-03-09 11:37

鸿蒙的底层是linux吗？

下面详细解释这一点：鸿蒙系统与Linux的关系‌技术根基‌：鸿蒙系统采用了Linux内核作为其底层的一部分，但华为在Linux的基础上进行了大量的优化和改进，以适应鸿蒙系统的特定需求和华为自家的硬件设备及软件生态
博览鸿蒙·2025-03-09 09:21

Web网站漏洞扫描与渗透攻击

根据CybersecurityVentures的统计，2023年全球因网络攻击导致的经济损失预计突破8万亿美元。作为开发者或安全工程师，了解常见漏洞扫描工具和渗透测试技术已成为必备技能。
嗨起飞了·2025-03-09 09:48

Zama TFHE-rs v1.0 发布

此版本中最显著的改进是：关键参数的细化，这增强了密码学安全性，保留了性能并优化了它们以用于分布式协议。还引入了官方手册和简化的贡献流程。值得
mutourend·2025-03-09 06:35

tensorflow keras 报错 ：No gradients provided for any variable 原因与解决办法

错误分析Nogradientsprovidedforanyvariable这个意思是没有梯度给已知的所有函数，为什么会出现这个错误呢，因为在深度学习中，梯度的更新是由于反向传播算法的实现的，如果损失函数没有与已知的任何
研志必有功·2025-03-09 06:26

Python 3.13 的改进

Python3.13的改进Python3.13是一个充满新功能和改进的优秀版本，已经有大量文章详细介绍了发布说明。因此，本文不会讨论那些已经耳熟能详的内容，只就几个不鲜为人知的改进给予介绍。
CS创新实验室·2025-03-09 06:54

cv君独家视角 | AI内幕系列十四：【手机、相机防抖大揭秘】数字防抖、鸡头防抖、光学防抖、AI防抖等(附源码+长期更新)

目录摘要主要防抖技术手机防抖对比某拇指相机技术分析：1.基础介绍2.功能需求2.1功能背景2.2技术背景与技术选型2.3技术方案2.4可行性落地链路2.5竞品调研与市场分析2.6防抖主客观评价源码实现运动防抖步骤：代码实现性能优化与改进代码改进进一步改进与应用深度学习方法示例实时处理与应用示例运动摄影无人机航拍摄像头防抖设备计算资源需求复杂场景处理参数调整和优化实时处理需求误差累积并行和分布式处理
cv君·2025-03-09 05:32

如何评价研发部门的人效

研发部门人效评价的核心在于：明确评估指标、量化绩效数据、结合定性分析、持续改进流程。其中，明确评估指标是基础，只有设定清晰、可量化的指标，才能有效衡量团队和个人的绩效。
·2025-03-09 04:00

（Pytorch）动手学深度学习：基础内容（持续更新）

课件代码)关于线性代数内积(数量积、点乘)外积关于数据操作X.sum(0,keepdim=True)和X.sum(1,keepdim=True)广播机制(broadcast)Softmax函数和交叉熵损失函数
孔表表uuu·2025-03-09 01:48

后台数据报表导出数据量过大问题

现状分析之前在mysql业务库,导出报表会出现各种表相互关联，导致夯死的情况改进使用ClickHouse做宽表后面使用binlog监听，洗数据洗成一张宽表，存放在ck中，但是发现超过一定数量级100w也会很卡慢
FLGB·2025-03-09 00:10

Meta 计划在 Llama 4 中引入改进的语音功能，接近双向自然对话

关于Meta计划在Llama4中引入改进语音功能并接近双向自然对话，具体情况如下1：功能特点原生语音处理：Llama4能够直接处理语音信息，无需先将语音转换为文本再输入模型处理，最后又将文本转换回语音，
timer_017·2025-03-08 23:28

Django下防御Race Condition漏洞

今天下午在v2ex上看到一个帖子，讲述自己因为忘记加分布式锁导致了公司的损失：我曾在《从Pwnhub诞生聊Django安全编码》一文中描述过关于商城逻辑所涉及的安全问题，其中就包含并发漏洞（RaceCondition
落沐萧萧·2025-03-08 19:13

判断一个数是否是素数——Java（进阶高效算法）

本文续写上一篇文章：判断一个数是否是素数——Java（初阶低效算法）上一篇中的for循环是从3直到n-1，这里通过Math.sqrt(n)的方法做出改进，使得循环的次数变少以加快运算效率和速率一、Math.sqrt
Pniubi·2025-03-08 18:18

YOLOv12改进策略【注意力机制篇】| 引入MobileNetv4中的Mobile MQA，轻量化注意力模块 提高模型效率（二次改进A2C2f）

一、本文介绍本文记录的是基于MobileMQA模块的YOLOv12目标检测改进方法研究。
Limiiiing·2025-03-08 15:21

Triplet Loss原理及 Python实现

AUnifiedEmbeddingforFaceRecognitionandClustering论文中提出的，可以学到较好的人脸的embeddingTripletLoss是一种用于训练特征嵌入（featureembedding）的损失函数
AIGC_ZY·2025-03-08 15:21

《基于yolov5s的水稻病虫害图像识别应用》开题报告

1.研究的目的和意义一、研究目的农作物病虫害是全球农业生产中的主要威胁之一，每年因病虫害造成的作物减产和经济损失相当巨大。
大数据蟒行探索者·2025-03-08 14:08
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他