LOSS

基础学习——读txt数据、字符串转list或数组、画PR曲线、画Loss曲线

系列文章目录基础学习——关于卷积层的记录基础学习——nn.Unfold批量切片、F.conv2d指定卷积核二维卷积操作、nn.Conv2d卷积层基础学习——读txt数据、字符串转list或数组、画PR曲线、画Loss
Chaoy6565·2023-06-22 22:15

基础学习——关于卷积层的记录

系列文章目录基础学习——关于卷积层的记录基础学习——nn.Unfold批量切片、F.conv2d指定卷积核二维卷积操作、nn.Conv2d卷积层基础学习——读txt数据、字符串转list或数组、画PR曲线、画Loss
Chaoy6565·2023-06-22 22:44

使用BERT和GPT-2计算句子困惑度PPL

how-do-i-use-bertformaskedlm-or-bertmodel-to-calculate-perplexity-of-a-sentenceChinese-BERT-wwm对于给定的sentence，按顺序依次mask掉一个token，并计算所预测单词的nllloss
kaims·2023-06-22 21:19

（2022，核调制）使用可扩展指纹技术进行责任披露的生成模型

3.GAN指纹识别网络3.1流程3.2指纹调制4.实验4.1有效性和保真度4.2容量4.3可扩展性4.4保密性4.5稳健性和免疫性4.6深度造假检测和溯源5.结论参考S.总结S.1主要思想S.2架构&lossS
EDPJ·2023-06-22 15:59

多显卡导致的报错

Traceback(mostrecentcalllast):File"train.py",line450,infit_one_epoch(model,train_util,loss_history,eval_callback
Aughts·2023-06-22 11:35

神经网络：损失函数

在计算机视觉中，损失函数（LossFunction）用于衡量预测结果与真实标签之间的差异，是神经网络训练中的重要组成部分。
Make_magic·2023-06-22 11:32

自然语言处理 Paddle NLP - 基于预训练模型完成实体关系抽取

[自然语言处理PaddleNLP-信息抽取技术及应用](https://www.cnblogs.com/vipsoft/p/17460173.html)重点：SOP图、BCEWithLogitsLoss
VipSoft·2023-06-22 10:00

python写txt文件

python写txt文件python写txt文件python写txt文件withopen("train_info.txt","a",encoding="utf-8")asf:f.write("loss:
*Major*·2023-06-22 06:50

Lan的ScalersTalk第四轮新概念朗读持续力训练Day 104 20190119

知识笔记：2.音标（L1)半元音[w][j]回顾课中的单词：[w]：wifewillworkingwellworthwear[j]:years听写：错词：usually,corporation,thelossofmoney
孙岚_9ff8·2023-06-22 05:53

人脸识别损失函数(Center-Loss、A-Softmax、AM-Softmax、ArcFace)

参见：人脸识别损失函数(Center-Loss、A-Softmax、AM-Softmax、ArcFace)-知乎
张博208·2023-06-22 04:22

InternImage实战：使用InternImage实现图像分类任务（二）

文章目录训练部分导入项目使用的库设置随机因子设置全局参数图像预处理与增强读取数据设置Loss设置模型设置优化器和学习率调整算法设置混合精度，DP多卡，EMA定义训练和验证函数训练函数验证函数调用训练和验证方法运行以及结果查看测试热力图可视化展示完整的代码在上一篇文章中完成了前期的准备工作
AI浩·2023-06-21 14:05

文本生成过拟合，泛化时语句不通！文本生成欠拟合，泛化时多样性差！

经验之结论：随着train-loss降低，对测试集生成的多样性确实会提升，但语句不通率也在提升。（综合效果没提升）必须关注dev-loss！
CoderOnly·2023-06-21 13:06

归一化（Normalization） or 标准化（Standardization）?

训练模型发现loss很大，原因之一是数据未归一化处理?
苗妮·2023-06-21 13:35

全变分（Total Variation，TV）模型

全变分（TotalVariationLoss）源自于图像处理中的全变分去噪（TotalVariationDenoising）,全变分去噪的有点是既能去噪声，又能保留原图像中的边界信息。
不当菜鸡的程序媛·2023-06-21 09:03

CloFormer实战：使用CloFormer实现图像分类任务（二）

文章目录训练部分导入项目使用的库设置随机因子设置全局参数图像预处理与增强读取数据设置Loss设置模型设置优化器和学习率调整算法设置混合精度，DP多卡，EMA定义训练和验证函数训练函数验证函数调用训练和验证方法运行以及结果查看测试热力图可视化展示完整的代码在上一篇文章中完成了前期的准备工作
AI浩·2023-06-21 04:38

哈工大计算机网络课程传输层协议之：拥塞控制原理剖析

拥塞控制原理剖析文章目录哈工大计算机网络课程传输层协议之：拥塞控制原理剖析拥塞成因和代价：场景1拥塞成因和代价：场景2拥塞成因和代价：场景3如何进行拥塞控制拥塞控制的方法TCP拥塞控制的基本原理加性增—乘性减：AIMD慢启动：SSLoss
JermeryBesian·2023-06-21 01:19

那些美到极致的神翻译，浪漫来自灵魂

Someofusgetdippedinflat，someinsatin，someingloss。Buteveryonceinawh
忘忧草的笑·2023-06-20 23:35

WebRTC系列--opus带内FEC

AudioEncoderOpusImpl可配置参数1.1CBR设置1.2OPUS_SET_COMPLEXITY算法复杂度1.2.1简介1.2.1WebRTC中的设置1.3动态配置参数丢包率1.3.1NewPacketLossRateOptimizer
简简单单lym·2023-06-20 23:28

第四章.误差反向传播法—ReLU/Sigmoid/Affine/Softmax-with-Loss层的实现

第四章.误差反向传播法4.2ReLU/Sigmoid/Affine/Softmax-with-Loss层的实现1.ReLU层1).公式2).导数：3).计算图：4).实现：classReLU:def__
归途^ω^·2023-06-20 20:36

1-简单回归问题

横纵坐标分别代表一组有因果关系的变量我们的任务是设计一个算法，让机器能够拟合这些数据，帮助我们算出参数w我们可以先随机选一条过原点的直线，然后计算所有点到该直线的偏离程度（即误差）再根据误差大小调整直线的斜率w，这里的y=wx就是预测函数2.损失函数（lossfunction
卡__卡·2023-06-20 16:21

【IoU全总结】GIoU, DIoU, CIoU, EIoU&Focal, αIoU, SIoU,WIoU【基础收藏】

文内公式均为手打，非图片，方便查看文章目录L1Loss，L2Loss，smoothL1lossL1LossL2LossSmoothL1LossIoUGIoU（CVPR2019）DIoU（AAAI2020
Aedream同学·2023-06-20 16:16

深度学习(24): 计算两个图像的LPIPS，SSIM指标 (python代码)

2.1代码1.计算LPIPS1.0.说明LPIPS：学习感知图像块相似度(LearnedPerceptualImagePatchSimilarity,LPIPS)也称为“感知损失”(perceptualloss
biter0088·2023-06-20 15:38

损失函数：DiceLoss与Dice系数

DiceLoss与Dice系数Dice系数DiceLoss代码实现Dice系数  Dice系数，是一种集合相似度度量函数，通常用于计算两个样本点的相似度（值范围为[0,1]）。
ywfwyht·2023-06-20 11:13

【机器学习】图像语义分割常用指标-HD95

一般dice小了，95HD就小了，因此大多数人使用diceloss作为梯度下降的loss。DSC(DiceSimilarityCofficient)用于度量两个集合的相似度，取值范围为
五阿哥爱跳舞·2023-06-20 11:42

python中的大括号{}的用法

filepath=‘weights_{epoch:03d}-{val_loss:.4f}.h5’在Python中，{}是格式化字符串的占位符，用于指示在字符串中插入变量的位置。
LRJ-jonas·2023-06-20 08:03

VanillaNet实战：使用VanillaNet实现图像分类（二）

文章目录训练部分导入项目使用的库设置随机因子设置全局参数图像预处理与增强读取数据设置Loss设置模型设置优化器和学习率调整算法设置混合精度，DP多卡，EMA定义训练和验证函数训练函数验证函数调用训练和验证方法运行以及结果查看测试热力图可视化展示完整的代码在上一篇文章中完成了前期的准备工作
AI浩·2023-06-20 07:42

技术干货| MongoDB时间序列集合

名词解释Glossarybucket：带有相同的元数据且在一段有限制的间隔区间内的测量值组。bucketcollection：用于存储时序型集合的底层的分组桶的系统集合。
MongoDB中文社区·2023-06-20 06:28

目标检测回归损失函数 IOU、GIOU、DIOU、CIOU、EIOU、Focal EIOU、alpha IOU损失函数分析

目标检测回归损失函数IOU、GIOU、DIOU、CIOU、EIOU、FocalEIOU、alphaIOU损失函数分析一、IOULoss2016文章《UnitBox:AnAdvancedObjectDetectionNetwork
中科哥哥·2023-06-20 03:31

SuiteQlet Bundle

Content1.Foreword2.Overview2.1Glossary2.2Features2.3DesignDescription3.Install4.Setup5.Instruction5.1Query5.2Chart5.3PublishDashboard6
NetSuite知识会·2023-06-20 03:23

JAX快速入门

JAX由autograd和XLA(acceleratelinearalgebra)组成做函数优化（感知机）importnumpyasnpdeffunc(x,a,b):y=x*a+breturnydefloss_function
辘轳鹿鹿·2023-06-20 01:31

The price of wanting love

Ifthepriceofloveisthelossoffreedom,thenIhopeIwillbeinyourcageallmylife.Ifthepriceofloveislossoftrust,
Mr_江离·2023-06-20 00:41

简要介绍 | 交叉熵损失：原理和研究现状

注2："简要介绍"系列的所有创作均使用了AIGC工具辅助交叉熵损失：原理、研究现状与未来展望UnderstandCrossEntropyLossinMinutes1背景介绍在机器学习和深度学习的领域中，
R.X. NLOS·2023-06-19 23:30

YOLOv3

3、端到端训练，一个lossfunction（(x,y)、(w,h)、class、confidence四个损失相加，其中(w,h)用差方，其他用二值交叉熵）搞定训练，只需要关注输入/输出端。
Mr_Stark的小提莫·2023-06-19 19:32

【目标检测】Grounding DINO：开集目标检测器(CVPR2023)

3.1FeatureExtractionandEnhancer3.2.Language-GuidedQuerySelection3.3.Cross-ModalityDecoder3.4.Sub-SentenceLevelTextFeature3.5.LossFunction4
杀生丸学AI·2023-06-19 15:47

基于pytorch使用LSTM和多头Attention风速预测项目实战（单特征）

项目参考了多个网络上的代码以及借助了chatgpt的灵感，对整个项目分解到各个py文件中形成一个完整项目的基本框架，其他类似项目可以用这个框架进行修改，增加了loss计算和相应的绘图模块，还增加
科研小条·2023-06-19 15:43

25k字图文解读YOLOv8及实例分割（附python代码）

学习使用未经详细专业审核目录0.引言1.概述1.1Backbone1.2Head1.3Loss1.4Train2.模型结构2.1Backbone和Neck的具体变化2.2Head的具体变化3.Loss计算
猛码Memmat·2023-06-19 14:09

PEFAT：通过伪损失估计和特征对抗训练增强半监督医学图像分类

文章目录PEFAT:BoostingSemi-supervisedMedicalImageClassificationviaPseudo-lossEstimationandFeatureAdversarialTraining
小杨小杨1·2023-06-19 13:37

机器学习——损失函数

机器学习——损失函数前言一、分类问题的损失函数1、0-1损失（one-zeroloss）2、LogLoss3、FocalLoss4、相对熵、KL散度（RelativeEntropy/Kullback-LeiblerDivergence
macan_dct·2023-06-19 02:15

搭建自己的iconfont 字体图标库

搭建自己的iconfont字体图标库使用到的技术nodejsnode-eggmysqloss最终支持className、unicode、Symbol彩色图标类型需求整理ui自主设计图标上传图标存储图标库的下载引用思考如何将
bugdemon8023·2023-06-19 01:52

Ultra-High Resolution Segmentation with Ultra-Rich Context: A Novel Benchmark论文总结

//github.com/jankyee/URUR目录一、论文背景和出发点二、创新点三、URUR数据集制作的相关工作四、WSDNet的具体实现1.浅层分支S2.深层分支D五、WaveletSmoothLoss
向岸看·2023-06-18 22:28

clDice-一种新的分割标准-能够促进管状结构分割的连接性

clDice-aNovelTopology-PreservingLossFunctionforTubularStructureSegmentation论文总结论文：clDice-ANovelTopology-PreservingLossFunctionforTubularStructure
向岸看·2023-06-18 22:58

访问 docker 容器的 tensorboard

/log/boardtest/')loss=[5.5,4.1,4.2,3.2,3.3,2.9,2.5,1.2,0.8,0.6]steps=[100
WGS.·2023-06-18 21:31

【无标题】

文章目录神经网络的推理神经网络的推理的全貌图层的类化及正向传播的实现神经网络的学习损失函数导数和梯度链式法则计算图乘法节点分支节点Repeat节点Sum节点MatMul节点梯度的推导和反向传播的实现Sigmoid层Affine层SoftmaxwithLoss
CaraYQ·2023-06-18 18:38

出现Nan

判断出现nan的数据的id，剔除，简单粗暴代码原因：数据本身就存在0值，代码在执行过程中将其置为分母注意：很多代码都存在隐式除0操作，因为现成的损失函数有不少采用了log函数，如CrossEntropyLoss
guanghuixu·2023-06-18 09:09

深度学习（22）——YOLO系列

深度学习（22）——YOLO系列文章目录深度学习（22）——YOLO系列1.物体检测方法的两种类型2.YOLO-v12.1网络结构2.2loss函数2.3NMS(非极大值抑制)2.4优缺点3.YOLOv23.1
柚子味的羊·2023-06-18 08:05

【YOLO系列】YOLO v5（网络结构图+代码）

文章目录推理转换onnx网络架构SPPVSSPPFAutoAnchorLoss参考【YOLO系列】YOLOv3（网络结构图+代码）【YOLO系列】YOLOv4-v5先验知识【YOLO系列】YOLOv4（
马鹤宁·2023-06-18 06:10

GAN in action: Implement Autoencoder

Definesomekeyvariables.Definesamplinghelperfunction.Definetheencoder.Definethedecoder.DefinetheVariationalAutoencoder(VAE).Definethelossandrunourmodel.LoadMnist
MarkJhon·2023-06-18 03:10

23 前馈神经网络——Feedforward Neural Network

回顾之前的机器学习，我们可以将内容如下划分：频率派——统计机器学习正则化：通过给lossfuntion加上惩罚项修正结果核化：通过引入核方法解决更多类
hanhan不是很憨憨·2023-06-17 21:10

Contrastive Loss 对比损失函数

ContrastiveLoss定义在caffe的孪生神经网络（siamesenetwork）中，其采用的损失函数是contrastiveloss，这种损失函数可以有效的处理孪生神经网络中的paireddata
Replete·2023-06-17 19:34

【MMDetection】ERROR:The testing results of the whole dataset is empty

复现论文swinTransformer，显示错误：ERROR:Thetestingresultsofthewholedatasetisempty与此同时，各项评价指标如AP,AR结果趋于零，F1值变成-1，loss
there2belief·2023-06-17 14:07
上一页 34 35 36 37 38 39 40 41 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他