NSQ源码学习

深度学习汇总（四）

RoIAlignRoIPool原理：RoIAlign原理：3双线性插值线性插值原理：双线性插值原理：图像中的双线性插值原理：4FasterRcnn(RPN生成锚框)Rcnn简述5损失函数均方误差MSE(MeanSquareError
勇敢牛牛@·2022-11-23 07:14

深度学习之常用损失函数

2、回归问题的损失函数2.1均方差损失均方差MeanSquaredError(MSE)损失是机器学习、深度学习回归
qq_41627642·2022-11-23 07:42

多元回归分析 | SVR支持向量机回归多输入单输出预测（Matlab完整程序）

SVR支持向量机回归多输入单输出预测（Matlab完整程序）目录多元回归分析|SVR支持向量机回归多输入单输出预测（Matlab完整程序）预测结果评价指标基本介绍程序设计参考资料预测结果评价指标Meansquarederror
小橘算法屋·2022-11-23 06:17

.unsqueeze(0)

仅作为记录，大佬请跳过是.unsqueeze(0)增加维度（0表示，在第一个位置增加维度）传送门
captain飞虎大队·2022-11-23 03:12

20221121 学习笔记【深度学习】

torch.repeat()【PyTorch】repeat_interleave()方法详解PyTorch中Tensor的复制tensor.repeat()和repeat_interleave()区别2.unsqueeze
脑瓜嗡嗡0608·2022-11-23 03:00

PyTorch(人工神经元)

代码如下：1.这个unsqueeze函数主要增加了一个维度2.Python中类的定义方式：（这一块不是很理解）回头看一下python类的定义。
小邢~·2022-11-23 01:49

Python Sklearn库源码学习--kmeans

前言：分析体检数据希望不拘泥于Sklearn库中已有的聚类算法，想着改一下Kmeans算法。本着学习的目的，现在开始查看sklearn的源代码。希望能够写成一个通用的包。有必要先交代一下我使用的python版本：python3.9.2环境：pycharm现在先学习学习Sklearn是如何写的～第一步：找到sklearn的源代码>>>importsys>>>sys.path['','D:\\Pyth
是我，Zack·2022-11-23 00:04

【深度学习】入门过程个人笔记（持续更新）

以及跟李沐学AI的《动手学深度学习》部分内容来自网络DeepLearning深度学习入门线性模型LinearModel训练目的:找到一组参数使得Loss(预测值与真实值的差值)最小MSE:平均平方误差MeanSquareError
杰瑞雾里·2022-11-22 18:08

Pytorch\Numpy中Squeeze()与unsqueeze()函数的区别和应用

简单粗暴，看一下两个函数的用法：1.unsqueeze():从tensor（torch）或者数组中，在指定维度上添加维度为1的维度（axis=0,axis=1,axis=2,…）以pytorch为例，首先初始化一个
Way_X·2022-11-22 10:10

阅读源码系列：sklearn中train_test_split使用及源码学习

引言最近用到了sklearn中的train_test_split,感觉很好用，想来实现也不是特别复杂，于是想着看一下源码，学习一下大佬的写法使用方法>>>importnumpyasnp>>>fromsklearn.model_selectionimporttrain_test_split>>>X,y=np.arange(10).reshape((5,2)),range(5)>>>Xarray([[
Liekkas Kono·2022-11-22 09:19

【机器学习技巧】回归模型的几个常用评估指标（R2、Adjusted-R2、MSE、RMSE、MAE、MAPE）及其在sklearn中的调用方式

metrics调用r2_socre1.2R2求解方式二----从模型调用score1.3R2求解方式二----交叉验证调用scoring=r22.校准决定系数Adjusted-R23.均方误差MSE（MeanSquareError
阿_旭·2022-11-22 09:33

RMSE（均方根误差）、MSE（均方误差）

目录前言一、RMSE（RootMeanSquareError）均方根误差二、MSE（MeanSquareError）均方误差总结前言这是一篇平平无奇的学习笔记一、RMSE（RootMeanSquareError
ㄣ知冷煖★·2022-11-22 05:54

Pytorch中多种优化器比较

importtorchimporttorch.utils.dataasDataimporttorch.nn.functionalasFimportmatplotlib.pyplotasplt#超参数LR=0.01BATCH_SIZE=32EPOCH=122.生成数据#生成训练数据#torch.unsqueeze
Sunny.T·2022-11-22 01:12

pytorch学习笔记——张量维度操作

一、维度拼接之torch.cat()与torch.stack()二、维度变化之torch.view()三、torch.resize_四、torch.reshape五、维度增加之torch.unsqueeze
phily123·2022-11-21 23:23

MyBatis-Plus高级查询Wrapper

更新条件封装类查询实例前期准备查询操作allEqeqnegtgeltlebetweennotBetweenlikenotLikelikeLeftlikeRightisNullisNotNullinnotIninSqlnotInSqlgroupByorderB
Cmy-Top·2022-11-21 21:42

Python计算统计分析MSE 、 RMSE、 MAE、r2

MeanAbsoluteError，是绝对误差的平均值，能更好地反映预测值误差的实际情况.均方误差MSE(mean-squareerror)该统计参数是预测数据和原始数据对应点误差的平方和的均值均方根误差RootMeanSquareError
zNULLT·2022-11-21 17:30

RuntimeError: “addmm_cuda“ not implemented for ‘Int‘

cuda"iftorch.cuda.is_available()else"cpu")print(device)a=torch.tensor([1,2,3],dtype=torch.int).to(device)b=a.unsqueeze
Surupor·2022-11-21 15:44

Mybatis SqlSessionFactory与SqlSession详细讲解

目录SqlssionFactory创建SqlSessionFactorySqlSessionTemplateSqlSessionInterceptorSqlSession创建一个SqlSessionSqlSession
·2022-11-21 14:29

【机器学习】线性回归常用的几种衡量指标

一、MSE（MeanSquaredError）名称：均方误差公式：二、RMSE（RootMeanSquaredError）名称：均方根误差公式：三、MAE（MeanAbsoluteError）名称：平均绝对值误差公式
zbchenchanghao·2022-11-21 02:06

pytorch

view改变维度a=torch.arange(0,6)#[[0,1,2],[3,4,5]]a=a.view(2,3)unsqueeze#a=[[0,1,2],[3,4,5]]#在第1维增加维度下表从0开始
wsp+·2022-11-21 00:07

【2】谷歌2021模型量化白皮书《A White Paper on Neural Network Quantization》

2021google模型量化白皮书导读离线量化（PTQ）量化范围设置Min-max方法Meansquarederror（MSE）CrossentropyBNbasedrangesetting方法比较Cross-LayerEqualization
一颗磐石·2022-11-20 12:47

机器学习：回归模型的评价指标

1.均方误差（MeanSquaredError，MSE）：观测值与真值偏差的平方和与观测次数的比值：要点
Xiaofei@IDO·2022-11-20 08:01

机器学习中回归问题的性能指标

目录1.均方误差-MSE（MeanSquaredError）2.均方根误差（RMSE）3.平均绝对误差-MAE4.R-Squared--决定系数-R2参考链接：在机器学习中，在进行回归问题处理过程中，如何评价该回归模型是否与另一个回归模型有区别
蓝色的星火·2022-11-20 07:50

回归评价指标:MAE、MSE、RMSE、MAPE和R-Squared

MAE平均绝对误差（MeanAbsoluteError）MSE均方误差（MeanSquaredError）RMSE均方根误差（RootMeanSquareError）MAPE平均绝对百分比误差（MeanAbsolutePercentageError
拟禾·2022-11-20 05:11

图像质量评估指标

1.MSE(MeanSquaredError）均
kk不困·2022-11-20 05:39

CUDA error: CUBLAS_STATUS_EXECUTION_FAILED when calling ‘cublasSgemm’

torch版本的匹配问题，低版本的gpu驱动，尝试换成11.0以下的cuda版本；高版本的驱动，可以换成11.0以上的cuda版本；参考链接：Vertices=torch.matmul(vertices.unsqueeze
Poplar008·2022-11-20 05:29

ssm中，使用Druid连接池来连接mysql数据库报错

Druid-ConnectionPool-Create-1383178166][com.alibaba.druid.pool.DruidDataSource]-[ERROR]createconnectionSQLException
高冷皮先生·2022-11-19 22:24

目标检测中的类别损失和定位损失

BalancedCrossEntropy3.FocalLoss改进的交叉熵损失函数定位损失1.L1Loss平均绝对误差（MeanAbsoluteError,MAE）2.L2Loss均方误差损失（MeanSquareError
Miraclo_acc·2022-11-19 21:59

torch.unsqueeze || torch.size()和tensor.shape的区别

output=torch.unsqueeze(input,dim=0)dim=0在0维度加一个维度importtorchx=torch.tensor([[1,2,3],[4,5,6]])print(x)
午字横·2022-11-19 14:11

深度学习常用损失函数的基本形式、原理及特点

本文将介绍机器学习、深度学习中分类与回归常用的几种损失函数，包括:均方差损失MeanSquaredLoss平均绝对误差损失MeanA
Wang_AI·2022-11-19 08:34

pytorch tensor张量维度转换

#view()转换维度#reshape()转换维度#permute()坐标系变换#squeeze()/unsqueeze()降维/升维#expand()扩张张量#narraw()缩小张量#resize_
夏日轻风有你·2022-11-19 08:14

squeeze和unsqueeze

a.shapetorch.Size([3,3])#dim的范围在[-input.dim()-1,input.dim()+1),左闭右开区间，如果dim是负数，dim=dim+input.dim()+1.b0=a.unsqu
陌尘小小·2022-11-19 08:14

pytorch中的squeeze()与unsqueeze() 包懂

squeeze下文是根据官方文档的定义给出的代码解释torch.squeeze(input,dim=None)→Tensor不传入dim不传尺寸时候，返回一个张量，其中删除了大小为1的输入的所有维度。例如，如果输入的形状为：（A×1×B×C×1×D）则输出张量的形状为（A×B×C×D）代码演示importtorcha=torch.tensor([[[1],[2]],[[3],[4]]])b=tor
dzm1204·2022-11-19 07:24

预测评价指标RMSE、MSE、MAE、MAPE、SMAPE

原文链接：https://blog.csdn.net/guolindonggld/article/details/87856780假设：预测值：真实值：MSE均方误差（MeanSquareError）范围
蔓越莓饼圈·2022-11-19 04:42

常用的损失函数

jittor.nn—Jittor1.3.2.6文档(tsinghua.edu.cn)paddle的实现：Paddle框架下常用损失函数总结和实现-飞桨AIStudio(baidu.com)目录一、回归损失函数1.1MSE[均方误差MeanSquareError
LZ_夕阳之后的黑夜·2022-11-18 23:53

大师兄的数据分析学习笔记(三十四）：模型评估（三）

大师兄的数据分析学习笔记(三十三）：模型评估（二）大师兄的数据分析学习笔记(三十五）：总结三、聚类模型评估聚类模型评估的两个关键指标分别是RMS和轮廓系数：RMS(RootMeanSquare)：RMS
superkmi·2022-11-18 18:32

大师兄的数据分析学习笔记(三十四）：模型评估（三）

大师兄的数据分析学习笔记(三十三）：模型评估（二）大师兄的数据分析学习笔记(三十五）：总结三、聚类模型评估聚类模型评估的两个关键指标分别是RMS和轮廓系数：RMS(RootMeanSquare)：RMS
superkmi·2022-11-18 18:32

ncnn源码学习（六）：模型量化原理笔记

1.请直接去学习大佬们的文章：章小龙的：Int8量化-介绍（一）：https://zhuanlan.zhihu.com/p/58182172Int8量化-python实现以及代码分析（二）：https://zhuanlan.zhihu.com/p/58208691虫叔的：Int8量化-ncnn社区Int8重构之路（三）：https://zhuanlan.zhihu.com/p/61451372In
MirrorYuChen·2022-11-17 07:41

源码学习之 Spring 容器创建原理

1前言众所周知，Spring可以帮我们管理我们需要的bean。在我们需要用到这些bean的时候，可以很方便的获取到它，然后进行一系列的操作。比如，我们定义一个beanMyTestBean。publicclassMyTestBean{privateStringtestStr="testStr";publicStringgetTestStr(){returntestStr;}publicvoidset
·2022-11-16 23:17

pytorch中欧式距离

importtorchdefeuclidean_dist(x,y):#x:NxD#y:MxDn=x.size(0)m=y.size(0)d=x.size(1)assertd==y.size(1)x=x.unsqueeze
zhouyiiii11111·2022-11-16 17:22

【HTML小游戏】推箱子网页版(附完整源码)

文章目录1.效果展示2.游戏介绍3.游戏规则4.源码学习1.效果展示游戏主界面展示：游戏界面展示：2.游戏介绍经典的推箱子是一个非常古老游戏，甚至是80，90年代的回忆，目的是在训练你的逻辑思考能力。
橙子!·2022-11-16 13:52

径向基函数RBF神经网络相关函数设置

其调用格式为[net,tr]=newrb(P,T,GOAL,SPREAD,MN,DE)其中，P为Q组输入向量组成的RQ维矩阵；T为Q组目标分类向量组成的SQ维矩阵；GOAL为均方误差目标(MeanSquaredErrorGoal
matlab科研中心·2022-11-16 10:36

vue源码学习第六篇--插槽(slot)

我们在构建页面过程中一般会把用的比较多的公共的部分抽取出来作为一个单独的组件，但是在实际使用这个组件的时候却又不能完全的满足需求，我希望在这个组件中添加一点东西，这时候我们就需要用到插槽来分发内容。以下文章来自掘金作者：JH30K链接：https://juejin.im/post/5ed61cd86fb9a047a43444d6文章目录一、前言二、插槽是什么三、插槽的作用四、插槽的分类1.默认插槽
A-Select °·2022-11-16 07:02

机器学习-模型评估指标与计算方法

回归模型评价回归算法的评价指标就是MSE，RMSE，MAE、R-Squared等，我们假设预测值和真实值为：MSE，均方误差（MeanSquareErro
taoKingRead·2022-11-15 14:08

spring源码--05--IOC原理--FileSystemXmlApplicationContext(IOC容器)的初始化(细)

FileSystemXmlApplicationContext(IOC容器)的初始化(细)1、验证过程代码地址https://gitee.com/DanShenGuiZu/learnDemo/tree/master/spring源码学习
单身贵族男·2022-11-15 10:05

spring-core 源码学习-IoC 之开启bean的加载（十六）

spring-coreIoC之开启bean的加载1.getBean2.doGetBean2.1获取beanName2.2从单例Bean缓存中获取Bean2.3原型模式依赖检查2.4从parentBeanFactory获取Bean2.5指定的Bean标记为已经创建或即将创建2.6获取BeanDefinition2.7依赖Bean处理2.8不同作用域的Bean实例化2.9类型转换3.小结SpringI
sunchuanwen1111·2022-11-15 10:19

机器学习常用的几种损失函数

机器学习常用的几种损失函数，包括均方差损失MeanSquaredLoss、平均绝对误差损失MeanAbsoluteErrorLoss、HuberLoss、分位数损失QuantileLoss、交叉熵损失函数
Just Jump·2022-11-15 09:53

【深度学习】——分类损失函数、回归损失函数、交叉熵损失函数、均方差损失函数、损失函数曲线、

zero-oneloss)2、Logisticloss3、Hingeloss4、指数损失(Exponentialloss)机器学习的损失函数CrossEntropyLossFunction（交叉熵损失函数）交叉熵优点MeanSquaredError
有情怀的机械男·2022-11-13 11:37

吴恩达深度学习笔记-优化算法(第5课)

梯度下降算法二、理解mini-batch梯度下降法三、指数加权平均四、理解指数加权平均五、指数加权平均值的偏正修差六、动量梯度下降法(gradientwithmomentum)七、RMSprop(rootmeansquareprop
快乐活在当下·2022-11-12 17:30

Qt Creator 源码学习笔记03，大型项目如何管理工程

阅读本文大概需要6分钟一个项目随着功能开发越来越多，项目必然越来越大，工程管理成本也越来越高，后期维护成本更高。如何更好的组织管理工程，是非常重要的今天我们来学习下QtCreator是如何组织管理这么庞大的一个项目工程的QMake多工程管理方法我们知道Qt采用qmake语法进行组织管理工程结构，想要更好的学习管理一个工程需要你了解基本的qmake语法在Qt当中，一般以xx.pro结尾的文件是某个工
流浪的鹅卵石·2022-11-12 16:27
上一页 40 41 42 43 44 45 46 47 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他