Sampling

torch.utils.data.WeightedRandomSampler采样

采样策略可分为以下情况：case0：Oversampling&Undersampling，即对类别多的进行降采样，对类别少的进行重采样case1:Oversampling对类别少的进行重采样，采样后的每类样本数与最多的那一类一致
土士·2022-12-30 07:01

论文阅读笔记：Blind Video Quality Assessment With Weakly Supervised Learning and Resampling Strategy

论文PDF：BlindVideoQualityAssessmentWithWeaklySupervisedLearningandResamplingStrategy摘要在本文中，提出了一个通用的无参考VQA
qq_25283239·2022-12-30 00:38

自然语言处理与词嵌入-吴恩达深度学习笔记

PropertiesofWordEmbeddings——CosinesimilarityEmbeddingmatrix学习词嵌入（LearningWordEmbeddings）Word2VecSkip-Gram模型负采样（NegativeSampling
PengxiangZhou·2022-12-29 23:29

统计学习导论-基于R应用学习笔记

目录误差假设检验F-检验分类classification线性判别分析（LDA）Threshold分类阀值resampling重采样留一法交叉验证（LOOCV）TheBootstrap模型精度Lasso套索多项式回归
Guangshan Hu·2022-12-29 22:49

论文阅读：Spatial Transformer Networks

文章目录1概述2模型说明2.1LocalisationNetwork2.2ParameterisedSamplingGrid3模型效果参考资料1概述CNN的机理使得CNN在处理图像时可以做到transitioninvariant
zjuPeco·2022-12-29 15:32

论文阅读笔记：Masked Autoencoders Are Scalable Vision Learners

解码器简单的实现在ImageNet上的简单测试Baseline:ViT-Large主要结构MaskingRatioDecoderdesignMasktoken重构目标dataaugmentationMasksampling
塔_Tass·2022-12-29 11:38

Python图像处理【7】采样、卷积与离散傅里叶变换

采样、卷积与离散傅里叶变换0.前言1.图像傅里叶变换1.1傅里叶变换基础1.2傅里叶变换应用1.3逆傅里叶变换应用2.利用采样改变图像分辨率2.1上采样2.2下采样小结系列链接0.前言采样(Sampling
AI technophile·2022-12-28 18:29

【读点论文】DCGAN，生成对抗网络与深度卷积的结合

上采样（upsampling）有下采样也就必然有上采样，上采样实际上就是放大图像，指的是任何可以让图像变成更高分辨率的技术，这个时候我们也就能理解为什么在(G)
羞儿·2022-12-28 07:14

读论文12——NeRF：Representing Scenes as Neural Radiance Fields for View Synthesis

AbstractIntroductionRelatedWorkNeuralRadianceFieldSceneRepresentationVolumeRenderingwithRadianceFieldsOptimizingaNeuralRadianceFieldPositionalencodingHierachicalvolumesamplingImplementationdetailsRe
廿载风光同笑泪·2022-12-28 07:01

python 抽样方法_用python解释概率抽样方法

(WhydoweneedSampling?)
weixin_26739165·2022-12-28 02:17

cut与分层抽样(Stratified Sampling)

个人觉得，把分层抽样称为“分类采样”会更贴切一些。通常最基本的采样手段是：随机抽样，但是在很多场景下，随机抽样是有问题的，举一个简单的例子：如果现在要发起一个啤酒品牌知名度的调查问卷，我们能使用随机抽样来筛选参与调查的候选人吗？答案是否定的，因为性别在这个调研的目标人群中发挥着显著的影响，不能进行随机抽样，否则抽样数据将“严重失真”，并不能反映真实的数据分布，此时应该性别进行分层抽样，增大男性在抽
bluishglc·2022-12-28 02:35

关于神经网络的轻量化

2、DeepCNN对于其他任务的一些致命性缺陷，较为著名的是：up-sampling和poolinglayer的设计，在Hinton的演讲中也提到过：1）上采样和池化层是不可学
咕噜船长·2022-12-27 14:32

imblearn：随机过采样（过采样）

最简单的过采样方法imblearn：fromimblearn.over_samplingimportRandomOverSampler实验：1.第一步生成样本fromcollectionsimportCounterfromsklearn.datasetsimportmake_classi
MingJianGuang·2022-12-27 12:06

过采样算法之SMOTE

摘要SMOTE是一种综合采样人工合成数据算法，用于解决数据类别不平衡问题(Imbalancedclassproblem)，以Over-sampling少数类和Under-sampling多数类结合的方式来合成数据
there2belief·2022-12-27 12:36

不平衡数据处理技术——RUSBoost

RUSBoost是一个非常简单的针对不平衡数据集的算法，算法如其名，就是RUS+BoostRUS（randomundersampling）：随机欠抽样，随机从数据集中抽取一定量的多数类样本和少数类组成平衡分布的训练数据集
chuduogui9750·2022-12-27 12:35

深入理解机器学习——类别不平衡学习（Imbalanced Learning）：样本采样技术-[随机采样技术]

随机采样是最为简单也是应用最为广泛的一类采样技术，主要分为以下两个类别：随机降采样（RandomUnder-Sampling,RUS）及随机过采样（RandomOver-Sampling,ROS）。
von Neumann·2022-12-27 12:04

人工智能导论知识点归纳六

ConvolutionalNeuralnetworksCNN1.本章所含词汇归纳整理Words翻译Words翻译ConvolutionalNeuralnetworks卷积神经网络neuron神经元Subsampling
海盐_焦糖·2022-12-27 08:19

RPN

r是下采样率（subsamplingratio）。如果在卷积图空间位置定义anchor，则最终的图片会是由r像素划分的anch
普通网友·2022-12-27 06:28

【转载】细嚼慢咽读论文：点云上采样GAN的实践——PU-GAN

论文标题：PU-GAN:aPointCloudUpsamplingAdversarialNetwork标签：有监督|点云上采样首先我们来分析一下文章题目：PU-GAN:aPointCloudUpsamplingAdversarialNetworkPU
xiaoyaolangwj·2022-12-26 21:58

刘二PyTorch深度学习（九）——CNN基础

卷积神经网络CNN（ConvolutionalNeuralNetwork）下采样（Subsampling）：减少数据量，减少元素数量，降低运算需求卷积神经网络主要包括：特征提取器——FeatureExtraction
zhaoweiaier·2022-12-26 12:57

Python 压缩图像

importosfromPILimportImage,ImageFilefromPIL.ImageimportResamplingdefmain():#压缩单张图片outfile=r'X:\原件.jpg
安果移不动·2022-12-26 10:02

MATLAB信号与系统课程报告：去除干扰蜂鸣音

代码与分析[y,Fs]=audioread('buzz.wav');info=audioinfo('buzz.wav');%读取声音文件的数据：采样率和位宽z=fft(y);%快速傅里叶变换T=1/Fs;%SamplingperiodL
2EM34_E13·2022-12-26 09:29

类别不均衡的分类问题

文章目录1.欠采样（1）NearMiss（2）TomekLink（3）ENN（editednearestneighbour）2.过采样（1）SMOTE（SyntheticMinorityOver-SamplingTechnique
李明朔·2022-12-26 09:39

给定概率密度，生成随机数 python实现

实现的方法可以不止一种：rejectionsamplinginvertthecdfMetropolisAlgorithm(MCMC)本篇介绍根据累积概率分布函数的逆函数(2：inverttheCDF)生成的方法
normol·2022-12-25 09:24

python实现的分层随机抽样

昨天写了一段用来做分层随机抽样的代码，很粗糙，不过用公司的2万名导购名单试了一下，结果感人，我觉得此刻的我已经要上天了，哈哈哈哈哈哈代码如下：#分层随机抽样stratifiedsamplingimportxlrd
三大爷的键·2022-12-25 09:45

python按照某个字段，对目标按照给定的比例进行分层抽样

#data:抽样数据框,#df_col_partition:分层变量名,#df_col_mark:目标标识字段,#multiply:非目标用户与目标用户比例defstratifiedSampling(data
素素.陈·2022-12-25 08:44

Python不平衡数据处理库imblearn安装和使用

一般直接pip安装即可，安装不成功可能是因为没有安装imblearn需要的Python模块,对应安装即可pipinstall-Uimbalanced-learnimblearn中的过采样方法：Over-samplingmethods—Version0.9.0
未央君@·2022-12-25 08:47

深度学习入门-框架keras-5keras卷积层介绍

Cropping2DCropping3DUpSampling1D放大图像UpSampling2DUpSampling3DZeroPadding1D首尾端填充0，
Chise1·2022-12-25 04:34

Keras--卷积层

关于卷积层，包括：Conv1D,Conv2D,SeparableConv2D,Conv2DTranspose,Conv3D,Cropping1D,Cropping2D,Cropping3D,UpSampling1D
jingqiulyue·2022-12-25 04:03

上采样\下采样

上下是方法，过欠是现象上采样（upsampling）应该就是内插：补零滤波下采样（downsampling）应该就是抽取：过采样就是采样频率大于两倍的信号最高频率欠采样就是采样频率小于两倍的信号最高频率欠采样失真仅仅是对基带信号而言不能恢复出原信号
La fille, Lynn!·2022-12-24 20:17

上采样 下采样

上采样下采样Upsamplingsubsampled/downsampled插点删点双线性插值上采样就是采集模拟信号的样本。
It-is-me!·2022-12-24 20:47

word2vec 的 Negative Sampling(负采样)技巧

Skip-gram模型的负采样在Skip-gram模型中，softmax的计算成本很大，因为它需要扫描整个词嵌入矩阵()来计算词汇表中所有词的分布概率，而词汇表的大小可能上百万甚至更多。假设训练的语料库有个不同的词汇，隐藏层是维，这意味着每训练一次样本(采用随机梯度下降)，中有个神经元要更新，中有个神经元要更新，导致如果语料库非常庞大，计算会非常低效。采用负采样：从噪声分布中随机抽样个负例(是超参
看正好六个字·2022-12-24 19:56

【机器学习】集成学习+代码实现

分类：bagging，boosting2.bagging概念：采用bootstrapingsampling的有放回的自助采样方法。假设原数据集N个样本，随机有放回的抽取n个作为一个子集，训
maershii·2022-12-24 19:55

word2vec原理(三) 基于Negative Sampling的模型

1.HierarchicalSoftmax的缺点与改进在讲基于NegativeSampling的word2vec模型前，我们先看看HierarchicalSoftmax的的缺点。
weixin_33985507·2022-12-24 19:55

【Classical Network】ResNet-50/101/152

具体的图解可以参考ResNet50网络结构图及结构详解，在这篇文章中，BTNK1对应代码中bottleneckdownsampling=True的情况，BTNK2对应downsampling=False
__一条秋刀鱼·2022-12-24 08:08

看论文之知识蒸馏

该部分为对论文"LookingfortheDevilintheDetails:LearningTrilinearAttentionSamplingNetworkforFine-grainedImageRecognition
weixin_45264093·2022-12-24 01:13

【pytorch】interpolate的简单使用

interpolate是用于做插值处理的，常见用途是用于上采样(upsampling);当然也是可以做下采样的(downsampling)官方的介绍如下参数列表如下简单使用下面做简单使用的介绍size和
安安爸Chris·2022-12-23 12:10

Word2Vec中的CBOW和Skip-gram的理解

损失函数——交叉熵损失函数（CrossEntropyLoss）NegativeSampling负采样详解想补充一下新的认识：1.为啥我们训练模型的时候只需要关注
球球今天好好学习了吗？·2022-12-23 07:50

自然语言处理(NLP)(one-hot vector&Word Embedding词嵌入&语言模型&词向量&CBOW&skip-gram&negative sampling负采样模型)

自然语言处理的应用拼写检查、关键词检索......文本挖掘（产品价格、日期、时间、地点、人名、公司名）文本分类机器翻译客服系统复杂对话系统one-hotvector假设词库总共有n个词，那我们打开一个1*n的高维向量，而每个词都会在某个索引index下取到1，其余位置全部都取值为0。WordEmbedding词嵌入最简单粗劣的理解就是：将词进行向量化表示，实体的抽象成了数学描述，就可以进行建模，应
hxxjxw·2022-12-23 06:18

【记录】Skipgram和CBow实现

numpy、tensorflow手写SkipGram(没有negativesampling)和cbow：http://www.claudiobellei.com/2018/01/07/backprop-word2vec-python
morein2008·2022-12-23 06:48

【word2vec】篇二：基于Hierarchical Softmax的 CBOW 模型和 Skip-gram 模型

：理解词向量、CBOW与Skip-Gram等知识【word2vec】篇二：基于HierarchicalSoftmax的CBOW模型和Skip-gram模型【word2vec】篇三：基于NegativeSampling
VariableX·2022-12-23 06:16

【AI理论学习】理解词向量、CBOW与Skip-Gram模型

Skip-gram霍夫曼树基于HierarchicalSoftmax的CBOW模型和Skip-gram模型CBOW模型基本结构目标函数梯度计算Skip-gram模型基本结构梯度计算小结基于NegativeSampling
镰刀韭菜·2022-12-23 06:11

3DSSD: Point-based 3D Single Stage Object Detector （阅读笔记）

3DSSD文章贡献模型介绍混合采样(FusionSampling)设计动机挑战Feature-FPSFusionSampling回归框预测网络Anchor-free回归头中心类别分配策略(3DCenter-nessAssignmentStrategy
RRRRRRian·2022-12-22 23:11

置信区间 confidence interval

置信区间：Findanintervalsuchthat“reasonblyconfident”thatwereisa95%chancethatthetrueμ(=P=μx¯)samplingdistributionofthesamplemeanμ
normol·2022-12-22 16:24

Pymoo：遗传算法原理简介及Pymoo中遗传算子的实现示例

Pymoo：遗传算法原理简介及Pymoo中遗传算子的实现示例一、遗传算法原理简介二、Pymoo中的遗传算子(GeneticOperators)及其实现2.1抽样算子(SamplingOperator)2.2
嵌入式技术·2022-12-22 14:48

语义分割网络——FCN

上采样（Upsampling）由于在卷积过程中，我们的特征图像变得很小（比如长宽变为原图像的1/32），为了得到原图像大小的稠密像素预测，我们需要进行上采样。上采样的三种方式：分别对应最大
Hong_Youth·2022-12-21 17:42

达摩院细粒度分类SoftTriple Loss ICCV高引论文深入解读

一、论文&代码论文链接：SoftTripleLoss:DeepMetricLearningWithoutTripletSampling引用情况：开源代码：GitHub-idstcv/SoftTriple
AI记忆·2022-12-21 14:34

SoftTriple Loss: Deep Metric Learning Without Triplet Sampling

推荐视频：北大应用数学基础张志华主讲在前面介绍部分的图都来自与本视频在介绍本论文之前，先看一下“前辈”Tripletloss刚开始应用在了人脸上note：对于easytriplet，Loss=0（a-p的距离+α\alphaα0andself.K>1:simCenter=centers.t().matmul(centers)reg=torch.sum(torch.sqrt(2.0+1e-5-2.*
小兔乖乖❀·2022-12-21 14:34

【RL数学基础】概率论的基本概念：随机变量、概率密度函数、期望、随机抽样

文章目录1.随机变量（RandomVariable）2.概率密度函数（ProbabilityDensityFunction,PDF）3.期望（Expectation）4.随机抽样（RandomSampling
山野庸才熏悟空·2022-12-21 12:19

统计学中的Bootstrap方法（Bootstrap抽样）

Bootstrap又称自展法、自举法、自助法、靴带法,是统计学习中一种重采样(Resampling)技术，用来估计标准误差、置信区间和偏差Bootstrap是现代统计学较为流行的一种统计方法，在小样本时效果很好
hxxjxw·2022-12-20 12:45
上一页 8 9 10 11 12 13 14 15 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他