YOLO-V1损失函数

pytorch学习2-Transforms主要方法使用

Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用pytorch学习6-非线性变换（ReLU和sigmoid）pytorch学习7-序列模型搭建pytorch学习8-损失函数与
Magic171·2023-12-06 07:49

pytorch学习3-torchvisin和Dataloader的使用

Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用pytorch学习6-非线性变换（ReLU和sigmoid）pytorch学习7-序列模型搭建pytorch学习8-损失函数与
Magic171·2023-12-06 07:49

pytorch学习6-非线性变换（ReLU和sigmoid）

Dataloader的使用pytorch学习4-简易卷积实现pytorch学习5-最大池化层的使用pytorch学习6-非线性变换（ReLU和sigmoid）pytorch学习7-序列模型搭建pytorch学习8-损失函数与
Magic171·2023-12-06 07:45

软著项目推荐 深度学习的智能中文对话问答机器人

文章目录0简介1项目架构2项目的主要过程2.1数据清洗、预处理2.2分桶2.3训练3项目的整体结构4重要的API4.1LSTMcells部分：4.2损失函数：4.3搭建seq2seq框架：4.4测试部分
iuerfee·2023-12-06 06:49

【深度学习笔记】07 多层感知机

07多层感知机多层感知机在网络中加入隐藏层从线性到非线性激活函数ReLU函数sigmoid函数tanh函数多层感知机的从零开始实现初始化模型参数激活函数模型损失函数训练多层感知机的简洁实现模型多层感知机在网络中加入隐藏层我们可以通过在网络中加入一个或多个隐藏层来克服线性模型的限制
LiuXiaoli0720·2023-12-06 00:49

【深度学习笔记】06 softmax回归

06softmax回归softmax运算损失函数对数似然Fashion-MNIST数据集读取数据集读取小批量整合所有组件softmax回归的从零开始实现初始化模型参数定义softmax操作定义模型定义损失函数分类精度训练预测
LiuXiaoli0720·2023-12-06 00:19

6-PACK论文学习及复现记录

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、基本思想1.1创新点1.2两个变换二、实现结构1.基于注意力机制生成锚点特征2.生成关键点(分对称类、非对称)2.1损失函数
wliu_kk·2023-12-06 00:18

抑制过拟合——Dropout原理

具体来说，这在神经网络训练中尤为常见，表现为在训练数据上表现优异（例如损失函数值很小，预测准确率高）而在未见过的数据（测试集）上表现不佳。  过
征途黯然.·2023-12-05 19:53

梯度下降与损失函数的基础知识

文章目录一、基础知识梯度下降损失函数的要求损失函数凸函数二、预测的任务理解策略梯度一、基础知识梯度下降梯度下降（GradientDescent）是一种常用的优化算法，用于最小化损失函数或目标函数。
_刘文凯_·2023-12-05 17:09

【AI数字人-论文】Wav2lip论文解读

文章目录Wav2lip前言Lip-syncExpertDiscriminatorGeneratorvisualqualitydiscriminator生成器总损失函数论文Wav2lip前言Wav2Lip
马鹤宁·2023-12-05 16:11

损失函数&代价函数

代价函数（CostFunction）和损失函数（LossFunction）是深度学习中两个相关但不完全相同的概念，它们用于衡量模型的性能，并在训练过程中进行参数优化。
星宇星静·2023-12-05 16:42

Sequential Modeling Enables Scalable Learning for Large Vision Models

2.3论文提出的架构和损失函数是什么？2.4用于定量评估的数据集是什么？代码有没有开源？2.5这篇论文到底有什么贡献？2.6下一步呢？有什么工作可以继续深入？
hanranV·2023-12-05 09:36

Course2-Week2-神经网络的训练方法

Course2-Week2-神经网络的训练方法文章目录Course2-Week2-神经网络的训练方法1.神经网络的编译和训练1.1TensorFlow实现1.2损失函数和代价函数的数学公式2.其他的激活函数
虎慕·2023-12-05 09:01

《人工智能基础》64/71天阅读

因此引入损失函数和优化方法。损失函数是在训练过程中用来度量分类器输出错误程度的数学化表示。优化就是调整分类器参数，使得损失函数最
皮卡丘_83e1·2023-12-05 07:51

[PyTorch][chapter 4][李宏毅深度学习][Gradient Descent]

假设损失函数为忽略二阶导数,当时候因为要考虑二阶导数，所以损失函数一般都选凸函数,二阶为0,一阶导数有驻点的函数.二常见问题1：学习率learningrate红线：学习率太小，收敛速度非常慢绿线:学习率太大
明朝百晓生·2023-12-05 07:39

跨模态图像翻译：使用具有感知监督的多生成网络合成MR脑图像的CT图像

CTimagesynthesisofMRbrainimagesusingmultigenerativenetworkwithperceptualsupervision跨模态图像翻译：使用具有感知监督的多生成网络合成MR脑图像的CT图像背景贡献实验方法损失函数
火柴狗·2023-12-05 00:12

AttributeError: ‘tuple‘ object has no attribute ‘squeeze‘根据魔导YOLov8改进Focal IOU时出现问题解决

最近使用魔导的思路对YOLOv8的损失函数进行更改：原文链接如下：YOLOV8改进-添加EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU_魔鬼面具的博客-CSDN博客按照这个思路改进之后会出现
苏念北·2023-12-04 09:19

MDETR 论文报告

MDETR-ModulatedDetectionforEnd-to-EndMulti-ModalUnderstandingMDETR-ModulatedDetectionforEnd-to-EndMulti-ModalUnderstanding发现问题主要贡献和创新点主要方法和技术MDETR的架构损失函数
一杯水果茶！·2023-12-04 08:07

目标检测算法 - YOLOv3

文章目录1.BackboneDarknet-532.整体架构3.损失函数4.训练过程5.预测过程YOLOv1、YOLOv2都是在CVPR这种正规的计算机视觉学术会议上发表的正式学术论文。
mango1698·2023-12-04 06:58

【文献阅读笔记】基于自监督的异常检测和定位：SSM

2022IEEETRANSACTIONSONMULTIMEDIA领域：异常检测目标：图像输入数据文章目录1、模型2、方法2.1、randommasking2.2、restorationnetwork2.3、损失函数
迎着黎明那道光·2023-12-04 02:47

Respecting causality is all you need for training physics-informed neural networks

Respectingcausalityisallyouneedfortrainingphysics-informedneuralnetworksRespectingcausalityisallyouneedfortrainingphysics-informedneuralnetworks问题分析以Allen-Cahn方程为例损失函数的重新表述解决方法想法以
xuelanghanbao·2023-12-04 00:01

还搞不懂什么是参数，超参数吗？三分钟快速了解参数与超参数的概念和区别！！！

参数是模型中可被学习和调整的参数，通常是通过训练数据来自动学习的，以最小化损失函数或优化目标。在深度学习中，参数通常是指神经网络中的权重和偏差。这些参数是通
小桥流水---人工智能·2023-12-03 23:36

深度学习记录--logistic回归函数的计算图

计算图用于logistic回归函数先回顾一下单一样本的logistic回归损失函数的公式，公式如下：将logistic函数用计算图表示出来(以两个基础量为例)，计算图如下：前向传播已经完成，接下来完成后向传播运用链式法则依次求出
蹲家宅宅·2023-12-03 20:09

深度学习记录--初识向量化

之前计算logistic回归损失函数时，在代码实现时，讨论了for循环：过多的for循环会拖慢计算的速度(尤其当数据量很大时)因此，为了加快计算，向量化是一种手段运用python的numpy库，我们可以使用库函数
蹲家宅宅·2023-12-03 20:09

深度学习记录--logistic回归损失函数向量化实现

前言再次明确向量化的目的：减少for循环的使用，以更少的代码量和更快的速度来实现程序正向传播的向量化对于,用向量化来实现，只需要就可以完成，其中,,ps.这里b只是一个常数，但是依然可以加在每个向量里(python的广播(Broadcasting))激活函数,同样用向量化实现，只需要就可以完成，其中因此，正向传播的向量化，我们只用了两行代码就完成了反向传播的向量化与正向传播的向量化实现类似，也是用
蹲家宅宅·2023-12-03 20:09

【论文源码解读】（中文拼写检查, CSC）SCOPE：Improving Chinese Spelling Check by Character Pronunciation Prediction

文章目录论文信息论文的贡献与思路模型架构EncoderCharProjectionCSCDecoderCSCTask损失函数L(c)L^{(c)}L(c)PronProjectionCPPDecoderCPPTask
iioSnail·2023-12-03 19:02

机器学习中的逻辑回归模型（代码分析）

逻辑回归函数中，若继续使用线性回归模型中的代价函数，由于逻辑回归函数非凸的特性，其求不出局部最小值，故需要引入新的代价函数，损失函数（lossfuction），下图右侧为逻辑回归模型的代价函数，想让不能用梯度下降法
王凯铭893·2023-12-03 17:50

PyTorch中使用MNIST数据集进行训练和预测

定义损失函数和优化器：选择适当的损失函数（如交叉熵损失）和优化器（如随机梯度下降SGD）。训练模型：使用训练数据集对模型进行训练
赢勾喜欢海·2023-12-03 11:14

改进的轻量化人脸识别算法

基于mobilenetv2提出一种改进的轻量化人脸识别算法L-mobilenetv2，首先对原有网络结构进行优化，然后以三元损失函数为主，将传统分类任务中的softmax损失改为Am-softmax作为辅助损失函数
罗思付之技术屋·2023-12-03 08:30

深度学习第4天：感知机模型

☁️主页Nowl专栏《机器学习实战》《机器学习》君子坐而论道，少年起而行之文章目录感知机模型介绍神经网络搭建感知机结构准备训练数据感知机的损失函数与优化方法测试结果完整代码多层感知机结语感知机模型介绍感知机是一种很简单的二分类模型
Nowl·2023-12-03 07:48

【Pytorch 入门】DAY 4 损失函数 模型的保存与下载

损失函数通俗理解，如下图所示，为理想与现实的差距计算实际输出和目标之间的差距为我们更新输出提供一定的依据（反向传播）grad官方文档L1lOSSimporttorchfromtorch.nnimportL1Lossinputs
幸馥儿~·2023-12-03 06:05

算法工程师面试八股（搜广推方向）

文章目录机器学习线性和逻辑回归模型逻辑回归二分类和多分类的损失函数二分类为什么用交叉熵损失而不用MSE损失？
贪钱算法还我头发·2023-12-03 03:29

蒸馏学习损失函数的代码

classDistillKL(nn.Module):def__init__(self,temperature):super(DistillKL,self).__init__()self.T=temperaturedefforward(self,y_s,y_t):#print("y_s.shape:",y_s.shape)p_s=F.log_softmax(y_s/self.T,dim=1)p_t=
Dream Algorithm·2023-12-02 22:15

逻辑回归与正则化 逻辑回归、激活函数及其代价函数

对于分类方法，这种拟合的方式极易受到分散的数据集的影响而导致损失函数的变化，以至于对于特定
小小程序○·2023-12-02 22:33

【NeRF原理】第四章：NeRF模型训练与推理详解

detail/39038购买本专栏后，可通过CSDN官方在本博客最后提供的微信名片添加我，提供1v1答疑第四章：NeRF模型训练与推理1-模型训练全流程:详细介绍NeRF模型的训练流程，包括数据准备、损失函数和优化算法等
upDiff·2023-12-02 20:36

前向与反向过程的全连接与链式求导法则

在训练这样的模型时，我们通常需要计算损失函数对各层参数的梯度。本文将介绍前向与反向过程的全连接与链式求导法则，以帮助读者更好地理解深度学习中的求导过程。
非著名程序员阿强·2023-12-02 19:28

Softmax与交叉熵：理解神经网络中的重要组成部分

Softmax函数和交叉熵损失函数是神经网络中的重要组成部分，本文将重点介绍和解释Softmax与交叉熵的概念、用途以及它们在神经网络中的作用。
非著名程序员阿强·2023-12-02 19:28

YOLOV8解读及推理代码

YOLOV8解读及推理代码YOLOV8前言性能对比新的骨干网络新的Ancher-Free检测头新的损失函数环境配置训练基于python脚本基于命令行推理pt模型推理onnx模型推理YOLOV8前言YOLOv8
江小皮不皮·2023-12-02 17:20

Lesson5 part5 交叉熵、softmax

我们有一系列类别变量（categoricalvariables）和一些连续变量，首先我意识到的是我们还不知道如何预测类别变量，目前为止我们还徘徊在一个简单的事实，即lesson5中的损失函数为nn.CrossEntropyLoss
不愿透露身份的美凌格·2023-12-02 15:36

25_PyTorch的十九个损失函数（L1Loss、MSELoss、CrossEntropyLoss 、CTCLoss、NLLLoss、PoissonNLLLoss 、KLDivLoss等）

1.20.PyTorch的十九个损失函数1.20.1.L1Loss（L1范数损失）1.20.2.MSELoss（均方误差损失）1.20.3.CrossEntropyLoss（交叉熵损失）1.20.4.CTCLoss
涂作权的博客·2023-12-02 14:29

hinge loss

矢量化实现1.4变种二、Hingeloss用法三、Hingeloss在SVM中的应用有趣的事，Python永远不会缺席培训说明一、Hingeloss概念1.1简介  在机器学习中，hingeloss作为一个损失函数
小麦粒·2023-12-02 14:29

【深度学习理论】(1) 损失函数

已知一张图像属于各个类别的分数，我们希望图像属于正确分类的分数是最大的，那如何定量的去衡量呢，那就是损失函数的作用了。
立Sir·2023-12-02 14:27

【深度学习】002-损失函数：MSE、交叉熵、铰链损失函数（Hinge Loss）

目录前言一、均方误差损失函数（TheMean-SquaredLoss）1.1、从线性回归模型导出均方误差函数1.2、均方误差函数的使用场景1.3、均方误差函数的一些讨论2、交叉熵损失函数（TheCross-EntropyLoss
Flanzeeny·2023-12-02 14:26

损失函数MSE和MAE的区别以及如何选择

1、均方误差（L2损失）均方误差(MSE)是最常用的回归损失函数，计算方法是求预测值与真实值之间距离的平方和，公式如下：MSE=1m∑mi=1(yi−y^i)2MSE=\frac{1}{m}\sum_{
诚朴求食·2023-12-02 13:55

Hinge loss

声明：参考自维基百科后面可能会更新HingeLoss  在机器学习中，hingeloss作为一个损失函数(lossfunction)，通常被用于最大间隔算法(maximum-margin)，而最大间隔算法又是
hustqb·2023-12-02 13:55

cuda 在 torch神经网络中哪些地方可以用？

简言之，3部分：1、数据data可以放在GPU上2、网络net可以放在GPU上3、损失函数loss可以放在GPU上CUDA可以用于在torch神经网络中进行GPU加速计算，包括模型的训练和推理过程。
高山莫衣·2023-12-02 12:26

软著项目推荐 深度学习实现语义分割算法系统 - 机器视觉

.1多尺度特征融合4语义分割开发过程4.1建立4.2下载CamVid数据集4.3加载CamVid图像4.4加载CamVid像素标签图像5PyTorch实现语义分割5.1数据集准备5.2训练基准模型5.3损失函数
iuerfee·2023-12-02 09:47

《论文阅读》DualGATs：用于对话中情绪识别的双图注意力网络

《论文阅读》DualGATs：用于会话中情感识别的双图注意力网络前言摘要模型架构DisGAT图构建图关系类型图节点更新SpkGAT图构建图关系类型图节点更新交互模块情绪预测损失函数问题前言今天为大家带来的是
365JHWZGo·2023-12-02 07:08

17、神经网络的性能以及那些框架存在的意义

前几节，我们介绍了推理和训练的大致过程，以及训练过程中要用损失函数来作为评判预测值和真实值差距的标准。
董董灿是个攻城狮·2023-12-02 06:40

16、什么是损失函数

这就要用到损失函数（Lossfunction）。什么是损失函数损失函数是用来衡量模型预测结果与真实标签（groundtruth）之间差别的函数。
董董灿是个攻城狮·2023-12-02 06:39
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他