YOLO-V1损失函数

梯度下降 梯度消失 梯度爆炸 通俗易懂讲解对比

梯度下降梯度下降是一种优化算法，用于最小化损失函数，从而训练出更准确的模型。我们可以将损失函数想象成一个山峰，梯度下降算法的目标就是找到这个山峰的最低点，也就是损失函数的最小值。
香至-人生万事须自为，跬步江山即寥廓。·2024-01-09 13:33

机器学模型 预训练模型 为什么要使用预训练模型呢？

这通常通过定义一个损失函数来衡量模型预测与真实目标之间的差距，并使用优化算法（如梯度下降）来调整模型参数，以最小化这个差距。
香至-人生万事须自为，跬步江山即寥廓。·2024-01-09 13:33

【目标检测】YOLOv1 ，one-stage 目标检测算法的开山之作

目录一、YOLOv1简介二、YOLOv1网络结构三、YOLOv1的损失函数四、YOLOV1的不足五、YOLOv1的预测六、推荐参考资料一、YOLOv1简介YOLO是YouOnlyLookOnce的缩写，
ctrl A_ctrl C_ctrl V·2024-01-09 08:10

机器学习的目标函数、损失函数

损失函数又叫代价函数。目标函数是一个更加广的概念。对于目标函数来说在有约束条件下的最小化就是损失函数。用损失函数来度量拟合程度：损失函数损失函数越小代表模型拟合的越好。
毕一·2024-01-09 07:42

数模学习day08-拟合算法

拟合问题的目标是寻求一个函数（曲线），使得该曲线在某种准则下与所有的数据点最为接近，即曲线拟合的最好（最小化损失函数）。插值算法中，得到的多项式f(x)要经过所有样本点。
WenJGo·2024-01-08 23:53

YOLOv5改进之---EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU

本文主要针对yolov5的iou损失函数进行改进，主要涵盖EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU这几种损失。
qq_41920323·2024-01-08 22:34

反向传播

反向传播（Backpropagation）是一种用于训练神经网络的算法，它通过计算损失函数对网络中每个参数的梯度，从而更新参数以最小化损失函数。反向传播算法可以分为线性反向传播和非线性反向传播。
人工智能教学实践·2024-01-08 14:18

softmax回归+损失函数

2.0.0documentation(d2l.ai)文章目录前言一、回归vs分类二、分类问题独热编码(One-HotEncoding)三.网络框架四.softmax运算1.softmax前提知识2.softmax函数五.简单介绍几个损失函数总结前言经过后面不断学习
笔写落去·2024-01-08 13:42

小白学习深度学习之（一）——线性回归

线性回归什么是回归线性模型损失函数解析解随机梯度下降矢量化加速从线性回归到深度网络神经网络图线性回归的简洁实现生成数据集读取数据集定义模型初始化模型参数定义损失函数定义优化算法训练什么是回归回归问题是能为一个或多个自变量与因变量之间关系建模的一类方法
维斯德尔·2024-01-08 12:10

小白学习深度学习之（二）——softmax回归

softmax回归什么是softmax回归分类问题网络架构全连接层的参数开销softmax运算图像分类数据集softmax回归的简洁实现初始化模型参数损失函数优化算法训练什么是softmax回归回归可以用于预测多少的问题
维斯德尔·2024-01-08 12:10

深度学习中的正则化指的是什么？

以下是几种常见的正则化技术：L1和L2正则化：L1正则化（Lasso正则化）：向损失函数添加参数权重的绝对值的和。这可以导致模型中某些权重变为零，从而产生一个更简单、更稀疏的模型。L2正则化（
CA&AI-drugdesign·2024-01-08 11:24

神经网络中参数与超参数的区别是什么?

在训练过程中，通过反向传播和梯度下降等方法不断更新这些参数，以最小化损失函数。作用：参数直接决定了
CA&AI-drugdesign·2024-01-08 11:21

目标检测-One Stage-YOLOv4

文章目录前言一、目标检测网络组成二、BoF（BagofFreebies）1.数据增强2.语义分布偏差问题3.损失函数IoUGIoUDIoUCIoU三、BoS(BagofSpecials)增强感受野注意力机制特征融合激活函数后处理四
学海一叶·2024-01-08 08:11

杂集

1负的似然函数为何可做“损失函数”？似然函数的本质就是衡量在某个参数下，训练集的估计和真实情况一样的概率，越大代表越相近。
司马山哥·2024-01-08 07:06

第二、三周周报12.17.2022-12.25.2022

模型有了一定的了解目录图片爬虫：acjsonseleniumNLP语音辨识TOKEN获取声学特征一些数据集尺度语音辨识常见模型seq2seqHMMRNN输入输出张量shape激活函数：RNN：tanh函数IRNN：RELU函数损失函数
weixin_51054833·2024-01-08 06:10

Boosting算法及wordvec笔记

2、选择损失函数，制定函数的评价标准要让机器在模型所定义的函数空间中找到目标函数，需要告诉机器目标函数需要具备什么样子特质。我们用损失函数
LaxChan·2024-01-08 02:02

2019-11-18

样本点损失函数：按决策模型来考虑，则经验损失函数：从生成模型考虑，即得。从决策模型考虑，即得。训练集上损失：根据经验损失函数，直接在训练集上估计就行了。
cleverpenguin·2024-01-08 00:26

DeepCFR总结

输出不同动作对应的概率DeepCFR神经网络更新神经网络更新方法：执行轮迭代，在每一轮迭代中，对每一个参与人，进行次【模拟】，在模拟结束后，用中的数据训练一个新的神经网络在轮迭代之后，使用中的数据训练神经网络损失函数中中的表示惩罚随着训练进行而增
神奇的托尔巴拉德·2024-01-07 23:36

深度学习 基本理论 3 ：之物体检测（Anchor base/NMS/softmax/损失函数/BCE/CE/zip

1、Anchorbase和Anchorfree1.1AnchorbaseAnchorbase，译为基于锚点的一个物体检测方法，也可以叫做基于一组预定义的框模型会预测每个锚点是否存在对象，并预测需要对锚点进行的调整以更好地适应该对象Anchorbase物体检测方法：FastR-CNN、SSD、YOLO、RetinaNet1.2AnchorFreeAnchorFree，无锚点方法则不依赖于预定义的锚点
机器学习杨卓越·2024-01-07 23:13

深度学习

PyTorch初级教程PyTorch深度学习开发环境搭建全教程深度学习bug笔记深度学习基本理论1：（MLP/激活函数/softmax/损失函数/梯度/梯度下降/学习率/反向传播/深度学习面试）深度学习基本理论
机器学习杨卓越·2024-01-07 19:14

新手可理解的PyTorch 损失函数：优化机器学习模型的关键

目录torch.nn子模块LossFunctions详解nn.L1Loss用途用法使用技巧注意事项代码示例nn.MSELoss用途用法使用技巧注意事项代码示例nn.CrossEntropyLoss用途用法使用技巧注意事项代码示例使用类别索引使用类别概率nn.CTCLoss用途用法使用技巧注意事项代码示例有填充的目标未填充的目标nn.NLLLoss用途用法使用技巧注意事项代码示例一维损失示例二维损失
E寻数据·2024-01-07 11:26

PINN神经网络求解偏微分方程的11种方法【附论文和代码下载】

我们可以将其转化为一个优化问题，先将PDE的信息编码到神经网络的损失函数中，然后使用神经网络来逼近方程的解，这种方法就是基于深度学习的数值方法——PINN。
深度之眼·2024-01-07 10:13

新南威尔士大学 comp9444 Assignment2课业解析

根据要求定义相应的损失函数lossfunction，并返回如下预测结果，用于计算准确率。需要注意的是，不得使用提供的数据集之外的数据，也不能修改数据。
请叫我全村的希望·2024-01-07 02:34

损失函数篇 | YOLOv8 引入 Shape-IoU 考虑边框形状与尺度的度量

作者导读：Shape-IoU：考虑边框形状与尺度的度量论文地址：https://arxiv.org/abs/2312.17663作者视频解读：https://www.bilibili.com开源代码地址：https://github.com/malagoutou/Shape-IoU/blob/main/shapeiou.py作为检测器定位分支的重要组成，边框回归损失在目标检测任务中发挥巨大作用。现
迪菲赫尔曼·2024-01-06 17:58

55、交叉熵损失函数和softmax

上一节介绍了softmax函数，这里插一篇关于损失函数的介绍，看一看softmax和损失函数是如何结合的。在很多分类任务中，损失函数使用的是交叉熵损失。
董董灿是个攻城狮·2024-01-06 17:47

【Pytorch】学习记录分享11——GAN对抗生成网络

PyTorchGAN对抗生成网络0.工程实现1.GAN对抗生成网络结构2.GAN构造损失函数（LOSS）3.GAN对抗生成网络核心逻辑3.1参数加载：3.2生成器：3.3判别器：0.工程实现原理解析：论文解析
大江东去浪淘尽千古风流人物·2024-01-06 15:15

迈向更高质量的深度估计

本文将详细探索从数据（不同类型数据集加载、稳定性、预处理、数据生成），超参数设置（学习率、损失函数）到训练过程的不同技巧。通过在您的pipeline中检查这些设定，可
prinTao·2024-01-06 13:52

【深度学习】cv领域中各种loss损失介绍

文章目录前言一、均方误差二、交叉熵损失三、二元交叉熵损失四、SmoothL1Loss五、IOU系列的loss前言损失函数是度量模型的预测输出与真实标签之间的差异或误差，在深度学习算法中起着重要作用。
行走的学习机器·2024-01-06 13:21

pytorch07：损失函数与优化器

目录一、损失函数是什么二、常见的损失函数2.1nn.CrossEntropyLoss交叉熵损失函数2.1.1交叉熵的概念2.2.2交叉熵代码实现2.2.3加权重损失2.2nn.NLLLoss2.2.1代码实现
慕溪同学·2024-01-06 09:04

第G3周：CGAN｜生成手势图像

K同学啊参考文章：GAN入门｜第二篇：人脸图像生成（DCGAN）目录一、课题背景和开发环境二、理论知识三、准备工作1.导入数据2.数据可视化四、构建模型1.构建生成器2.构建判别器五、训练模型1.定义损失函数
Oaix Nay·2024-01-06 08:35

深度学习-非线性激活函数

本文总结深度学习的损失函数及其优缺点。激活函数是深度学习模型的重要成分，目的是将线性输入转换为非线性。
ymy_ymy22·2024-01-06 06:03

神经网络框架的基本设计

一、神经网络框架设计的基本流程确定网络结构、激活函数、损失函数、优化算法，模型的训练与验证，模型的评估和优化，模型的部署。
广煜永不挂科·2024-01-05 21:38

【损失函数】Hinge Loss 合页损失

1、介绍HingeLoss（合页损失）通常用于支持向量机（SupportVectorMachine，SVM）等模型中，特别是在二分类问题中。它的目标是使正确类别的分数与错误类别的最高分之间的差异达到一个固定的边界，从而促使模型学会产生更大的间隔。criterion=nn.HingeEmbeddingLoss(margin=1.0,size_average=None,reduce=None)2、参数
daphne odera�·2024-01-05 15:28

【损失函数】深度学习回归任务中你必须了解的三种损失函数，绝对误差损失（L1 Loss、MAE）均方误差损失（L2 Loss、MSE）以及平滑L1损失（Huber Loss）（2024最新整理）

L1Loss、MeanAbsoluteError，MAE）二、均方误差损失（L2Loss、MeanSquaredError，MSE）三、平滑L1损失（HuberLoss）四、深度分析五、内容拓展先放一张三种损失函数全家福
daphne odera�·2024-01-05 15:58

【机器学习】损失函数(Loss Function)全总结(2023最新整理)关键词：Logistic、Hinge、Exponential、Modified Huber、Softmax、L1、L2正则化

目录一、定义二、损失函数1.回归损失函数1.1平方损失函数（quadraticlossfunction）1.2绝对（值）损失函数（absolutelossfunction）1.3对数损失函数（logarithmiclossfunction
daphne odera�·2024-01-05 15:57

Pytorch之梯度下降算法

目录复习：线性模型：分治法:优化问题：梯度下降算法的难题：梯度下降算法的优势：求损失函数的过程：代码及运行结果如下：代码：运行结果：随机梯度下降：为什么要使用随机梯度下降算法:代码如下：运行结果如下：注意
丘小羽·2024-01-05 07:06

目标检测 IoU、GIoU、DIoU、CIoU、EIoU

在训练阶段IoU可以作为anchor-based方法中，划分正负样本的依据；同时也可用作损失函数；在推理阶段，NMS中会用到IoU。
scott198512·2024-01-05 05:05

[C#]yolov8-onnx在winform部署手势识别模型

具体创新包括一个新的骨干网络、一个新的Ancher-Free检测头和一个新的损失函数，可以在从CPU到GPU的各种硬件平台上运行。不过ultralytics并没
FL1623863129·2024-01-04 17:46

聚类算法详解

K-means基本思想K-means算法的基本思想是，通过迭代寻找K个簇（Clusterd）的一种划分方案，使得聚类结果对应的损失函数最小。
alstonlou·2024-01-04 17:37

ESRGAN超分辨网络

文章目录前言一、ESRGAN的主要介绍二、ESRGAN的主要内容1.RRDB,对residualblocks的改进2、对损失函数的改进3、对感知损失的改进4、网络插值(NetworkInterpolation
JOYCE_Leo16·2024-01-04 10:50

了解深度学习优化器：Momentum、AdaGrad、RMSProp 和 Adam

在训练过程中执行的最常见算法之一是反向传播，包括神经网络相对于给定损失函数的权重变化。反向传播通常通过梯度下降来执行，梯度下
无水先生·2024-01-04 09:13

P59 生成式对抗网络GAN-理论介绍 Theory behind GAN

SamplingisgoogenoughDiscriminator希望V越大越好y~Pdata代表从Pdata里面采样y当做二分类，损失函数等价于minimizecrossent
闪闪发亮的小星星·2024-01-04 08:41

[C#]使用onnxruntime部署yolov8-onnx实例分割模型

具体创新包括一个新的骨干网络、一个新的Ancher-Free检测头和一个新的损失函数，可以在从CPU到GPU的各种硬件平台上运行。不过ultralytics并没
FL1623863129·2024-01-04 04:00

[C#]使用纯opencvsharp部署yolov8-onnx图像分类模型

具体创新包括一个新的骨干网络、一个新的Ancher-Free检测头和一个新的损失函数，可以在从CPU到GPU的各种硬件平台上运行。不过ultralytics并没
FL1623863129·2024-01-04 04:30

【损失函数】Cross Entropy Loss 交叉熵损失

1、介绍主页介绍的几种损失函数都是适用于回归问题损失函数，对于分类问题，最常用的损失函数是交叉熵损失函数CrossEntropyLoss。它用于测量两个概率分布之间的差异，通常用于评估分类模型的性能。
daphne odera�·2024-01-04 04:13

【损失函数】Quantile Loss 分位数损失

1、介绍QuantileLoss（分位数损失）是用于回归问题的一种损失函数，它允许我们对不同分位数的预测误差赋予不同的权重。这对于处理不同置信水平的预测非常有用，例如在风险管理等领域。
daphne odera�·2024-01-04 04:42

李宏毅机器学习第二十周周报GAN4

Abstract一、李宏毅机器学习——GAN41.LearningfromUnpairedData2.CycleGAN3.Application二、文献阅读1.题目2.abstract3.网络架构3.1损失函数
沽漓酒江·2024-01-03 22:18

番外篇Diffusion&Stable Diffusion扩散模型与稳定扩散模型

AbstractDiffusionModel扩散模型ForwardDiffusionProcess正向扩散过程噪声图像的分布封闭公式ReverseDiffusionProcess反向扩散过程lossfunction损失函数
沽漓酒江·2024-01-03 22:17

深度学习知识点汇总-机器学习基础（3）

2.3.2模型和损失函数（1）构建预测模型机
深度学习模型优化·2024-01-03 20:55

【机器学习知识体系】- 逻辑回归篇

LR为什么要用极大似然函数作损失函数呢？这也是一个面试题，下文中给出了解答：LogisticRegression
不会停的蜗牛·2024-01-03 17:11
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他