bias

pytorch参数初始化方法

kernel_size=3,stride=1,padding=1)torch.nn.init.xavier_uniform_(conv.weight)torch.nn.init.xavier_uniform_(conv.bias
一只小小的土拨鼠·2022-11-27 17:51

Embedding（嵌入层）和Dense（全连接层）的区别是什么？

Embedding层没有bias和activation，这是与Dense层计算过程中最重要的区别嵌入层描述的一种功能，全连接层描述的是一种结构，二者的划分方式不同embedding是一种思想，将高维稀疏
没有安全感的鸵鸟·2022-11-27 15:54

Pytorch中获取各层权重的代码

方法一：提取各层的参数output_1=model.fc1.bias.dataoutput_1=model.fc1.weight.data方法二：提取模型中所有weight的参数（bias一样）forname
yzZ_here·2022-11-27 09:01

误差、梯度下降、概率分类模型、logistic回归笔记

更复杂的模型并不能给测试集带来更好的效果，而这些Error的主要来源是偏差(bias)和方差(variance)。关于bias和variance，可以查看链接里的解答。
海风吹过的夏天·2022-11-27 08:28

Learned-Mixin +H

什么是数据偏差（bias）？
哪朵玫瑰_没有荆棘·2022-11-27 05:43

神经网络——线性层

x到g的关系式为：，其中的是权重，是偏置（参数bias为True时，才存在）。阅读官方文档可知，weight和bias都是从分布中采样初始化，经过训练得最终结果。
放牛儿·2022-11-27 04:46

torch.nn.Linear函数参数使用

128，20）m=torch.nn.Linear(20,30)#20,30是指维度output=m(x)print('m.weight.shape:\n',m.weight.shape)print('m.bias.shape
Nicola-Zhang·2022-11-27 04:25

pytorch nn.Linear

目录：1：参数说明2：功能3：例子参考：nn.Linear的理解-知乎一参数说明：torch.nn.Linear(in_features,输入的神经元个数out_features,输出神经元个数bias
明朝百晓生·2022-11-26 23:07

pytorch训练 loss=inf或者训练过程中loss=Nan

Giou的测试效果，在mobilenetssd上面测试Giouloss相对smoothl1的效果；改完后训练出现loss=inf原因:在使用log函数时出现dataunderflow解决方法：增加一个bias
卿勿问·2022-11-26 21:48

CNN中的Inductive bias(归纳偏置)

归纳偏置其实就是一种先验知识，一种提前做好的假设。在CNN中的归纳偏置一般包括两类：①locality(局部性)和②translationequivariance（平移等变性）①locality:假设相同的区域会有相同的特征，靠得越近的东西相关性能也就越强。局部性可以控制模型的复杂度。②translationequivariance：由于卷积核是一样的所以不管图片中的物体移动到哪里，只要是同样的输
YTKQ_YTKQ·2022-11-26 21:09

初学/学很浅的LSTM的初步认识

keras中文文档LSTMkeras.layers.LSTM(units,activation='tanh',recurrent_activation='hard_sigmoid',use_bias=True
林几瑕·2022-11-26 20:36

Tensorflow笔记之 全连接层tf.kera.layers.Dense()参数含义及用法详解

tf.keras.layers.Dense（）函数的参数，这么多参数需要逐个去理解它的用法，我们先理解每个函数的含义，然后通过代码验证：tf.keras.layers.Dense(units,activation=None,use_bias
园游会的魔法糖·2022-11-26 16:07

RuntimeError: module must have its parameters and buffers on device cuda:0 (device_ids[0]) but found

device_ids[0])butfoundoneofthemondevice:cpunn.Sequential(nn.Conv2d(3,512,kernel_size=1,stride=1,padding=0,bias
Andy_2259·2022-11-26 16:00

pytorch高斯函数自定义卷积核

,axis=None);参数：axis=0,沿着y轴复制，实际上增加了行数axis=1,沿着x轴复制，实际上增加了列数torch.nn.functional.conv2d(input,filters,bias
jsc142915·2022-11-26 11:09

【Silvaco example】GaN diode, Reverse-bias leakage current vs temperature

1、例子讲解该示例演示了，GaN肖特基二极管中，因声子辅助隧穿（phonon-assistedtunneling）的反向偏置漏电流的温度依赖性建模。例子参考以下论文：PipinysP.,andV.Lapeika,"Temperaturedependenceofreverse-biasleakagecurrentinGaNSchottkydiodesasaconsequenceofphonon-as
桐桐花·2022-11-26 07:02

手撕CNN卷积神经网络原理（一）

神经网络的计算我们常见的比较简单的神经网络如下图所示对于该神经网络，有以下感念1.输入层（inputlayer），可以理解为数学中线性函数y=kx+b中的若干个x2.权重w（weights）：可以理解为数学中线性函数y=kx+b中的k3.偏执量b（bias
Bill～QAQ～·2022-11-26 05:02

【Pytorch】torch.nn.ConvTranspose2d

classtorch.nn.ConvTranspose2d(in_channels,out_channels,kernel_size,stride=1,padding=0,output_padding=0,groups=1,bias
mjiansun·2022-11-26 01:06

pytorch版 ConvTranspose2d参数及实现过程的个人理解

torch.nn.ConvTranspose2d(in_channels,out_channels,kernel_size,stride=1,padding=0,output_padding=0,groups=1,bias
问剑无声·2022-11-26 01:55

机器学习之误差函数理解

机器学习之误差函数理解1.基本理解2.误差来源：bias&&variance2.1原理依据2.2不同模型下的比较2.3bias3.总结1.基本理解在机器学习中，我们期望的就是在给出的数据中训练出一个modle
王延凯的博客·2022-11-25 21:55

手撕CNN神经网络（二）反向传播（back propagation）

反向传播简单来说就是通过求偏导数从而更新神经网络中权重w的过程首先先简单复习一下前向传播（forwardpropagation）篇幅有限，bias（b）在图中就没画出来，大家知道有这么个东西就好，顺便再偷个懒
Bill～QAQ～·2022-11-25 10:27

NNDL 作业9：分别使用numpy和pytorch实现BPTT

Pytorch实现反向传播算子，并代入数值测试.importtorchimportnumpyasnpclassRNNCell:def__init__(self,weight_ih,weight_hh,bias_ih
Perfect(*^ω^*)·2022-11-25 10:29

nn.Conv2d和nn.ConvTranspose2d参数说明及区别**

nn.ConvTranspose2d参数说明及区别1、nn.Conv2d(in_channels，out_channels，kernel_size，stride=1，padding=0，dilation=1，groups=1，bias
张泽远-·2022-11-25 07:21

tensflow自定义模型加载与保存

__init__()self.kernel=self.add_weight('w',[inp_dim,outp_dim])self.bias=self.add_weight('b',[outp_dim]
晚点吧·2022-11-25 05:04

Attention+GRU

         W_regularizer=None,b_regularizer=None,         W_constraint=None,b_constraint=None,         bias
沐阳zz·2022-11-25 05:28

torch.nn模块介绍

torch.nnCLASStorch.nn.Linear(in_features,out_features,bias=True)输入：(N,*,in_features)，*代表可以拓展到任意大的维度输出
你回到了你的家·2022-11-25 04:48

神经网络常用激活函数及其应用举例

一个典型的人工神经元的模型可以用下图表述：图中X1~Xn是神经元的输入信号；θ表示一个阈值，或称为偏置（bias）
AI视觉网奇·2022-11-24 21:30

顺丰科技视觉算法工程师面经分享

1、相加寄存：a=a+bb=a-ba=a-b2、位运算：b=a^b;a=a^b;b=a^b问题2：模型的方差和偏差是什么，怎么减少bias和var。
julyedu_7·2022-11-24 18:28

torch.no_grad()降低显存占用

这个函数一般在测试的时候使用，用来降低显存占用在训练的时候我们需要学习weight和bias的梯度，但是在测试的时候我们不需要获取他们的梯度，因此可以节省大量的显存在训练时我们crop成了一个一个块，例如
harry_tea·2022-11-24 15:52

A Survey on Bias and Fairness in Machine Learning 阅读笔记

论文链接Section1引言1.Inthecontextofdecision-making,fairnessistheabsenceofanyprejudiceorfavoritismtowardanindividualorgroupbasedontheirinherentoracquiredcharacteristics.公平是指基于个人或群体的固有或后天特征而对其没有任何偏见或偏袒。2.bia
Catherine_he_ye·2022-11-24 15:01

wandb训练模型报API错误

wandb是Weight&Bias的缩写，一句话，它是一个参数可视化平台。
Yue_TongXue·2022-11-24 14:14

Pytorch系列:（五）CNN

Conv2d2D卷积函数和参数如下nn.Conv2d(in_channels,out_channels,kernel_size,stride=1,padding=0,dilation=1,groups=1,bias
克莱因胡·2022-11-24 10:39

nn.BatchNorm2D() 详细解析

nn.BatchNorm2D()详细解析paddle.nn.BatchNorm2D(num_features,momentum=0.9,epsilon=1e-05,weight_attr=None,bias_attr
un_lock·2022-11-24 10:07

【pytorch】实现条件生成对抗网络 CGAN

__init__()self.conv=nn.Sequential(nn.Conv2d(in_channels,out_channels,3,1,1,bias=
一棵栗子树·2022-11-24 06:34

物联网资产标记方法介绍

图1.3BIAS攻击过程示例是攻击者通过伪造蓝牙master设备发起的BIAS攻击时的整个认证流程。受害者Alice与Bob是正常通信的两个设备，攻击者Charli
securitypaper·2022-11-24 06:18

pytorch初始化RNN权重的方法

RNN的weight和bias封装在parameters中，且需要对weight和bias分开初始化，否则会报如下错误！
lewismen·2022-11-23 16:51

李宏毅《机器学习》笔记 DAY3 误差和梯度下降

更复杂的模型并不能给测试集带来更好的效果，而这些Error的主要有两个来源，分别是bias（偏差）和variance（方差）。bias（偏差）计算平均值m，如果计算很多组的m，然后求m的期望。
没咋了·2022-11-23 13:48

sklearn之PolynomialFeatures

Initsignature:PolynomialFeatures(degree=2,*,interaction_only=False,include_bias=True,order=‘C’,)Docstring
FULLBUFF·2022-11-23 12:33

从示范中学习

文章假设sparsereward也是已知的，那么要解决的就是如何利用demo来作为bias加速收敛。基本思想就
CQUT-115·2022-11-23 11:16

机器学习四--分类-支持向量机（SVM Support Vector Machine）

也就是找最大超平面MMH（MaxMarginHyperplane）超平面定义公式：WX+b=0W={w1，w2，w3,……}为WeightVector权重向量；X为训练实例；b为偏向Bias二维情况下：
aochong6817·2022-11-23 09:56

C# GDAL 数字图像处理Part9 辐射定标与输出Dataset

1.辐射定标辐射定标的来由就不多赘述，直接到辐射定标的公式：FactorScale：拉伸系数bias：偏置所以，我们只需要逐个读出Dataset中每一个Band上的每一个像素的
A_RSswjtuer·2022-11-23 09:55

【pytorch】2.7 卷积函数 nn.conv2d

torch.nn.Conv2d(in_channel,out_channel,kernel_size,stride=1,padding=0,dilation=1,groups=1,bias=True,padding_module
Enzo 想砸电脑·2022-11-23 04:08

Pytorch——Conv2d、conv2d

初始化CLASStorch.nn.Conv2d(in_channels,out_channels,kernel_size,stride=1,padding=0,dilation=1,groups=1,bias
NPC_0001·2022-11-23 04:37

CS231n笔记--图片线性分类

Data-DrivenApproachK-NearestNeighbor原理代码结果L1与L2距离应用情况数据集的划分cross-validationLinearClassifier模型实际意义对权重矩阵的解释对bias
iwill323·2022-11-23 03:32

05机器学习

机器学习诊断法能够了解算法问题出现在哪里运用0/1错误分类度量进行评估假设模型选择选择几次方程来假设，用d表示多项式最高次幂将样本分为三类，用交叉验证集来确定模型选择判断是偏差bias问题还是方差variance
weixin_57950256·2022-11-23 03:47

Datawhale 李宏毅机器学习 Task3

更复杂的模型并不能给测试集带来更好的效果，而这些Error的主要有两个来源，分别是bias（偏差）和variance（方差）。
社区小萌新·2022-11-22 17:35

训练好的vgg报错RuntimeError：mat1 and mat2 shapes cannot be multiplied(512*49 and 25088*4096)

问题背景将训练好的图片分类vgg模型用到新的数据集上进行图片分类的时候出现了以下问题：解决方法结合VGG的网络架构：发现池化层的输出张量为51277，对应报错的512*49，其无法与第一个全连接层FC1的权重系数相乘，继而和bias
Msecrety·2022-11-22 13:13

使用Pytorch搭建ResNet分类网络并基于迁移学习训练

如果stride=1，padding=1，卷积处理是不会改变特征矩阵的高和宽使用BN层时，卷积中的参数bias置为False(有无偏置BN层的输出都相同)，BN层放在conv层和relu层的中间复习BN
@会飞的毛毛虫·2022-11-22 13:10

【11月组队学习】误差与梯度下降

误差模型的误差主要包含两种，偏差（bias）和方差（variance）。偏差（Bias）在训练过程中可以发现。偏差太大，会导致underfitting。
一颗_南北·2022-11-22 08:30

keras activity_regularizer含义及作用

InKeras,therearenowthreetypesofregularizersforalayer:kernel_regularizer,bias_regularizer,activity_regularizer.Whentousewhich
zhaijianfengrui·2022-11-22 08:55

回归误差（Error）从何而来

回顾1.偏置与方差以射击为例子，f^为估计值即靶的中心，误差来源一是由于瞄准时候带来的(bias)，二是由于子弹在飞行过程中收到的其他因素的影响所带来的的(variance)。
honglili_ya·2022-11-22 02:55
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他