stanford机器学习笔记

深度学习--数据集(一)

一、大学公开数据集(Stanford)69G大规模无人机(校园)图像数据集【Stanford】http://cvgl.stanford.edu/projects/uav_data/人脸素描数据集【CUHK
无剑_君·2023-07-16 07:40

机器学习笔记 - 探索PaddlePaddle框架的对象检测、分割和关键点检测

一、PaddlePaddle简述PaddlePaddle（PArallelDistributedDeepLEarning）是百度于2016年发布的开源深度学习框架。它为各种机器学习任务提供了统一的平台。但是最近的基准测试显示PaddlePaddle是潜在的领跑者，其基准速度超过了其更知名的竞争对手。PaddlePaddle与PyTorch或Tensorflow的基准比较PaddlePaddle中提
坐望云起·2023-07-16 03:49

系统比人强

1971年，美国心理学家菲利普·津巴多，做了一个著名的实验，一个今天已经不被允许，也不可重复的实验：斯坦福监狱实验（StanfordPrisonExper
许_洽·2023-07-15 21:10

大模型训练数据集介绍

原文：大模型训练数据集介绍-知乎1、斯坦福开源数据集数据集名称：alpaca_data.jsonhttps://github.com/tatsu-lab/stanford_alpacaalpaca_data.json
javastart·2023-07-15 15:15

机器学习笔记——假设空间与归纳偏好

一，假设空间学习过程是一个在所有假设组成的空间，即假设空间中进行搜索的过程。搜索目标是找到与训练集“匹配”的假设。举个例子：这里要学习的目标是“好瓜”。暂且假设“好瓜”可由色泽，根蒂，敲声这三个因素完全确定。于是，我们学得的将是“好瓜是某种色泽，某种根蒂，某种敲声的瓜”这样的概念。图1.1直观地显示出了这个西瓜问题的假设空间。需要注意的是，现实问题中我们常面临很大的假设空间，但学习过程是基于有限样
章小幽·2023-07-15 06:06

Boundless Hackathon @Stanford 主题黑客松活动闭幕，一文回顾

由StanfordBlockchainAccelerator、ZebecProtocol、NautilusChain、RootzLab共同主办了“BoundlessHackathon@Stanford”
西柚财经·2023-07-15 04:40

生态系统NPP及碳源、碳汇模拟

CASA(Carnegie-Ames-StanfordApproach)模型是估算陆地生态系统
Teacher.chenchong·2023-07-14 22:47

机器学习笔记 - 深度学习在网球运动分析上的应用

一、简述观看网球比赛时，您可以根据中间或角落的发球次数、球的深度、向左或向右的偏好来自动丰富视图，具体取决于球员所处的位置。此类统计数据可以通过Hawk-Eye、IBMSlamtracker等工具提供。Hawk-Eye是一个复杂的系统，由多达10个高速摄像头组成，能够高精度跟踪球、获取其真实位置并显示任何弹跳的重建。IBMSlamtracker，一个提供实时分数和统计数据（每个点15到25个参数）
坐望云起·2023-07-14 12:45

Boundless Hackathon @Stanford 主题黑客松活动闭幕，一文回顾

由StanfordBlockchainAccelerator、ZebecProtocol、NautilusChain、RootzLab共同主办了“BoundlessHackathon@Stanford”
区块链小八歌·2023-07-14 06:34

个人云服务器搭建MQTT服务器

MQTTMQTT（MessageQueuingTelemetryTransport）即消息队列遥测传输协议•是一个轻量的发布订阅模式消息传输协议，专门针对低带宽和不稳定网络环境的物联网应用设计•设计者：AndyStanford-Clark
失散多年的哥哥·2023-07-14 05:10

Boundless Hackathon @Stanford 主题黑客松活动闭幕，一文回顾

由StanfordBlockchainAccelerator、ZebecProtocol、NautilusChain、RootzLab共同主办了“BoundlessHackathon@Stanford”
金马1988·2023-07-14 01:48

机器学习笔记：随机森林

1集成学习集成学习通过构建多个学习器采用加权的方式来完成学习任务一般来讲，多个学习器同属于一种模型，比如决策树，线性模型，而不会交叉用多种模型为了保证集成学习的有效性，多个弱分类器之间应该满足两个条件准确性：个体学习器要有一定的准确性，这样才能有好的效果多样性：学习器之间要有一些差异，完全相同的几个学习器集成起来后几乎不会有提升2随机森林随机森林是集成学习中Bagging方式的代表采样多组训练集，
UQI-LIUWJ·2023-07-13 22:32

机器学习笔记 - 理解机器学习可解释性的重要性

一、可解释性为什么重要人工智能领域的几乎所有研究都集中在更好的架构、超越基准、新颖的学习技术上，或者在某些情况下只是建立具有十亿、百亿个参数的巨大模型。可解释机器学习的研究相对较少。媒体中人工智能的日益普及和复杂性只会使可解释性的情况恶化。在一些高风险领域，如金融和医疗保健，数据科学家通常最终使用更传统的机器学习模型（线性模型或基于树的模型或者模型等）。这是因为，模型解释其决策的能力对业务非常重要
坐望云起·2023-07-13 20:25

一文看全开源大语言模型汇总

转自分布式实验室01Alpaca/LLaMA（Meta/Stanford）斯坦福Alpaca：一个遵循指令的LLaMA模型。
中生代技术·2023-06-24 03:58

[大模型] LLaMA系列大模型调研与整理-llama/alpaca/lora（部分）

文章目录LLaMA大模型及其衍生模型1.LLaMA2.stanford_alpaca3.ChatDoctor4.alpaca-lora5.Chinese-LLaMA-Alpaca6.BELLE大模型综述
晨阳2023·2023-06-24 00:26

美国惊爆高考舞弊案，中国家长反应不一

、贿赂.....案件毫不留情地揭露了一些美国富二代入读名校背后的重重黑幕：至少有30多名在美国社会拥有一定地位的富豪名流，通过SAT考试作弊、贿赂大学体育教练的手法，把子女包装成特长生塞进了Yale、Stanford
飞飞飞的鱼儿·2023-06-23 01:47

译文丨为什么做程序员会让我成为一个更好的医生？

StanfordMedicineUnplugged是一个为学生提供的论坛，记录他们在医学院的经历。
·2023-06-21 13:26

Photon论文解读 : A Fast Query Engine for Lakehouse Systems

这篇论文是databricks公司首次将内部的基于c++的native执行引擎细节发表在SIGMOD2022，作者公共23人，论文地址：https://www-cs.stanford.edu/~matei
shining_yyds·2023-06-21 04:18

【珍藏版】生态系统NPP及碳源、碳汇模拟、土地利用变化、未来气候变化、空间动态模拟

CASA(Carnegie-Ames-StanfordApproach)模型是估算陆地生态系统
高-老师·2023-06-20 13:19

机器学习笔记 - 学习图像生成模型在医疗行业用例的思路

一、概述合成图像生成是使用算法或模拟来替换真实世界数据创建新图像的过程。与数据隐私、有限的数据可用性、数据标签、无效的数据治理、高成本以及对大量数据的需求相关的挑战正在推动使用合成数据来满足各行各业对人工智能解决方案的高需求。人们对使用深度学习的医疗诊断系统越来越感兴趣。然而，由于专有和隐私原因，对公众的数据访问非常有限，从而导致公众在这一研究领域的贡献有限。同样，在没有专家注释和准确元数据的情况
坐望云起·2023-06-20 10:46

机器学习笔记 - 基于MobileNetV2的迁移学习训练关键点检测器

一、下载数据集StanfordExtra数据集包含12000张狗的图像以及关键点和分割图图。GitHub-benjiebob/StanfordExtra：12k标记的野外狗实例，带有2D关键点和分割。
坐望云起·2023-06-20 06:44

CVPR2023最佳论文提名（12篇）

（直接点击标题可以查看原文～）Ego-BodyPoseEstimationviaEgo-HeadPoseEstimation单位：Stanford-----------关键词：姿态估计3DRegistrationWithMaximalCliques
木盏·2023-06-20 04:19

JAVA SE基础《一》----JAVA入门

初识Java1.Java背景知识java是美国sun公司（StanfordUniversityNetwork）在1995年推出的一门计算机高级编程语言。
小王子C·2023-06-19 23:00

生态系统NPP及碳源、碳汇模拟、土地利用变化、未来气候变化、空间动态模拟实践技术

CASA(Carnegie-Ames-StanfordApproach)模型是估算陆地生态系统
weixin_贾·2023-06-19 18:10

机器学习笔记 - EANet 外部注意论文简读及代码实现

一、论文简述论文作者提出了一种新的轻量级注意力机制，称之为外部注意力。如图所示，计算自注意力需要首先通过计算自查询向量和自关键字向量之间的仿射关系来计算注意力图，然后通过用该注意力图加权自值向量来生成新的特征图。外部关注的作用不同。我们首先通过计算自查询向量和外部可学习密钥存储器之间的亲和力来计算注意力图，然后通过将该注意力图乘以另一个外部可学习值存储器来生成细化的特征图。在实践中，这两个存储器是
坐望云起·2023-06-19 14:01

李沐论文精度系列之十：GPT-4

1.1Toolformer（2023.2.9）1.2ChatGPTplugin1.3LLaMA（2023.2.24）1.4VisualChatGPT（2023.3.8）1.5GigaGAN（2023.3.9）1.6StanfordAlpaca
神洛华·2023-06-19 04:41

机器学习笔记07---朴素贝叶斯分类器

一、贝叶斯决策论贝叶斯决策论是概率框架下实施决策的基本方法。对分类任务来说，在所有相关概率都已知的理想情形下，贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。贝叶斯公式：其中，P(c)是类"先验"概率；P(x|c)是样本x相对于类标记c的类条件概率，或称为"似然"(likelihood)；P(x)是用于归一化的“证据”因子。对给定样本x，证据因子P(x)与类标记无关，因此估计P(c
一件迷途小书童·2023-06-18 19:50

机器学习笔记 - 基于Scikit-Learn的各种分类器进行分类并比较

一、概述scikit-learn是基于python语言构建机器学习应用程序的最佳库之一。简单易用，并且它有很多示例和教程。除了监督式机器学习（分类和回归）外，它还可用于聚类、降维、特征提取和工程以及数据预处理。该接口在所有这些方法上都是一致的，因此它不仅易于使用，而且也很容易构建一个大型分类器/回归模型集合并使用相同的命令训练它们。我们这里基于scikit-learn构建，训练，评估和验证分类器，
坐望云起·2023-06-18 16:09

Python数据可视化模块：Seaborn（一）

原文链接：http://web.stanford.edu/~mwaskom/software/seaborn/tutorial/aesthetics....管理图表的艺术画一个吸引人注意的图表相当重要。
·2023-06-18 11:22

机器学习笔记-Task03-极大似然估计&EM算法

文章目录1.简介1.1何为EM算法?1.2似然函数、极大似然估计1.2.1问题描述-调查学生身高分布1.2.2参数估计1.2.3总结1.2.4求极大似然函数估计的一般步骤2.EM算法2.1问题描述2.2问题求解2.3总结2.3.1相关概念2.3.2与K-Means算法对比3.EM算法推导3.1相关基础3.1.1期望3.1.2凸函数3.1.3Jensen不等式3.2公式推导3.3EM算法流程3.4E
修行僧yicen·2023-06-18 09:56

机器学习笔记——11 混合高斯模型(Mixtures of Gaussian)：利用EM算法估计参数

机器学习笔记——11混合高斯模型(MixturesofGaussian)：利用EM算法估计参数本文主要介绍混合高斯模型，它涉及到对个分布来源，因此参数的估计将是一个难题。
_Volcano·2023-06-18 09:51

机器学习笔记 - 基于深度学习的多种目标跟踪检测框架简述

一、目标跟踪对象跟踪是执行一组初始对象检测的任务，为每个初始检测创建唯一的ID，然后在每个对象在视频中的帧中移动时跟踪它们，从而维护ID分配。最先进的方法涉及融合来自RGB和基于事件的相机的数据，以产生更可靠的对象跟踪。仅使用RGB图像作为输入的基于CNN的模型也很有效。最受欢迎的基准测试是OTB。有几个特定于对象跟踪的评估指标，包括HOTA、MOTA、IDF1和Track-mAP。1、什么是OT
坐望云起·2023-06-18 05:06

《斯坦福大学公开课：如何创业》 导航

该课程是由Stanford(斯坦福)大学和YC(美国著名孵化器)合作推出，教授学生如何创业。课程视频[概要]第1课课程概要；创意，产品，团队与执行第一部分；为何要创业。
创业攻略君·2023-06-17 11:39

机器学习笔记 - 多实例学习（MIL）弱监督学习

一、多实例学习概述多实例学习（MIL）是一种弱监督学习形式，其中训练实例被排列在称为袋的集合中，并为整个袋提供标签。这种方式越来越受到人们的关注，因为它自然适合各种问题，并允许利用弱标记数据。因此，它被应用于计算机视觉和文档分类等不同的应用领域。多实例学习（MIL）处理以集合形式排列的训练数据，称为bag。不提供袋子中所含实例的单独标签。这种问题表述引起了研究界的广泛关注，尤其是近年来，解决大型问
坐望云起·2023-06-17 08:39

机器学习笔记 - 一种估算模型训练所需的样本量的方法

一、简述高质量和足够多的数据是开发任何机器学习模型的基础。在缺乏对特定系统建模所需的最佳数据量的事先估计的情况下，数据收集最终要么产生太少而无法进行有效培训，要么产生太多导致资源的浪费。我经常被问到这个场景需要多少图像，通常我都会根据场景的复杂程度给出一个估计的范围，但是需要多少数据这个问题很难直接回答出一个数量出来，因为需要的数据量既取决于问题的复杂性，也取决于所选算法的复杂性。但在许多实际场景
坐望云起·2023-06-16 16:29

【机器学习笔记】——TensorFlow的安装（cuda10.0+cuDNN7.4)

我是win7，显卡GTX1050Ti，选的cuda10.0，cuDNN7.4tensorflow分为CPU版本和GPU版本，CPU版本运行较慢。1安装anaconda3（python3.6）2安装tensorflow2.1CPU版本安装不依赖于其他，直接在cmd中condainstalltensflow2.2GPU版本安装1）是否支持GPU版本在控制面板-设备管理-显示配置器中查看是否有支持GPU
阿脸阿脸·2023-06-16 15:51

Nautilus Chain全球行分享会，上海站圆满举办

在北京时间6月9日，由NautilusChain主办的“Layer3模块化区块链的发展探讨”为主题的全球行活动，在上海顺利举办，本次分享会联合主办方还包括StanfordBlockchainAccelerator
QiJublockchain·2023-06-15 23:47

从0学Java第一天打卡 记录我自己的学习过程

JAVA语言的发展史JAVA语言背景介绍1.语言：人与人沟通交流的表达方式2.计算机语言：人与计算机之间进行信息交流沟通的一种特殊语言JAVA语言是美国Sun公司（StanfordUniversityNetwork
725.·2023-06-15 12:02

Linux学习之安装Meslab及显示.ply文件

首先简单介绍一下两种不同的三维点云文件；.ply文件:PLY文件格式是Stanford大学开发的一套三维mesh模型数据格式，图形学领域内很多著名的模型数据，比如Stanford的三维扫描数据库（其中包括很多文章中会见到的
无落·2023-06-15 00:22

机器学习笔记之K近邻学习算法

机器学习笔记之K近邻学习算法引言回顾：投票法回顾：明可夫斯基距离K\mathcalKK近邻算法算法描述K\mathcalKK值的选择小插曲：懒惰学习与急切学习KD\text{KD}KD树描述及示例K\mathcalKK
静静的喝酒·2023-06-14 15:57

[论文阅读73]Prefix-Tuning：Optimizing Continuous Prompts for Generation

1.基本信息题目论文作者与单位来源年份Prefix-Tuning：OptimizingContinuousPromptsforGenerationXiangLisaLi等StanfordUniversityAnnualMeetingoftheAssociationforComputationalLinguistics2021Citations1009
happyprince·2023-06-13 10:10

【机器学习笔记（六）】之集成算法的简介(Bagging, Boosting, Stacking)

本文章由公号【开发小鸽】发布！欢迎关注！！！老规矩–妹妹镇楼：集成算法(Ensemblelearning)一.目的：用多个算法进行集成，让机器学习效果比单个算法的效果更好。二.类别：(1).Bagging:训练多个分类器取平均f(x)=1/M∑m=1Mfm(x)f(x)=1/M\sum_{m=1}^{M}f_{m}(x)f(x)=1/Mm=1∑Mfm(x)(2).Boosting：从弱学习器开始加
开发小鸽·2023-06-13 03:06

使用LoRA对大语言模型LLaMA做Fine-tune

LLaMA做Fine-tune前言下载配置环境模型的训练Fine-tune模型的使用Inference参考问题汇总前言目前有大量对LLM（大语言模型）做Fine-tune的方式，不过需要消耗的资源非常高，例如StanfordAlpaca
蒋含竹·2023-06-12 17:33

李飞飞AI100报告提出14大AI机遇与挑战

来源：Stanford，新智元时隔5年，由斯坦福大学教授李飞飞主导的「AI100」研究报告终于推出了第二期，对过去五年来人工智能领域最重要的14个大问题进行了回顾和分析。
Imagination官方博客·2023-06-12 10:18

吴恩达机器学习笔记（一）

概念机器学习是研究计算机模仿人类学习的过程，利用新的数据改善自身的性能，是人工智能的核心。机器学习、人工智能、深度学习之间的关系：AI、ML、DL的包含关系人工智能=机器人；机器学习是实现人工智能的一种方法；深度学习是实现机器学习的一种技术。概念包含关系上：人工智能>机器学习>深度学习。视频课简记:1、引言1.1欢迎1、机器学习很常见，如谷歌搜索（搜出的网站排序算法）、邮箱的垃圾站（无监督）。2、
yh_y·2023-06-12 00:10

Nautilus Chain全球行分享会，上海站圆满举办

在北京时间6月9日，由NautilusChain主办的“Layer3模块化区块链的发展探讨”为主题的全球行活动，在上海顺利举办，本次分享会联合主办方还包括StanfordBlockchainAccelerator
区块链小八歌·2023-06-11 18:06

Nautilus Chain全球行分享会，上海站圆满举办

在北京时间6月9日，由NautilusChain主办的“Layer3模块化区块链的发展探讨”为主题的全球行活动，在上海顺利举办，本次分享会联合主办方还包括StanfordBlockchainAccelerator
西柚财经·2023-06-11 16:31

Nautilus Chain全球行分享会，深圳站圆满举办

在北京时间6月4日，由NautilusChain主办的“Layer3模块化区块链的发展探讨”为主题的全球行活动，在深圳（深圳南山区清华研究院）顺利举办，本次分享会联合主办方还包括StanfordBlockchainAccelerator
WilliamMeta·2023-06-11 05:19

Nautilus Chain全球行分享会，上海站圆满举办

在北京时间6月9日，由NautilusChain主办的“Layer3模块化区块链的发展探讨”为主题的全球行活动，在上海顺利举办，本次分享会联合主办方还包括StanfordBlockchainAccelerator
WilliamMeta·2023-06-11 05:47

Nautilus Chain全球行分享会，上海站圆满举办

在北京时间6月9日，由NautilusChain主办的“Layer3模块化区块链的发展探讨”为主题的全球行活动，在上海顺利举办，本次分享会联合主办方还包括StanfordBlockchainAccelerator
BTColdman·2023-06-11 01:32
上一页 8 9 10 11 12 13 14 15 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他