Paper Reading - Loss系列 - 深度学习中各种常见Loss与组合综述[WIP]
目录回归误差交叉熵 CEBCECEFocal LossDice LossLovasz-Softmax Loss更多可见计算机视觉-Paper&Code - 知乎本文主要希望总结下目前学术与业界常用到的Loss函数以及其对应的优缺点回归误差两种loss不同位置的梯度情况MAE mean ave
基于PyTorch实现图片去模糊、降噪，超详细，有代码，数据，可直接运行。
基于PyTorch实现图像去模糊、有代码数据、可直接运行基于PyTorch实现图像去模糊、有代码数据、可直接运行
深度学习基础 初学者版
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、过拟合与欠拟合，防止过拟合方法。 二、使用步骤 1.引入库 2.读入数据 总结前言首先！博主目前大一，写出来的东西水平很低。我写博客的目的只是为了让同是大一大二的学生们，入门这个领域的时候变得稍微轻松一点点。这篇博
基于pytorch平台实现对MNIST数据集的分类分析（前馈神经网络、softmax）基础版
基于pytorch平台实现对MNIST数据集的分类分析（前馈神经网络、softmax）基础版
关于建立开放的学术论文共享平台的倡议
如果您赞同，欢迎动动手指转发！近日“中科院因续订费用不堪重负，停用中国知网数据库”的消息让我们大吃一惊。中科院是我国论文成果产出最多的单位，据传闻中科院每年要花千万元购买知网里的论文访问权限。且不论里面的版权细节，这事情的逻辑是不通的。“中国政府采购网上显示，2022年，上海师范大学以79.8万元的
ROS从入门到精通(三) ROS核心架构、常用指令与计算图
本文介绍ROS的核心架构，各个文件、目录的用途、常用命令行工具、动态计算图原理。
车牌识别项目全过程——opencv知识自学
目录什么是opencv?图像获取图像变换改变大小什么是opencv?OpenCV是一个开源的计算机视觉框架。是用来处理图像数据的开源库，即一套与图像相关的算法库。在2016年以后，深度学习的应用越来越广泛，OpenCV里也添加了CNN之类的模块，可以与Tensorflow、Caffe2这些框架训练出
【Jetson Nano】学习（3）——物体识别后提取出感兴趣的对象，目标检测，语义分割
文章目录📒前言📙定位对象📗对象提取代码：📘完整代码📕识别效果📒前言🍊在前面的博客中我写了一篇关于实现目标检测的文章，但是我们只是作为一个测试使用，并没有具体说明他能干什么，感兴趣可以看看❤️【Jetson Nano】学习（2）——两种方法（命令行、openCV）打开摄像头、实现目标检测
数据科学 机器学习系列4 使用Python创建Scikit-Learn回归模型
机器学习系列4 使用Python和Scikit-Learn回归模型 在本文中，我们将学习机器学习本地环境的配置过程，利用Scikit-learn库走完机器学习模型的基本流程，最终创建一个线性回归模型。
XCTF-*CTF2022-Alice系列挑战write up
*CTF2022 Alice系列题目write up
数据科学 机器学习系列3 机器学习的流程
在本文中,你将学习到:1机器学习的流程。2 理解基本术语概念，如“模型”，“训练”，“预测”，“过拟合”等。
数据科学 机器学习系列1 机器学习历史
介绍机器学习发展历史
学习笔记：深度学习（4）——卷积神经网络（CNN）PyTorch实践篇
小白PyTorch超快上手，采用CNN做了一个手写数字识别，一个MINST手写数字预测，以及尝试了Kaggle的Spaceship Titanic案例。
开启AI世界的大门 —— 从人工智能到计算机视觉
开启AI世界的大门 —— 从人工智能到计算机视觉目录开启AI世界的大门 —— 从人工智能到计算机视觉1. 关于人工智能1.1 初识人工智能1.2 人工智能的三大核心要素1.3 人工智能关系圈2. 计算机视觉（Computer Vision）2.1 初识CV2.2 深度学习与CV及CV的
【YOLOv5-6.x】通过设置可学习参数来结合BiFPN
文章目录前言修改common.py修改yolo.pyyolov5s-bifpn.yaml测试结果References前言在之前的这篇博客中，简要介绍了BiFPN的原理，以及YOLOv5作者如何结合BiFPN：【魔改YOLOv5-6.x（中）】：加入ACON激活函数、CBAM和CA注意力机制、加权双向
学习笔记：深度学习（2）——BP神经网络
梳理BP神经网络、MLP的理论基础和算法推导。
【进阶篇】全流程学习《20天掌握Pytorch实战》纪实 | Day02 | 图片数据建模流程范例
不定期学习《20天掌握Pytorch实战》，有兴趣就跟着专栏一起吧~
智能算法与传统算法
传统算法无法在有限的时间内精确求解智能算法寻求在求解时间和求解速度上的平衡，在可接受的花费（计算时间、占用空间等）下给出待解决优化问题每一个实例的一个可行解，该可行解与最优解的偏离程度不一定事先可以预计。这类算法中的每一个算法都以人类、生物的行为方式或物质的运动形态为背景，经过数学抽象建立算法模型，
掌握神经网络的法宝（二）
本文为大家展示了神经网络的最优化和误差反向传播法，希望能打大家有所帮助~~
R语言使用ifelse函数实战
R语言使用ifelse函数实战
