Pytorch模型量化
在深度学习中，量化指的是使用更少的bit来存储原本以浮点数存储的tensor，以及使用更少的bit来完成原本以浮点数完成的计算。这么做的好处主要有如下几点：更少的模型体积，接近4倍的减少；可以更快的计算，由于更少的内存访问和更快的int8计算，可以快2~4倍。一个量化后的模型，其部分或者全部的ten
数学模型——python实现滑动窗口算法（特征匹配）
python使用滑动窗口算法进行特征匹配
PyQt5简单读取&显示图片的应用
本文为PyQt5入门教程，具体为以下四步骤一、程序界面简单设计二、通过下拉列表框读取读取指定路径的图片三、通过读取到的图片显示在界面上四、退出事件最终效果如下：自定义退出事件def exit(self): #定义关闭事件sys.exit(0) #sys.exit(0)为正常退出 sys.exit(1
关于跳跃连接 卷积网络
关于跳跃连接 卷积网络
跟着AI学AI(2): 逻辑回归
回答：离群值是指在数据集中与其他数据点相比具有异常值的数据点。离群值可能是由于测量误差、数据录入错误、数据采集问题或真实的异常情况引起的。离群值可能会对数据分析和建模产生负面影响，因为它们可能会导致模型过拟合或欠拟合，从而降低模型的准确性和可解释性。例如，在一个身高数据集中，如果有一个人的身高明显高
机器学习中的数学原理——F值与交叉验证
通过这篇博客，你将清晰的明白什么是F值、交叉验证。这个专栏名为白话机器学习中数学学习笔记，主要是用来分享一下我在 机器学习中的学习笔记及一些感悟，也希望对你的学习有帮助哦！感兴趣的小伙伴欢迎私信或者评论区留言！这一篇就更新一下《 白话机器学习中的数学——F值与交叉验证》
标准高斯过程回归（Gaussian Processes Regression, GPR）从零开始，公式推导
标准高斯过程回归从零开始公式推导
plt.函数
1 plt.figure( ) 函数：创建画布2 plt.plot(x, y, format_string, label="图例名")：绘制点和线, 并控制样式。其中x是x轴数据，y是y轴数据，xy一般是列表和数组。format_string 是字符串的格式包括线条颜色、点类型、线类型三个部分。向参
【车道线检测】霍夫变换(HoughLines)检测直线详解
霍夫变化 车道线检测
【机器学习】舍友居然偷偷在看这篇文章·入门机器学习
kiko力求用最通俗的语言和实战案例来解释机器学习的相关内容！
【机器学习】classification_report分类报告
classfication_report分类报告 python机器学习
传统的时间序列预测模型ARMA、ARIMA（包括实战！！！）
一、本篇主要介绍四种经典的时间序列模型：移动平均模型（MA）、自回归模型（AR）、自回归移动平均模型（，ARMA）、整合移动平均自回归模型（ARIMA）。
机器学习篇-指标:AUC
AUC是什么东西？AUC是一个模型评价指标，只能够用于二分类模型的评价，对于二分类模型来说还有很多其他的评价指标：比如：logloss，accuracy，precision在上述的评价指标当中，数据挖掘类比赛中，AUC和logloss是比较常见的模型评价指标那么问题来了||ヽ(￣▽￣)ノミ|Ю为啥是
秒懂算法 | 基于主成分分析法、随机森林算法和SVM算法的人脸识别问题
本文的任务与手写数字识别非常相似，都是基于图片的多分类任务，也都是有监督的。
阿里云天池大赛赛题（机器学习）——阿里云安全恶意程序检测（完整代码）
阿里云天池大赛赛题（机器学习）——阿里云安全恶意程序检测 完整代码！
阵列信号处理——线性约束最小方差准则(LCMV)波束形成算法
阵列信号处理——线性约束最小方差准则(LCMV)波束形成算法
ChatGPT作者John Schulman：我们成功的秘密武器
除了OpenAI，外界可能很少有人知道ChatGPT模型成功的真正原因，实际上，OpenAI也会对ChatGPT拥有的巨大影响力感到不可思议。这种困惑和惊喜就像工程师们解bug时获得的意外成功：We don't know why, but it works.一种普遍的看法是，ChatGPT没有任何革
机器学习10—多元线性回归模型
在市场的经济活动中，经常会遇到某一市场现象的发展和变化取决于几个影响因素的情况，也就是一个因变量和几个自变量有依存关系的情况。而且有时几个影响因素主次难以区分，或者有的因素虽属次要，但也不能略去其作用。例如，某一商品的销售量既与人口的增长变化有关，也与商品价格变化有关。这时采用一元回归分析预测法进行
模型调优：验证集的作用（就是为了调整超参数）
注意这里的表现，是指在验证集上的表现。好比训练轮数（epochs），在同样的训练集上，训练3轮和训练10轮，结果肯定是不一样的模型。一般训练几个 epoch 就跑一次验证看看效果，如果发现训练3轮效果更好，那么就应该丢弃掉训练6轮、10轮的潜在模型，只用训练3轮的结果。所以必须从训练样本中取出一部分
机器学习中常用的分类算法总结
我们都知道，不发生的概率是极大的，对于分类器而言，如果分类器不加思考，对每一个测试样例的类别都划分为0，达到99%的正确率，但是，问题来了，如果真的发生地震时，这个分类器毫无察觉，那带来的后果将是巨大的。4）例如True positives(TP)的实际类标=1*1=1为正例，False posit
