5分钟NLP:Text-To-Text Transfer Transformer (T5)统一的文本到文本任务模型

本文将解释如下术语:T5,C4,Unified Text-to-Text Tasks

图像预训练模型的起源解说和使用示例

这篇文章简要介绍了图像预训练模型过去的演变,并总结了现在的一些热门话题。

Keras深度学习实战(2)——使用Keras构建神经网络

Keras 是用 Python 编写的高级神经网络 API,它的核心思想在于实现快速实验,该库提供了很多实用工具,可以简化构建复杂神经网络的过程。在本节中,我们将使用 Keras 库构建神经网络,感受 Keras 快速模型构建的特性。

二、机器学习基础11(点估计)

点估计:用实际样本的一个指标来估计总体的一个指标的一种估计方法。点估计举例:比如说,我们想要了解中国人的平均身高,那么在大街上随便找了一个人,通过测量这个人的身高来估计中国人的平均身高水平;或者在淘宝上买东西的时候随便一次买到假货就说淘宝上都是假货等;这些都属于点估计。点估计主要思想:在样本数据中得

基于深度学习的人脸性别识别系统(含UI界面,Python代码)

摘要:人脸性别识别是人脸识别领域的一个热门方向,本文详细介绍基于深度学习的人脸性别识别系统,在介绍算法原理的同时,给出Python的实现代码以及PyQt的UI界面。在界面中可以选择人脸图片、视频进行检测识别,也可通过电脑连接的摄像头设备进行实时识别人脸性别;可对图像中存在的多张人脸进行性别识别,可选

使用 Python 实现一个简单的智能聊天机器人

Python100行代码实现简单的智能聊天机器人

XCTF-*CTF2022-Alice系列挑战write up

*CTF2022 Alice系列题目write up

python 深度学习环境安装(tensorflow-gpu)

本文主要通过Anaconda来配置tensorflow-gpu环境,介绍了如何新建虚拟环境,下载cuda,cudnn,tensorflow-gpu,以及判断是否安装成功,最后介绍了在pycharm中新建项目来配置虚拟环境。

深度学习之30系显卡虚拟环境配置(100%成功,windows,英伟达30系显卡,torch版本1.7.1)

30系显卡配置深度学习所需要的虚拟环境非常麻烦,本文章整理了我个人安装虚拟环境的心得体会和经验,手把手教您配置好虚拟环境!

改善图形神经网络,提升GNN性能的三个技巧

本文总结了一些技巧来提高 GNN 模型的性能。

深度学习-用PyTorch实现面部形象分类(非常详细-适合初学者)

基于pytorch对面部形象分类,训练准确率99.97%,测试准确率96.76

SRCNN:基于深度学习的超分辨率开山之作回顾

本文提供了与SRCNN论文的总结和回顾,如果你对于图像的超分辨率感兴趣,一定要先阅读这篇论文,他可以说是所有基于深度学习的超分辨率模型的鼻祖

二、机器学习基础5(损失函数、梯度下降)

损失函数损失函数(Loss function)又叫做误差函数,用来衡量算法的运行情况.估量模型的预测值 f (x)与真实值 Y 的不一致程度,是一个非负实值函数,通常使用来表示,损失函数越小,模型的鲁棒性就越好。损失函数是经验风险函数的核心部分,也是结构风险函数重要组成部分。常见的损失函数损失函数用

HIST:微软最新发布的基于图的可以挖掘面向概念分类的共享信息的股票趋势预测框架

2022 年 1 月微软研究院的提出了一种新颖的股票趋势预测框架,可以充分挖掘该概念面向来自预定义概念和隐藏概念的共享信息

二、机器学习基础6

计算图导数计算是反向传播,利用链式法则和隐式函数求导。线性判别分析(LDA )思想总结线性判别分析(Linear DiscriminantAnalysis,LDA)是一种经典的降维方法。和 PCA 不考虑样本类别输出的无监督降维技术不同,LDA 是一种监督学习的降维技术,数据集的每个样本有类别输出。

NLP 进行文本摘要的三种策略代码实现和对比:TextRank vs Seq2Seq vs BART

本文将使用 Python 实现和对比解释 NLP中的3 种不同文本摘要策略:老式的 TextRank(使用 gensim)、著名的 Seq2Seq(使基于 tensorflow)和最前沿的 BART(使用Transformers )

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!

从零到一实现神经网络(python):二

由单层感知机中的信号传递机制过渡到神经网络中的信号传递机制,通过一个包含2个隐藏层的4层神经网络实现了前向信号传播,介绍了sigmoid激活函数以及输出层经常用于误差计算的softmax函数

【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

神经网络学习小记录70——Pytorch 使用Google Colab进行深度学习

神经网络学习小记录70——Pytorch 使用Colab进行深度学习学习前言什么是Google ColabColab官网利用Colab进行训练一、数据集与预训练权重的上传1、数据集的上传2、预训练权重的上传二、打开Colab并配置环境1、笔记本的创建2、环境的简单配置3、深度学习库的下载4、数据集的

登录可以使用的更多功能哦! 登录
作者榜
...
资讯小助手

资讯同步

...
内容小助手

文章同步

...
Deephub

公众号:deephub-imba

...
奕凯

公众号:奕凯的技术栈