自动化的机器学习:5个常用AutoML 框架介绍

AutoML 可以为预测建模问题自动找到数据准备、模型和模型超参数的最佳组合,本文整理了5个最常见且被熟知的开源AutoML 框架。

Keras深度学习实战(1)——神经网络基础与模型训练过程详解

神经网络是一种性能强大的学习算法,其灵感来自大脑的运作方式。类似于神经元在大脑中彼此连接的方式,神经网络获取输入后,通过某些函数在网络中进行传递输入信息,连接在其后的一些神经元会被激活,从而产生输出。本文主要介绍神经网络中重要的基础知识,然后使用 Python 从零开始构建神经网络的训练流程,包括前

一步步教你查看cuda和cudnn版本

1.查看cuda版本win+R+enter回车,再输入cmd进入命令行,再输入nvcc --version或者输入nvcc -V即可得到cuda的版本,如图我的cuda版本是10.2查看cudnn版本进入目录查看cudnn_version.h文件一般放在:C:\Program Files\NVIDI

睿智的目标检测57——Tensorflow2 搭建YoloV5目标检测平台

睿智的目标检测57——Tensorflow2 搭建YoloV5目标检测平台学习前言源码下载YoloV5改进的部分(不完全)YoloV5实现思路一、整体结构解析二、网络结构解析1、主干网络Backbone介绍2、构建FPN特征金字塔进行加强特征提取3、利用Yolo Head获得预测结果三、预测结果的解

目标检测算法——YOLOv5将IOU Loss替换为EIOU Loss

将YOLOv5中的锚框损失函数替换为EIOU Loss,性能远优于原IOU、DIOU以及CIOU等,测试自身数据集发现涨点明显!

目标检测算法——YOLOv5结合BiFPN

将YOLOv5中的PANet层修改为EfficientDet-BiFPN,实现自上而下与自下而上的深浅层特征双向融合,明显提升YOLOv5算法检测精度。

2022 年 4 月 10篇 ML 研究论文推荐

Google 的 5400 亿参数 PaLM、Pathways、Kubric、Tensor Programs、Bootstrapping Reasoning With Reasoning、Sparse all-MLP 架构

深度学习之循环神经网络(RNN)

人工智能之循环神经网络(RNN)

分类使用Pytorch实现Grad-CAM并绘制热力图

import osimport numpy as npimport torchfrom PIL import Imageimport matplotlib.pyplot as pltfrom torchvision import modelsfrom torchvision import trans

掌握神经网络的法宝(一)

上一章的介绍,相信大家对于神经网络的框架模式有了一定的了解,而这一章我准备来给大家介绍一下掌握神经网络所需的数学基础。

多任务学习中的网络架构和梯度归一化

多任务学习(Multi-task learning, MTL),旨在用其他相关任务来提升主要任务的泛化能力,多个任务共享一个结构并在一次正向传递中产生多个推理。

Mask R-CNN网络详解

Mask R-CNN是2017年发表的文章,一作是何恺明大神,没错就是那个男人,除此之外还有Faster R-CNN系列的大神`Ross Girshick`,可以说是强强联合。该论文也获得了ICCV 2017的最佳论文奖(`Marr Prize`)。并且该网络提出后,又霸榜了MS COCO的各项任务

使用分布外数据去除不需要的特征贡献,提高模型的稳健性

分布外数据增强训练可以提高 DNN 的准确性和效率,通过抗性训练可以让 DNN 更加健壮,让模型更不容易受到扰动的影响。

基于Pytorch的强化学习(DQN)之 Baseline 基本概念

目录1. 引言2. 数学推导2.1 引理2.2 改进的策略梯度2.3 蒙特卡罗模拟3. baseline的选择1. 引言我们前面讲过策略梯度下降算法,现在来介绍一种加快收敛速度的方法:设置Baseline。2. 数学推导我们之前推导过状态价值函数梯度的公式,以下证明源于这个公式。2.1 引理我们先证

【第31篇】探索普通视觉Transformer Backbones用于物体检测

摘要我们探索了普通的、非分层的视觉转换器(ViT)作为目标检测的骨干网络。这种设计使原始 ViT 架构能够针对对象检测进行微调,而无需重新设计用于预训练的分层主干。通过对微调的最小调整,我们的普通骨干检测器可以获得具有竞争力的结果。令人惊讶的是,我们观察到:(i)从单尺度特征图(没有常见的 FPN

第2例 基于卷积神经网络LeNet的手写体数字识别

第2例 基于卷积神经网络LeNet的手写体数字识别卷积操作就是提取图像的边缘纹理特征的。卷积神经网络去做图像分类的思路非常简单,先使用卷积运算对图像进行边缘纹理特征提取,多层卷积即是提取深度特征的边缘纹理特征;卷积核是通过机器学习得到的,所以具体提取到什么样的纹理我们不必要去考究。思路: 卷积神经网

计算机视觉的半监督模型:Noisy student, π-Model和Temporal Ensembling

今天我将讨论一些在过去十年中出现的主要的半监督学习模型。

深度学习敲门砖——神经网络

深度学习以神经网络为出发点!可以说深度学习,就是叠加了很多层的神经网络!

基于Pytorch的强化学习(DQN)之 Multi-agent 训练架构

目录1. 引言2. 训练架构2.1 Fully decentralized2.2 Fully centralized2.3 Centralized&Decentralized1. 引言我们上一次讲到了Multi-agent的基本概念,现在来讲讲具体的训练方法,以Actor-Critic方法为

JoJoGAN One-Shot Face Stylization:使用 StyleGAN 创建 JoJo风格人脸头像

JoJoGAN 是一种One-Shot风格迁移模型,可让将人脸图像的风格迁移为另一种风格。

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