clip预训练模型综述

CLIP是一个预训练模型,就像BERT、GPT、ViT等预训练模型一样。首先使用大量无标签数据训练这些模型,然后训练好的模型就能实现,输入一段文本(或者一张图像),输出文本(图像)的向量表示。CLIP和BERT、GPT、ViT的区别在于,CLIP是多模态的,包含图像处理以及文本处理两个方面内容,而B

使用LIME解释CNN

图像与表格数据集有很大不同,我们用突出显示图像中模型预测的重要区域的方法观察可解释性

图嵌入概述:节点、边和图嵌入方法及Python实现

本文将提供一个基于图的嵌入算法的高层次的概述。最后还将介绍如何用Python库(如node2vec)来在图上生成各种嵌入。

11个常见的分类特征的编码技术

机器学习算法只接受数值输入,所以如果我们遇到分类特征的时候都会对分类特征进行编码,本文总结了常见的11个分类变量编码方法。

时间序列分解:将时间序列分解成基本的构建块

大多数时间序列可以分解为不同的组件,在本文中,我将讨论这些不同的组件是什么,如何获取它们以及如何使用 Python 进行时间序列分解。

史上最全学习率调整策略lr_scheduler

学习率是深度学习训练中至关重要的参数,很多时候一个合适的学习率才能发挥出模型的较大潜力。所以学习率调整策略同样至关重要,这篇博客介绍一下Pytorch中常见的学习率调整方法。

YOLOV7开源代码讲解--训练参数解释

本文章是对yolov7开源代码中训练部分的参数进行解释,方便在训练中更直观的理解,可以更换的使用各个功能,完成最终的“炼丹”

PCA降维原理 操作步骤与优缺点

PCA全称是Principal Component Analysis,即主成分分析。它主要是以“提取出特征的主要成分”这一方式来实现降维的。 介绍PCA的大体思想,先抛开一些原理公式,如上图所示,原来是三维的数据,通过分析找出两个主成分PC1和PC2,那么直接在这两个主成分的方向上就可以形成一个平面

用pointnet++分类自己的点云数据

这篇博客主要是针对于现有的热门的激光点云处理算法pointnet++如何分类自己的数据集展开的。在介绍基本的pointnet++算法的概念、基本步骤及思想、部分代码讲解之后,会介绍如何使用自己的数据集进行分类(涉及到详细的代码改进方法及步骤)以及打印利用自己数据集跑出的模型后的点云坐标。

利用python实现Apriori关联规则算法

大家可能听说过用于宣传数据挖掘的一个案例:啤酒和尿布;据说是沃尔玛超市在分析顾客的购买记录时,发现许多客户购买啤酒的同时也会购买婴儿尿布,于是超市调整了啤酒和尿布的货架摆放,让这两个品类摆放在一起;结果这两个品类的销量都有明显的增长;分析原因是很多刚生小孩的男士在购买的啤酒时,会顺手带一些婴幼儿用品

机器学习-常用回归算法归纳(全网之最)

文章目录前言一元线性回归多元线性回归局部加权线性回归多项式回归Lasso回归 & Ridge回归Lasso回归Ridge回归岭回归和lasso回归的区别L1正则 & L2正则弹性网络回归贝叶斯岭回归Huber回归KNNSVMSVM最大间隔支持向量 & 支持向量平面寻找最大间隔

自编码器(Auto-Encoder)

一、自编码器原理自编码器算法属于自监督学习范畴,如果算法把x作为监督信号来学习,这里算法称为自监督学习(Self-supervised Learning)在监督学习中神经网络的功能:。是输入的特征向量长度,是网络输出的向量长度。对于分类问题,网络模型通过把长度为输入特征向量????变换到长度为的输出

【机器学习】数据增强(Data Augmentation)

文章目录一、引言 - 背景二、为什么需要数据增强?三、什么是数据增强?定义分类四、有监督的数据增强1. 单样本数据增强(1)几何变换类(2)颜色变换类2. 多样本数据增强(1) SMOTE(2) SamplePairing(3) mixup五、无监督的数据增强1. GAN2.Conditional

人工智能--遗传算法求解TSP问题

文章目录前言一、遗传算法的概念遗传算法(Genetic Algorithm, GA):二、解决的问题对象三、 程序步骤1.针对TSP问题,确定编码2.针对TSP问题,适应度函数可定义为3.针对TSP问题,确定交叉规则对于采用整数编码表示的染色体,可以有以下交叉规则:(1)顺序交叉法(Order Cr

【2022】保姆级Anaconda安装与换国内源教程

一、Anaconda的安装由于Anaconda官网在境外,为了提升下载速度,我们选择从北京外国语大学镜像站下载Anaconda的安装包。Index of /anaconda/archive/ | 北京外国语大学开源软件镜像站 | BFSU Open Source Mirrorhttps://mirr

新冠疫情预测模型--逻辑斯蒂回归拟合、SEIR模型

  通过构建统计学模型、数学模型,或者利用机器学习、深度学习方法拟合疫情发展趋势,利用历史数据对未来的确诊病例等疫情形势进行预测,比如说,逻辑斯蒂生长曲线拟合数据,预测未来几天可能的发展趋势;或者利用时间序列模型构建预测模型;也可用LSTM构建预测模型,一种特殊的RNN网络。以上方法,除生长曲线外,

谷歌又放大招 Disco Diffusion!AI生成超高质量绘画!

En点击下方“AI算法与图像处理”,一起进步!重磅干货,第一时间送达大家好,我是 阿潘~我在b站刷到了一个博主分享最新的算法,用AI生成高质量的插画。本文主要是分享现在的AI可做到的效果,具体的使用教程也会附上!主要还是看效果这里用到的算法是Google开发一个名为Disco Diffusion的系

4大类11种常见的时间序列预测方法总结和代码示例

本篇文章将总结时间序列预测方法,并将所有方法分类介绍并提供相应的python代码示例,以下是本文将要介绍的方法列表:1、使用平滑技术进行时间序列预测指数平滑Holt-Winters 法2、单变量时间序列预测自回归 (AR)移动平均模型 (MA)自回归滑动平均模型 (ARMA)差分整合移动平均自回归模

朴素贝叶斯(Naive Bayes)详解

贝叶斯决策论、朴素贝叶斯原理与算法实现、具体应用。

计算机视觉会议(CVPR,ECCV,ICCV,NIPS,AAAI,ICLR等)

CVPR首先介绍的是三大顶会之一的CVPR,ECCVICCVNIPSNIPS虽然不是三大顶会,但是影响力也很大,首先官网链接是https://neurips.cc/,直接找论文的话可以到Proceeding这个页面:click here,如下图所示:需要哪一年的直接点击进去(NIPS2021直达),