机器学习中的数学原理——精确率与召回率
详解精确率和召回率，通过这篇博客，你将清晰的明白什么是精确率、召回率。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——精确率与召回率》
BP神经网络的诊断分类（初学者+matlab代码实现）
初学者推荐，bp神经网络的实现
Grad-CAM源码保姆级讲解（pytorch）
Grad-CAM源码保姆级详解。
3DCNN概述及3DCNN与2DCNN的区别
对3DCNN有关知识进行了解和梳理。这篇博客主要介绍了3DCNN的概念、3DCNN工作原理以及3DCNN与2DCNN的区别。
【深度学习】模型过拟合的原因以及解决办法
不要过度训练，提前结束训练early-stopping：训练时间足够长，模型就会把一些噪声隐含的规律学习到，这个时候降低模型的性能是显而易见的。第3组模型过拟合：模型复杂度过高，抽象出的数学公式非常复杂，很完美的拟合训练集的每个数据，但过度强调拟合原始数据。第1组模型欠拟合：模型复杂度过低，抽象出的
深度学习可视化工具visdom使用
#11.1 vidsom介绍visdom的github主页：https://github.com/fossasia/visdomvisdom中文文档参考：https://ptorch.com/news/77.htmlVisdom是一个灵活的工具，用于创建，组织和共享实时丰富数据的可视化，支持：Tor
【光流估计】无监督学习的LOSS
无监督光流估计中损失函数的相关内容与个人理解
惯性导航定位技术
惯性导航系统是一种不依赖于外部信息，也不向外部辐射能量的自主式导航系统[15]。其主要由惯性测量单元、信号预处理和机械力学编排3个模块组成，如图3-7所示。一个惯性测量单元包括3个相互正交的单轴加速度计(Accelerometer)和3个相互正交的单轴陀螺仪(Gyroscopes)。惯性测量单元结构
ConvNeXt-教你如何改模型
ConvNeXt的出现证明，并不一定需要Transformer那么复杂的结构，只对原有CNN的技术和参数优化也能达到SOTA，未来CV领域，CNN和Transformer谁主沉浮？太阳花的小绿豆。
YOLOv7训练记录——权重使用问题
YOLOv7于2022.07发布，一经发布，很多人应该有共同的想法——v7的效果是否和论文一致？v7的效果跟v5相比如何?此贴记录自己YOLOv7的训练过程。
AI实战：用Transformer建立数值时间序列预测模型开源代码汇总
Transformer做数值时间序列预测
Anaconda安装github上下载的包或者本地包
一 将github上下载的包，解压后 放入anaconda路径下的site-pakages文件夹下我下载的文件名是nda-tools-master我的路径是F:\anaconda_set\envs\tensorflow2\Lib\site-packages\如果anaconda包含Tensorflo
深度学习和日常代码中遇到的报错汇总及解决方案，持续更新中。。。。
深度学习和日常代码中遇到的报错汇总及解决方案，持续更新中。。。。解决方案也大多参考网上的解决方案，有些有用，有些没有效果，本文章中的问题，也仅是本人遇到的问题
ChatGPT 3 与 ChatGPT 4：比较分析
OpenAI 于 2020 年发布的ChatGPT 3改变了 AI 世界的游戏规则。它在理解和生成类人文本方面表现出了非凡的能力。然而，随着研究的继续，ChatGPT 4的开发是为了解决其局限性并改进其前身的性能。让我们比较一下这些模型的主要区别和增强功能。
Pytorch学习笔记（3）：图像的预处理（transforms）
Pytorch学习笔记（3）：图像的预处理（transforms）
GPT2模型详解
一 背景介绍GPT2模型是OpenAI组织在2018年于GPT模型的基础上发布的新预训练模型，其论文原文为 language_models_are_unsupervised_multitask_learnersGPT2模型的预训练语料库为超过40G的近8000万的网页文本数据，GPT2的预训练语料
BiSeNet - 轻量级实时语义分割
在语义分割领域，由于需要对输入图片进行逐像素的分类，运算量很大。通常，为了减少语义分割所产生的计算量，通常而言有两种方式：减小图片大小和降低模型复杂度。减小图片大小可以最直接地减少运算量，但是图像会丢失掉大量的细节从而影响精度。降低模型复杂度则会导致模型的特征提取能力减弱，从而影响分割精度。所以，如
无监督异常检测（MVTec）
（排名第1）Towards Total Recall in Industrial Anomaly Detection （PatchCore）
yolov5使用知识蒸馏
本文介绍的论文《Distilling Object Detectors with Fine-grained Feature Imitation》即是基于 Fine-grained Feature Imitation 技术的目标检测知识蒸馏方法。该方法将 Fine-grained Feature Im
【GPT-4】GPT-4 相关内容总结
GPT-4没开通Plus的用户还没办法体验到GPT-4 是 OpenAI 最先进的系统，可产生更安全、更有用的响应。我们创建了 GPT-4，这是 OpenAI 努力扩展深度学习的最新里程碑。GPT-4 是一个大型多模态模型（接受图像和文本输入，发出文本输出），虽然在许多现实世界场景中的能力不如人类，
