EfficientNetV2 - 通过NAS、Scaling和Fused-MBConv获得更小的模型和更快的训练
EfficientNetV2是由 Google Research，Brain Team发布在2021 ICML的一篇论文，比EfficientNetV1的训练速度快得多，同时体积小 6.8 倍。
5分钟NLP：从 Bag of Words 到 Transformer 的时间年表总结
本文对影响NLP研究的一些重要的模型进行总结，并尽量让它简约而不是简单，如果你刚刚进入NLP领域，本文可以作为深入研究该领域的起点。
数据标准预处理合集_python机器学习sklearn库
文章目录数据获取①归一化 MinMaxScaler1.1默认调用1.2了解相关属性/参数②正则化 Normalizer2.1默认调用2.2相关属性/参数③标准化3.1默认调用3.2相关属性/参数④二值化4.1默认调用4.2相关属性/参数数据获取以鸢尾数据为例，首先加载数据集。from sklearn
深入理解交叉验证与网格搜索——sklearn实现
交叉验证（Cross Validation）和网格搜索（Grid Search）常结合在一起并用来筛选模型的最优参数。本文将从零开始一步步讲解交叉验证和网格搜索的由来，并基于sklearn实现它们。目录一、交叉验证法1.1 交叉验证法的由来1.2 交叉验证法的定义1.3 sklearn.model_
OpenCV-Python实战（19）——OpenCV与深度学习的碰撞
OpenCV 中包含深度神经网络 (deep neural networks, DNN) 模块，可以使用深度神经网络实现前向计算(推理阶段)，使用一些流行的深度学习框架进行预训练的网络(例如 Caffe、TensorFlow、Pytorch、Darknet等)就可以轻松用在 OpenCV 项目中了。
【机器学习笔记（一）】——白话入门及术语解释
小白如何快速入门机器学习？如果不做专职的相关岗位开发，自己跑一些学习程序是否可行呢？比较现在各种框架都挺多的了，即使再不济，了解一下具体都能做哪些东西也是很不错的。
特征工程：常用的特征转换方法总结
在数据集中，大多数时候都会有不同大小的数据。为了使更好的预测，必须将不同的特征缩小到相同的幅度范围或某些特定的数据分布。
Anchor free系列网络之YOLOX源码逐行讲解篇(四)--coco数据载入及分布式训练
整个系列包括：Demo源码逐行讲解->train脚本源码逐行讲解->backbone源码逐行讲解->FPN源码逐行讲解->Head源码逐行讲解->loss计算源码逐行讲解->数据加载源码逐行讲解->数据增强源码逐行讲解->simOTA源码逐行讲解。保证
卷积层的算力评估(MACC和FOPS)
以比较简单的lenet网络模型为例，我们尝试推导主要算子的算力计算公式，并看一下它的各层理论算力要求。lenet网络结构以第二层为例，他的输入尺寸是1*28*28*1的一张feature map,卷积核为 5*5*1,stride_h和stride_w均为1， pad_h,pad_w均为0，说明不做
三种梯度下降方法与代码实现
本文属于 线性回归算法【AIoT阶段三】（尚未更新），这里截取自其中一段内容，方便读者理解和根据需求快速阅读。本文通过公式推导+代码两个方面同时进行，因为涉及到代码的编译运行，如果你没有 NumPyNumPy，PandasPandas，MatplotlibMatplotlib 的基础，建议先修文章：
机器学习分类算法之XGBoost（集成学习算法）
目录走进XGBoost什么是XGBoost？XGBoost树的定义XGBoost核心算法正则项：树的复杂程度XGBoost与GBDT有什么不同XGBoost需要注意的点XGBoost重要参数详解调参步骤及思想XGBoost代码案例相关性分析n_estimators（学习曲线）max_depth（学习
牛顿迭代法的可视化详解
牛顿迭代法（*Newton*'s method）又称为牛顿-拉夫逊（拉弗森）方法（*Newton-Raphson* method），它是牛顿在17世纪提出的一种在实数域和复数域上近似求解方程的方法。
机器学习-鸢尾花(Iris Flower)分类
一个机器学习中的“Heelo World”项目，针对鸢尾属的3个亚属进行分类。(Python\Pandas\Matplotlib\SKlearn)
吴恩达机器学习丨思维导图丨坚持打卡23天——构建知识脉络，回顾总结复盘
机器学习是目前信息技术中最激动人心的方向之一。本文以吴恩达老师的机器学习课程为主线，使用 Process On 在线绘图构建机器学习的思维导图。16张思维导图，理清机器学习知识脉络，便于学习复盘。
点到直线的距离求法
直线方程是AX+BY+C=0，直线外面一点到直线的距离,传统证明方法如下图：结束！
清华大学出品：罚梯度范数提高深度学习模型泛化性
论文方法L(θ)=LS(θ)+λ⋅∥∇θLS(θ)∥pL(\theta)=L_{\mathcal{S}}(\theta)+\lambda \cdot \|\nabla_\theta L_{\mathcal{S}}(\theta)\|_pL(θ)=LS(θ)+λ⋅∥∇θLS(θ)∥p∥h(θ1
Windows10 PyTorch1.5 安装教程 | 很详细
Windows10 PyTorch1.Windows左下角搜索控制面板搜索控制面板打开进入界面，如下所示：点击 NVIDIA 控制面板进入，点击信息信息(I)进入界面，如下所示：点击组件，可以看到当前的的 CUDA 版本信息。总结 Win10 系统查看 CUDA 版本信息方法：在电脑上打开控制面板点
python机器学习_近邻算法_分类Ionosphere电离层数据
本文使用python机器学习库Scikit-learn中的工具，以某网站电离层数据为案例，使用近邻算法进行分类预测。并在训练后使用K折交叉检验进行检验，最后输出预测结果及准确率。过程产生一系列直观的可视化图像。希望文章能够对大家有所帮助。祝大家学习顺利！
python疲劳驾驶实时检测项目讲解（附代码）
python疲劳驾驶检测
如何确定多少个簇？聚类算法中选择正确簇数量的三种方法
在本文中，首先介绍两个流行的指标来评估簇质量。然后介绍三种方法来找到最佳簇数量
