dream_to_dream的博客

学习链接：图解EfficientNet模型的完整细节 - 云+社区 - 腾讯云我在一个Kaggle竞赛中翻阅notebooks，发现几乎每个人都在使用EfficientNet 作为他们的主干，而我之前从未听说过这个。谷歌AI在这篇文章中：...https://cloud.tencent.com/developer/article/1699699...

ROC曲线的全称是受试者工作特征（Receiver Operating Characteristic）曲线，是非常重要和常见的统计分析方法。如果已经计算好FPR和TPR，可以直接使用最简单的图绘制。本教程使用的是原始数据，需统计计算后给出对应的参数，并绘制ROC曲线。数据格式示例数据为使用两种方法测量得到的RMSF患者和正常人的钠水平，数据格式为形式，其中第1列为人群信息，第2列为Method1测量的结果，第3列为Method1测量的结果。绘制图形选中后两列数据，使用菜单中的来绘

各模块简介：CBAM 是一个轻量级的通用模块，其中包含了空间注意力和通道注意力。通道注意力是先对空间进行全局平均或最大池化后，在通道层面求得注意力。空间注意力是先对通道进行全局平均或最大池化后，在空间层面求得注意力。2.CBAM：3.代码空间注意力pytorch代码：class SpatialAttention(nn.Module): def __init__(self, kernel_size=7): super(S...

Depthwise(DW)卷积与Pointwise(PW)卷积，合起来被称作Depthwise Separable Convolution(参见Google的Xception)，该结构和常规卷积操作类似，可用来提取特征，但相比于常规卷积操作，其参数量和运算成本较低。所以在一些轻量级网络中会碰到这种结构如MobileNet。常规卷积操作 对于一张5×5像素、三通道彩色输入图片（shape为5×5×3）。经过3×3卷积核的卷积层（假设输出通道数为4，则卷积核shape为3×3×3×4），最终输...

这篇文章写得很详细，记录一下：Transformer是什么？看完这篇你就醍醐灌顶_fs1341825137的博客-优快云博客前言由谷歌团队提出的预训练语言模型BERT近年来正在各大自然语言处理任务中屠榜（话说学者们也挺有意思的，模型名都强行凑个芝麻街的人物名，哈哈哈）。 BERT算法的最重要的部分便是Transformer的概念，它本质上是Transformer的编码器部分。 而Transformer是什么呢？transformer是永远的神，自从transformer使用了抛弃rnncnn的纯att

尝试了部分，没有结果自己的问题，但还是记录一下。主要围绕资源进行尝试：https://blog.youkuaiyun.com/qq_44722174/article/details/104640018

注意：以下所有程序都要在导入TensorFlow和keras包之前加入才可以选择CPU：import osos.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"os.environ["CUDA_VISIBLE_DEVICES"] = "-1"选择GPU：import osos.environ['CUDA_VISIBLE_DEVICES'] = '/gpu:0'...

问题：今天在跑tensorflow程序时，出现这个问题，大概意思是：你的CPU支持AVX扩展，但是你安装的TensorFlow版本无法编译使用原因：除了通常的算术和逻辑，现代CPU提供了许多低级指令，称为扩展，例如， SSE2，SSE4，AVX等来自维基百科：高级矢量扩展（AVX）是英特尔在2008年3月提出的英特尔和AMD微处理器的x86指令集体系结构的扩展，英特尔首先通过Sandy Bridge处理器在2011年第一季度推出，随后由AMD推出Bulldozer处理器在2011年第三季度

简介torch.optim.lr_scheduler ：提供了一些方法可以基于epochs的值来调整学习率。torch.optim.lr_scheduler.ReduceLROnPlateau ：则提供了基于训练中某些测量值使学习率动态下降的方法。注意：学习率调整应该在优化器的更新之后，例如：scheduler = ...>>> for epoch in range(100):>>> train(...)>>> va...

torch.stack（）：函数stack()对序列数据内部的张量进行扩维拼接，指定维度由程序员选择（对 原始张量按照指定维度进行拼接，拼接后维度为原始维度加一，如原始维度为2*2，那么拼接后为n*2*2或2*n*2或2*2*n）。详情：https://blog.youkuaiyun.com/xinjieyuan/article/details/105205326torch.cat（）：在给定维度上对输入的张量序列seq 进行连接操作。（连接后维度为原始维度，如原来为2*2，那么连接后为n*2或2*n）详.

记录一下面试算法岗过程中问到的问题，部分想不起了。1.交叉熵是怎么回事？公式是什么？ 等式的前一部分恰巧就是p的熵，等式的后一部分，就是交叉熵：详细见：https://blog.youkuaiyun.com/lison_zhu/article/details/97234817 2.介绍非最大值抑制。定义：在模型预测阶段，我们先为图像生成多个锚框，并为这些锚框一一预测类别和偏移量。随后，我们根据锚框及其预测偏移量得到预测边界框。当锚框数量较多时，...

有时我们保存tensorflow2.x模型时，采用了tensorflow的统一模型保存格式，tf.saved_model.save(model, "保存的目标文件夹名称")当我们di

记录一下自己在tensorflow2.x的call（）方法中，打算改变张量的形状，所以使用了：x = tf.reshape(x,(batch_size,-1))

这段时间在做一个实验，但是由于数据集较小，所以我就只分了训练集和验证集（相当于把测试集当成验证集用了），由于没有真正意义上的测试集，所以做完实验之后开始怀疑自己，这样做真的对吗？没有真正意义上的...

前言在监督式机器学习中，无论是回归问题还是分类问题，都少不了使用损失函数（Loss Function）。**损失函数（Loss Function）**是用来估量模型的预测值 f(x) 与真实值 y 的不一致程度。若损失函数很小，表明机器学习模型与数据真实分布很接近，则模型性能良好；若损失函数很大，表明机器学习模型与数据真实分布差别较大，则模型性能不佳。我们训练模型的主要任务就是使用优化方法来寻找损失函数最小化对应的模型参数。在讨论分类问题的损失函数之前，我想先说一下模型的输出 g(s)。一般来说，二分

报如下错误：tensorflow.python.framework.errors_impl.InvalidArgumentError: assertion failed: [predictions must be >= 0] [Condition x >= y did not hold element-wise:] [x (sub_2:0) = ] [[-nan][-nan][-nan]...] [y (Cast_2/x:0) = ] [0] [[{{node asse...

(43条消息) Keras中那些学习率衰减策略_Siucaan-优快云博客

前人已写，所以不重复造轮子了，顾粘上相关链接：https://www.freesion.com/article/5668431209/#METRICS_7

使用：history=model.fit(训练集数据, 训练集标签, batch_size=, epochs=, validation_split=用作测试数据的比例, validation_data=测试集, validation_freq=测试频率)训练之后，绘制其精度acc和损失loss函数曲线。根据fit（）函数的传入数据的同，或者是是版本的不同，history使用前可打印history.history.keys()，查看字典关键字。当history包含以下几个属性：训练集loss： lo

当使用tensorflow.keras.layers中的TimeDistributed应用于自定义层在时间维度进行扩展时，使输入数据在时间维度上的每个数据应用于相同的自定义层（或base_model），如：model = Sequential()model.add(TimeDistributed(base_model, input_shape=(15, 244, 244, 3)))训练时出现如下错误：File "/usr/local/lib/python3.6/dist-package..

参考博主：(36条消息) tf.Keras.Model类总结_忆殇D.Rose的博客-优快云博客

国内镜像网站：阿里云http://mirrors.aliyun.com/pypi/simple/中国科技大学https://pypi.mirrors.ustc.edu.cn/simple/豆瓣(douban)http://pypi.douban.com/simple/清华大学https://pypi.tuna.tsinghua.edu.cn/simple/中国科学技术大学http://pypi.mirrors.ustc.edu.cn/simple/cuDNN下载...

在使用python的时候，经常用到python中的特殊函数:__call()__函数，但是学习TensorFlow的时候，又会看到自定义模型的时候，经常用call（）函数，不懂他们之间的区别。python中的__call()__函数和TensorFlow中的call（）函数是两个完全不同的函数，但是又有一定的联系。1.python中的__call__()函数：该方法是对基类的重载函数，使得类实例对象可以像调用普通函数那样，以“对象名()”的形式使用。比如：class CLanguage

计算机视觉中的MAP的理解（mean average precision）精准率(Precision， P值)和召回率(Recall，R值)下面我们来讲AP（average precision）MAP（mean average precision）精准率(Precision， P值)和召回率(Recall，R值)在MAP的计算过程中，不得不谈的就是p指和R值，准确率或查准率（P值）Accuracy，指分类的准确率，也就是分类准确的样本与样本总数之比。召回率（R值）Recall中文可以翻译为“查全率”或者

Tensorflow2.0的许多优化器与1.0的不同，编写代码时找不到。Convert v1.train to keras.optimizersHere are things to keep in mind when converting your optimizers:升级您的优化器可能使旧的检查点不兼容。 所有的epsilons（应该是α β之类的参数）现在默认为1e-7而不是1e-8(在大多数情况下可以忽略不计)。 v1.train.GradientDescentOptimizer 可.

deep learning by Andrew NG在Course2的作业有时候经常报错，这可能是当时他布置作业时的环境比较旧，而现在搭建的Anaconda环境相对较新，有些方法已经不适用而造成的的。完成Regularizaion的作业，运行代码，出现：'c' argument has 1 elements, which is not acceptable for use with 'x' ...

进入cmd界面 输入cd /d想要打开的目录 回车 输入jupyter notebook jupyter notebook 浏览器自动跳转进入