Escape the bug的博客

对于 PyTorch 中的 gather 函数理解

SVM支持向量机支持向量1.线性可分2.最大间隔超平面3.最优化问题参考文章支持向量机（support vector machines，SVM）是一种二分类模型，它将实例的特征向量映射为空间中的一些点，SVM 的目的就是想要画出一条线，以 “最好地” 区分这两类点，以至如果以后有了新的点，这条线也能做出很好的分类。SVM 适合中小型数据样本、非线性、高维的分类问题。支持向量1.线性可分在分类问题中，最简单的分类就是二分类问题，而且这个二分类问题是一个线性可分问题。在一维空间，也就是一个坐标轴上面，

随机梯度下降法是一种具有大量超参数的学习算法。通常会使初学者感到困惑的两个超参数: Batch大小和Epoch数量,它们都是整数值，看起来做的事情是一样的。在这篇文章中，您将发现随机梯度下降中Batch和Epoch之间的差异。阅读这篇文章后，你会知道：· 随机梯度下降是一种迭代学习算法，它使用训练数据集来更新模型。· 批量大小是梯度下降的超参数，在模型的内部参数更新之前控制训练样本的数量。· Epoch数是梯度下降的超参数，其控制通过训练数据集的完整传递的数量。概观这篇文章分为五个部

U-net网络

卷积神经网络目录01.概述2.背景3.网络结构数据输入层/ Input layer卷积计算层/ CONV layerReLU激励层 / ReLU layer池化层 / Pooling layer全连接层 / FC layer参考文章目录01.概述神经网络(neual networks)是人工智能研究领域的一部分，当前最流行的神经网络是深度卷积神经网络(deep convolutional neural networks, CNNs)，虽然卷积网络也存在浅层结构，但是因为准确度和表现力等原因很少使用。目