LearnerzzZ的博客

【CVPR】：dblp: Computer Vision and Pattern Recognition【ICCV】：dblp: ICCV【ECCV】：dblp: ECCV

(书面内容参考《统计学习方法》李航）感知机（perceptron）是二分类的线性模型，旨在求出将训练数据进行线性划分的分离超平面。感知机模型：假设输入空间（特征空间）是x⊆Rn，输出空间是输入x∊x表示实例的特征向量，对应于输入空间（特征空间）的点；输出y∊表示实例的类别。由输入空间到输出空间的如下函数:称为感知机。其中，w和b为感知机模型参数，w∊Rn叫作权值（weight）或权值向量（weight vector），b∊R叫作偏置（bias），w·x表示w和...

1.背景及定义概率模型的训练过程就是参数估计，确定好了参数也就训练好了模型。统计学对于参数估计主要分成两个部分，频率主义学派和贝叶斯学派，其中频率主义学派认为参数是客观固定的未知常量，他们主要通过优化似然函数等准则来确定参数量；而贝叶斯学派则认为参数是随机变量，本身具有分布，他们假定参数服从一个先验分布，然后基于观测到的数据来计算参数的后验分布。极大似然估计是频率主义学派的内容，它的目的就是估计出频率主义学派中认定的未知常量。极大似然估计的主要思想是利用已知的样本来求出最大概率出现这种情况的

监督学习主要有三大类：分类问题 标注问题 回归问题其中，回归问题用于预测输入与输出之间关系，相当于输入与输出相互映射的函数，回归问题的学习等价于函数拟合。回归问题由学习和预测两个部分组成。首先学习系统输入训练数据构建模型，然后利用模型对新的输入训练集进行预测，得到新的相应输出，就是回归问题。...

（自学《Deep-Learning-with-PyTorch》使用，仅供参考）【Interacting with the PyTorch JIT】【What to expect from moving beyond classic Python/PyTorch】Python的运行比起C和C++等语言会稍慢一些，但是我们在Pytorch中使用的张量操作本身足够大，因此Python的慢速问题几乎可以忽略不计。从经典的Pytorch方法（先执行一个操作，然后再查看下一个操作）转变一下，Pytorc

（自学《Deep-Learning-with-PyTorch》使用，仅供参考）【Exporting models】在整个部署过程中，我们可能还会碰到一些问题，比如GIL有可能会阻塞我们改进后的web服务器，或者在一些要求比较特殊（Python太贵或者不可用）的嵌入式系统上运行等等。【补充GIL（全局解释器锁）】：{在解释器中执行的每一个 Python 线程，都会先锁住自己以阻止别的线程执行，然而，解释器不能让一个线程一直独占线路运行，因此它会轮流交替执行 Python线程，让用户觉得整个过程

一个人在不接触对方的情况下，通过一种特殊的方式，和对方进行一系列的问答。如果在相当长时间内，他无法根据这些问题判断对方是人还是计算机，那么可以认为这个计算机是智能的。——阿兰.图灵...