儒雅的顾毛毛的博客

深度学习面试篇：深度学习领域你不可不知的面试干货分类网络Trick篇：分类网络 Trick 大汇总PyTorch 常用代码篇：PyTorch 常用代码段总结Attention篇：– Attention 综述：基础原理、变种和最近研究– 深度学习中 Attention Mechanism 详细介绍：原理、分类及应用– 魔改 Attention 大集合– 论文– Attention for Medical Image– 注意力机制之 Residual Attetion Network– 【.

pytorch中contiguous的用法

技术解读EfficientNet系列模型

模型训练技巧之warm-up

深度学习网络参数量和浮点计算量（FLOPs）计算

DenseNet论文翻译及pytorch实现解析

CNN中不同的卷积操作

深入理解Batch Normalization深入理解Batch Normalization

SVM与LR（逻辑回归）的区别和联系区别：1、SVM是非参数估计，本质上是解决二次规划问题；LR是参数估计，本质上是一个极大似然估计问题。2、SVM被称为结构风险最小化，也就是让模型的泛化能力尽可能好；LR被称为经验风险最小化，也就是最小化分类误差。3、SVM中使用的分类损失函数是合页损失函数；LR中使用的分类损失函数是交叉熵函数。4、SVM中只使用支持向量来决定决策边界；LR使用所有的样本来构建分类器。5、SVM不能直接输出分类概率；LR输出的是分类概率，可以通过阈值判断来确定分类。6、SV

如何比较两种方法的灵敏度和特异度转载自[https://www.mediecogroup.com/method_topic_article_detail/152/?ty=methods](https://www.mediecogroup.com/method_topic_article_detail/152/?ty=methods)转载自https://www.mediecogroup.com/...