
深度学习评价指标
深度学习评价指标
小鹏AI
深度学习算法工程师,主攻深度学习模型优化部署,辅攻图形图像算法调优。
软件设计师、英伟达Jeston Nano专家认证。
展开
-
FLOPS、FLOPs、FPS
FLOPS:Floating-point operations per second即每秒所运行的浮点运算次数,常用来测量电脑运算速度或被用来估算电脑性能。在多数情况下,测算FLOPS比测算每秒指令数(IPS)要准确。换算一个MFLOPS(megaFLOPS)等于每秒一百万(10610^6106)次的浮点运算;一个GFLOPS(gigaFLOPS)等于每秒十亿/十亿(10910^9109)次的浮点运算;一个TFLOPS(teraFLOPS)等于每秒一兆/一万亿(101210^121012)原创 2021-10-08 14:21:13 · 3591 阅读 · 1 评论 -
深度学习 tf和np的float32和float64为什么不能通用
标量和张量的区别标量比较就是比较标量的本事而张量的比较是比较矩阵,我们不能确定矩阵中所有的元素的长度都是一样的如果在进行比较的时候假设矩阵A和矩阵B比较矩阵A是float32的矩阵B是float64的如果两者要进行相加的时候,需要将每一个张量中的元素靠近另一个张量但是矩阵的元素过多,不能很好的达到统一因此张量中的类型需要相同...原创 2020-07-23 09:57:11 · 2383 阅读 · 2 评论 -
深度学习 卷积的过程中可训练参数的数量以及浮点乘法进行多少次的次数是如何计算的?
可训练参数的计算:3∗3∗37∗74+743*3*37*74+743∗3∗37∗74+74浮点数相乘计算的次数:3∗3∗37∗74∗32∗323*3*37*74*32*323∗3∗37∗74∗32∗32原创 2020-07-15 09:29:38 · 1346 阅读 · 1 评论 -
深度学习评价指标
分类算法的评价指标准确率(Precision)召回率(Recall)F分数(F-score)受试者工作特征(ROC)AUC(Area Under Curve)多分类:Micro-F1和Macro-F1检测算法的评价指标准确率 (Accuracy)混淆矩阵 (Confusion Matrix)召回率(Recall)平均正确率(AP)交并比(IoU)精确率(Precision)mean Average Precision(mAP)推荐系统评测指标准确率(Precis原创 2021-02-03 14:30:13 · 633 阅读 · 0 评论