- 博客(18)
- 收藏
- 关注
RSS订阅原创 关于Universal Physics Transformers: A Framework For Efficiently Scaling Neural Operators的阅读笔记
打包的包裹必须能还原原始数据（不能漏东西）；拆包只能用包裹里的信息（不能耍花招）。这样才能保证中间的运输环节（时间推进）高效且独立。其实还是不太懂，要看下代码是如何具体实现的？
2025-07-13 23:30:37
1263
原创 关于神经网络压缩方法的学习---实现部分（剪枝）
上一篇笔记记录了对于剪枝原理的学习和思考，本篇学习一下剪枝具体的编程实现方法代码大部分来自网络，剪枝过程使用的源模型为自己训练的model.onnx，模型大小为2MB左右。以下代码来自目录1.导包&定义一个简单的网络2.多参数剪枝3.全局剪枝4.总结目前大部分最先进的（SOTA）深度学习技术虽然效果好，但由于其模型参数量和计算量过高，难以用于实际部署。
2024-12-03 16:34:43
1042
原创 关于神经网络压缩方法的学习-----原理部分（剪枝）
看下来感觉剪枝的方法实质上还是对模型参数的调整，比如调整权重，调整神经元数量，卷积核数量和层数量等，和我自己做的神经结构搜索的研究方向有异曲同工之妙，像是另一种形式的网络搜索。剪枝与神经结构搜索相比，能获取的网络结构有限，只能在当前的网络格式上做改动，但是剪枝逻辑清晰，随机性来自于剪枝比例的限制且实现上更可控；如果我们认为参数的权重大小代表其重要性，权重越大，参数对模型做出的贡献越大，那么把权重小的参数删去后对模型的影响应该也比较小。剪枝常用的工作流程：训练---->剪枝---->微调。
2024-11-28 09:58:50
557
1
原创 机器学习-----sklearn之随机森林
sklearn中随机森林的实现方式，包括分类和回归两部分，其中使用随机森林回归进行了特征矩阵的缺失值填补
2022-08-21 00:16:52
1814
panda_pro_normal_6.6.0_136_1330_10131735_release.apk
2022-11-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人