- 博客(27)
- 收藏
- 关注
RSS订阅原创 FaceChain学习笔记
大体上来看，FaceChain所做的是训练出一个包含用户面部信息的LoRA模型，然后在推理阶段将该面部LoRA与风格LoRA进行结合并注入，最终实现风格化照片的生成。注：个人在应用时偶尔会出现NoteBook中Gradio地址无法点击的情况，换去Terminal中重新运行即可。P.S.之所以使用人脸融合，大概率是SD生成的人脸不像，为了保证相似度，需要从原始图像中切出人脸进行融合。至于训练和推理流程，在官方README中均有介绍，这里不做过多赘述。按流程操作即可，阿里云会送5000核时的A10使用时间。
2023-09-23 19:45:06
834
原创 动手学深度学习笔记---4.6 环境与分布偏移
在实际应用场景中，导致模型预测异常的原因不仅仅来自模型参数或结构异常，还可能来自数据自身。神经网络不会理解数据，只会学习数据的特征。因此当数据出现分布异常时，很容易使得模型学到异常的特征，导致灾难性的预测结果.
2023-03-16 11:27:43
500
原创 动手学深度学习笔记---4.4 前向传播、反向传播与计算图
归根到底，正向传播与反向传播是一个学习参数，计算误差，然后求导对参数更新的过程。可以理解为一次作业的完成过程：写作业（前向传播）-> 老师审阅（计算误差）-> 打回修改（反向传播） -> 完成作业（训练完成）
2023-03-16 11:20:16
786
原创 动手学深度学习笔记---4.3 解决过拟合_权重衰减与Dropout
L1L2wblwbminLwbsubjectto∣∣w∣∣2≤θbb0θθλminlwb2λ∣∣w∣∣2λλ0θλ→∞θ→0w∗→0上图中，绿线部分为Lwb,在未引入正则惩罚项2λ∣∣w∣∣2时，L的最优解在圆心（绿点）处，而引入正则惩罚项后，绿点处的值相对于黄线部分来说非常大，此时不再是最优解。当w∗向原点处移动时，Lwb。
2023-03-16 11:05:32
245
原创 动手学深度学习笔记---4.2 模型选择与 过/欠拟合
模型在训练集上的误差模型在新数据（测试集）上的误差。用来完成模型训练用来评估模型好坏（切忌和训练集出现数据重复，否则会导致模型性能虚高）的泛化性能，不可使用测试集调整模型超参数。
2023-03-16 11:02:52
121
原创 动手学深度学习笔记--4.1 多层感知机
与输出实数的线性回归模型以及输出分布概率的Softmax多分类模型不同，感知机（神经元）模型使用Sign函数进行输出处理，输出结果是离散变量，本质属于二分类模型。对于给定的一组输入特征向量xi∈T，权重w以及偏差bOσ(⟨wxi⟩bσx1ifxi0−1otherwise。
2023-03-16 10:47:51
359
1原创 二、OpenVINO简述与构建流程
OpenVINO Toolkit是由Intel提供的开放视觉推理与神经网络优化（Open Visual Inference and Neural Optimization）工具集，是一整套面向AI应用的Intel解决方案，提供了大量开源资源，包括预训练模型、应用示例以及场景演示等。......
2022-07-15 22:46:07
1181
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人