- 博客(85)
- 资源 (17)
- 收藏
- 关注
RSS订阅原创 【AI算法岗面试八股面经【超全整理】——CV】
而且深层的网络还有一个问题，假设我们的初始设定网络是M层，而其实最优化模型对应的层数可能是K层，那么多出来的（M-K）层网络结构，不仅不会提升模型的表达能力，反而会使得模型的效果变差（表现为Loss先下降并趋于稳定值，然后再次上升），这就产生了网络退化问题。最大池化更能捕捉图像上的变化、梯度的变化，带来更大的局部信息差异化，从而更好地捕捉边缘、纹理等特征。同时，SSIM只是计算一个小窗口内图像的亮度、对比度、结构的值的相似程度，通过像素滑窗求平均，可以得到整幅图像的MSSIM。
2024-10-07 20:20:19
3301
原创 【AI算法岗面试八股面经【超全整理】——NLP】
一种基于自注意力机制的序列到序列（Sequence-to-Sequence）模型，用于处理NLP任务，解决长依赖问题和并行计算效率的平衡。相比于RNN模型Transformer使用全局的自注意力机制，使模型可以同时关注输入序列的所有位置，更好地捕捉长距离依赖关系。Transformer引入多头注意力机制提高了模型的表达能力。Transformer两个关键组件组成：Encoder和Decoder。编码器将输入序列编码为一系列上下文相关的表示，解码器用这些表示生成目标序列。
2024-09-21 23:52:50
3752
原创 【AI算法岗面试八股面经【超全整理】——深度学习】
它将一个包含任意实数的K维向量（K是类别数量）映射为一个概率分布，每个类别的预测值都在0到1之间，所有类别的概率总和为1。有时候通过RMSProp优化算法得到的值不是最优解，有可能是局部最优解，引入动量的概念后，求最小值就像是一个球从高处落下，落到局部最低点时会继续向前探索，有可能得到更小的值。BGD得到的是一个全局最优解，但是每迭代一步，都要用到训练集的所有数据，如果样本数巨大，那上述公式迭代起来则非常耗时，模型训练速度很慢。UAR作为模型的评价指标，表示没类数据样本召回率（Recall）的平均值。
2024-09-21 16:30:04
13007
原创 【AI算法岗面试八股面经【超全整理】——机器学习】
因为回归树的标签是连续的，因此基尼系数、熵这种概率评估不适合作为评估指标，所以考虑使用均方误差作为特征划分的好坏，将划分后每个节点所有样本的均方误差之和与之前没划分的节点的均方误差作差来代替基尼系数。如果能将用户A的原始特征转变为一种代表用户A喜好的特征向量，将电影1的原始特征转变为一种代表电影1特性的特征向量，那么，我们计算两个向量的相似度，就可以代表用户A对电影1的喜欢程度。首先对物品或内容的特征作出描述，发现其相关性，然后基于用户以往的喜好记录，推荐给用户相似的物品。交叉熵越小，两个概率分布越接近。
2024-05-28 22:38:42
15014
3
原创 【AI算法岗面试八股面经【超全整理】——信息论】
在机器学习中，P 往往用来表示样本的真实分布，Q 用来表示所预测的分布，那么 KL 散度是可以计算两个分布的差异，也是是 Loss 损失值。熵用来描述一个事件的不确定性，表示某事件所有可能发生的情况的信息量的期望值（所有可能情况信息量的均值）概率与信息量的关系：概率越大的事件，提供的信息量越小；事物是普遍联系的，随机变量也存在相互关系，互信息可以用来刻画随机变量的相关程度。加入需要拟合的对象的分布是固定的（比如针对某一特定的数据集），那么。两个随机变量，当知道Y时，X的平均不确定性称为条件熵。
2024-05-27 11:10:01
2233
原创 【AI算法岗面试八股面经【超全整理】——概率论】
通俗一点来讲，就是样本数量很大的时候，样本均值和数学期望充分接近，也就是说当我们大量重复某一相同的实验的时候，其最后的实验结果可能会稳定在某一数值附近。在伯努利试验中，记每次试验中事件A发生的概率为0，试验进行到时间A出现为止，此时所进行的试验次数为X，其分布律为。随机变量依然也是两种0或1（概率分布是p和1-p），但是此时随机试验做了n次，其中事件X发生了k次。即X，Y的协方差等于每一个X减去X的平均值乘上每一个Y减去Y的平均值的乘积的和的平均值。即，用X，Y的协方差除以X的标准差和Y的标准差。
2024-05-27 09:59:44
4731
原创 leetcode刷题最新篇
为了表示给定链表中的环，评测系统内部使用整数 pos 来表示链表尾连接到链表中的位置（索引从 0 开始）。给定一个正整数 n ，将其拆分为 k 个 正整数 的和（ k >= 2 ），并使这些整数的乘积最大化。给定一个链表的头节点 head ，返回链表开始入环的第一个节点。给定一个包含正整数、加(+)、减(-)、乘(* )、除(/)的算数表达式(括号除外)，计算其结果。表达式仅包含非负整数，+， - ，*，/ 四种运算符和空格。给你单链表的头节点 head ，请你反转链表，并返回反转后的链表。
2024-05-16 16:12:39
484
原创 LeetCode刷题【栈】
给定一个整数数组 temperatures ，表示每天的温度，返回一个数组 answer ，其中 answer[i] 是指对于第 i 天，下一个更高温度出现在几天后。编码规则为: k[encoded_string]，表示其中方括号内部的 encoded_string 正好重复 k 次。此外，你可以认为原始数据不包含数字，所有的数字只表示重复的次数 k ，例如不会出现像 3a 或 2[4] 的输入。输入字符串中没有额外的空格，且输入的方括号总是符合格式要求的。给定一个经过编码的字符串，返回它解码后的字符串。
2024-04-01 15:14:08
340
原创 LeetCode刷题【链表，图论，回溯】
深拷贝应该正好由 n 个 全新 节点组成，其中每个新节点的值都设为其对应的原节点的值。新节点的 next 指针和 random 指针也都应指向复制链表中的新节点，并使原链表和复制链表中的这些指针能够表示相同的链表状态。复制链表中的指针都不应指向原链表中的节点。给你一个长度为 n 的链表，每个节点包含一个额外增加的随机指针 random ，该指针可以指向链表中的任何节点或空节点。用一个由 n 个节点组成的链表来表示输入/输出中的链表。你的代码 只 接受原链表的头节点 head 作为传入参数。
2024-03-31 13:57:46
442
原创 【菜鸡读论文】MS-TCT: Multi-Scale Temporal ConvTransformer for Action Detection
大家好哇！是谁美滋滋地准备开始放暑假了！没错！你没有听错！放暑假！谁能想到都已经立秋了，竟然有人还在实验室，还没有放暑假！咱就是说，真的还有人比我更晚放暑假吗！哈哈，不过不管怎么说，总算是可以回家啦！这次要好好回家休息一下。因为是周五了，今年的最后一个工作日，一起来读一篇论文吧！最近好久没有读论文了，之前读了一些论文，但因为各种事情（最重要的原因是我真的太懒了），就没有记录下来，现在还是要好好记录一下。
2023-08-18 15:07:11
673
原创 【菜鸡读论文】Cross-domain Named Entity Recognition via Graph Matching
最近到了研一下学期，很多身边的同学也开始有了成果，但本菜鸡一点成果都没有【大哭】所以也没什么好写的。虽然菜鸡口头上不说，但内心也感受到非常之焦虑。最近读论文系列也没有很好的更下去，心里一直在想着五一要去哪里玩，菜并焦虑并摆烂，主打一个啥也干不好。所以这周要打起精神，好好的更新博客。这篇文章是的一篇关于的论文，创新点主要是对源域和目标域标签不匹配问题提出一种将标签建模为标签图，并通过将源域和目标域的标签图进行图匹配来提升模型的预测性能。
2023-04-20 20:12:19
837
1
原创 【菜鸡读论文】AU-assisted Graph Attention Convolutional Network for Micro-Expression Recognition
芜湖！又到了每周分享论文时间啦！最近天气真的变得暖和了，今天最高温都22°了，春天真的来啦！每次到换季的时候，都在想新的一年，新的季节，应该怎么样度过呢，哈哈目前还没有什么太多的想法。今天读的是的一篇论文，基于AU来做微表情识别，另外为了解决数据集太小，类别不均衡的问题，提出一种生成微表情数据的方法。
2023-03-06 16:23:08
935
原创 【菜鸡读论文】Micro-expression Recognition Based on Facial Graph Representation Learning and Facial Action
大家好哇！这一周就正式开学啦，因此也要开始读论文了。快乐的寒假总会过去，现在又迎来了可怜的打工人时刻。不过上了一周课之后，倒也感觉不像周一这么排斥开学了，也可能因为今天是周五吧（所以才说出这种毫无道理的话哈哈）。新的一年，也有新的目标，本猫头的目标是今年一定脱单！哈哈哈！【痴人说梦】让我们来看看今天要读的论文吧！这是年的一篇论文首先让我们来总体地看一下这个网络架构图输入是Onset帧和Apex帧，输入到一个运动放大网络MagNet中对运动进行放大，也就是表情运动的幅度进行放大。
2023-02-24 16:18:31
725
原创 【菜鸡读论文】Margin-Mix: Semi-Supervised Learning for Face Expression Recognition
感觉最近的每天都在见证历史，上海现在也开始全面放开了，很多高校都已经开始遣返了。小伙伴们都回到家了吗？上周周末太懒了，就没有更新论文，今天周一来补上。这篇文章讲的就是基于本监督方法来学习表情识别。我们先总体概括一下：我们希望深度学习模型具有很好的嵌入表示能力，因此我们训练一个WideResNet模型，其嵌入层后直接连接全连接层进行分类。
2022-12-12 16:16:10
751
原创 【菜鸡读论文】Face2Exp: Combating Data Biases for Facial Expression Recognition
最近上海开始降温了，而且常常下雨，天气开始变得好冷啊！以前年轻的时候冬天经常穿的少，现在膝盖开始有点遭不住了，小伙伴们一定要保护好自己的膝盖啊！话不多说，你们的菜鸡我闪亮登场，让我们开始这周的读论文吧！这是CVPR 2022的一篇文章，还算是非常新。这篇文章主要讲的就是在表情识别任务中存在数据类别不均衡的问题，比如happy类的表情样本可能就比较多，而这样就不可避免的会使得模型在预测的时候存在偏见，从而在不同表情类别上的预测精度参差不齐。那该如何解决这个问题？作者提出使用人脸识别（FR）数据集来进行训
2022-12-03 22:48:18
1397
1
原创 基于预训练模型的Unet【超级简单】【懒人版】【Pytorch版】
在本项目开始前，首先给大家保证，本次项目只是一个最简单的Unet实现，使用现成的代码，不需要手写代码，使用预训练模型，不需要标注数据集和训练。所以，如果只是想稍微接触一下语义分割的话，放心观看！！！保证不需要脑子！！！大家好哇！其实在计算机视觉领域，一直有一个我很感兴趣，但是至今还没有接触的任务，就是语义分割。我们实验室面有人做语义分割，每次看到展示工作的时候，都觉得好神奇哇！智能抠图！好有意思！现在让我们开始吧！
2022-11-29 09:51:05
10907
5
原创 【菜鸡读论文】Invisible emotion magnification algorithm (IEMA) for real‑time micro‑expression recognition
可以看出，本算法是利用onset帧和apex帧的68个人脸地标计算放大参数以及人脸运动方向，然后将它们加到顶点帧的x和y坐标，最终生成放大后的人脸地标，以此来增强面部肌肉运动的幅度。这篇论文主要讲的就是基于人脸地标来对微表情运动进行放大，本文中会考虑在x轴、y轴还有xy轴上分别进行放大的效果，以及使用三种不同的方法去计算特征，最终会使用SVM进行分类。作者在不同的情绪图片上进行了测试，如下，可以看到surprise的变化幅度最大，这也能解释在最终分类时，surprise的分类效果最好。
2022-11-19 15:32:59
465
原创 完整目标检测项目流程——从使用LabelImg标注到使用YOLOv5训练测试
大家好呀，虽然前面已经有两篇，分别使用Faster RCNN和YOLOv3进行目标检测的项目了，但是！相信大家应该也和我一样觉得远远不够吧！而且前面两篇都是使用的预训练好的模型，直接跳过了训练过程，甚至最后也没有准备测试数据，而是直接使用的摄像头，这个目标检测项目的体验感位面太差了些！高举横幅《差评！差评！》诶嘿！
2022-11-15 09:50:56
3445
12
原创 使用OpenCV自带的预训练模型YOLOv3调用摄像头进行目标检测【超少代码！懒人必备！】
如果在GitHub上面找不到可以私信我，就是我不常在，我也会和完整项目一起打包上传，不过"yolov3.weights"有点大，不知道能不能传上来。想要跑一个使用摄像头进行目标检测的模型玩一玩，想要简单又想要酷炫，想要少写代码，有想要足够好的效果！不过需要注意，这里用到的“class.txt”和我们上次用到的并不一样，我等下也会把这个TXT文件和完整项目一起上传优快云项目，我来看一下能不能设置成免费，大家可以去下载。接下来，就是一些检测和画图输出的函数啦！那么接下来，就是我们的模型啦！
2022-11-14 16:39:02
2288
2
原创 基于pytorch预训练模型使用Faster RCNN调用摄像头进行目标检测【无敌详细！简单！超少代码！】
COCO 数据集是一个大型的、丰富的用于物体检测、分割的数据集，提供的图片类别有80 类，有超过 33 万张图片，其中 20 万张图片有标注，整个数据集中个体的数目超过 150万个。获得标签及对应类别（这个文件好像可以去COCO还是Pytorch的什么网站上下载，我有点记不清了，不过我也把它和代码一起打包上传资源）使用 Pytorch 自带的预训练模型 fasterrcnn_resnet50_fpn，该模型是在COCO 数据集上进行预训练。依次读入帧，转变格式，并送入模型进行检测。
2022-11-11 16:23:48
2787
1
原创 【菜鸡读论文】Learning-based Video Motion Magnification
哈喽，大家好呀！这周有点开心，看到了一篇很有趣的论文。最近天气好热，明明已经十一月了，最近的温度却一直在25度以上，甚至有种可以过夏天，穿裙子的感觉。昨天纠结好久，想着今天要不要穿旗袍，因为买来之后就没怎么穿出去过，但又觉得毕竟是要去学校的，还是算了（注意仪表哈哈）。听说JOJO要来上海了，好开心！我真的好喜欢茸茸小天使！但是没找到帅气的动图，哭哭。真的好爱茸茸！！！放个迪奥大人的动图吧！（今日论文）让我们带着黄金精神，开始读这篇我觉得非常有价值的论文！
2022-11-11 15:53:57
1391
2
原创 【菜鸡读论文】Former-DFER: Dynamic Facial Expression Recognition Transformer
哈喽，大家好呀！本菜鸡又来读论文啦！先来个酷炫小叮当作为我们的开场！粉红爱心泡泡有没有击中你的少女心！看到这么可爱的小叮当陪我们一起读论文，是不是感觉瞬间充满动力了呢！突然想到下次确实可以搞一个漂亮妹妹的动图，让漂亮妹妹陪我们一起读论文，不知道大家有没有什么好建议呢！不知不觉！今天竟然是冬至了！感觉时间真的过得好快，在我们老家，冬至应该吃饺子，不过我也是突然想起来这回事，因为我早上起的太晚了，竟然睡到快11点才醒。
2022-11-06 16:31:02
1291
2
原创 【菜鸡读论文】Recognizing Spontaneous Micro-Expression Using a Three-Stream Convolutional Neural Network
大家好呀！又到了一周一次的《菜鸡读论文》时间啦！先来个酷炫小叮当作为我们的开场，代表我们菜鸡不屈不挠，坚持不懈，不撞南墙心不死，不跳黄河不回头的无畏精神。谁说，菜鸡没有春天，谁说菜鸡看不懂论文！如果说我们看不懂，那一定是论文不够简单！没错！作为菜鸡，我们要反其道而行之，成为读论文界的一股清流。哈哈，开玩笑哈哈，下一秒，端正态度！昨天我正在和往常一样，开始准备自己今天要讲的两篇论文（没错！笔者现在已经开始了极限看论文的状态，非前一天不看论文）但是没想到！室友竟然在下午三四点就开始和男朋友连麦，谁懂啊！
2022-11-06 15:25:24
338
原创 【菜鸡读论文】Dive into Ambiguity: Latent Distribution Mining and Pairwise Uncertainty Estimation for Facia
大家好呀！继续更新《菜鸡读论文》系列！不知不觉已经到期中了，开始有点小恐慌，感觉也过了两个月了，但自己竟然还是啥也不会，每次组会都感觉没啥内容讲。而且，最恐怖的是，明明这样菜的我现在已经开始不慌不忙了，渐渐有了种我菜我骄傲的盲目自信。甚至今天要讲两篇论文，而我在昨天晚上十点才开始看，不知道该佩服自己还是怎么了。言归正传，我觉得这篇论文的想法还是挺有意思的，真的是第一次接触到这种模型，觉得很新奇（OS：那可不，你看啥都新奇）。
2022-10-28 17:16:39
896
原创 【菜鸡读论文】AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE
欢迎大家点进这个链接，为什么要选择读这篇论文呢，一个原因，这是一篇非常经典的论文，提出一种将Transformer应用在计算机视觉的方法，而且现如今很多很多的基于这篇文章的工作在不断创新发展，有一种奠基石的感觉，而且模型跑起来非常方便。在计算机视觉领域，注意力机制要么与卷积网络结合使用，要么用于替换卷积网络的某些组成部分，作者认为这种对卷积网络的依赖是不必须的，VIT可以基于图像patch序列，使用纯Transformer架构，并证明可以更好地执行图像分类任务。（哇哦，这似曾相识的开场白）
2022-10-16 17:01:43
1218
原创 【菜鸡读论文】MMNet: Muscle Motion-guided Network for Micro-expression Recognition
哈喽，大家好呀，继续更！感觉自己的水平还是有限，最近想开始上手做一些事情，但感觉还是有点力不从心，不过这一周开始接触将Transformer应用在计算机视觉领域，觉得有点亲切，让我想到了大三去做实习的时候，做机器翻译时用到Transformer，当时也是愁的不行，实在是太复杂，太难懂了，不过现在看到Transformer却觉得非常亲切，就好像看到大学同学一样。嘿嘿。话不多说，让我们开始读论文吧！（悄悄说，因为本人的水平有限，只当是个参考，大家如果有不同的见解，欢迎评论哦！）
2022-10-16 16:42:50
2406
2
原创 【菜鸡读论文】Research on Micro-Expression Spotting Method Based on Optical Flow Features
哈喽，大家好，从今天开始更《菜鸡读论文》系列，因为我真的很菜，可以说是CV白的不能再白了，每天都在膜拜大佬，感觉别人和自己不在一个次元，听也听不懂，问也不知道问什么，所以就简单的开始吧。这是一篇非常简单的论文，好像只有五页，如果有小伙伴和我一样，需要分享论文，但实在是水平有限的话，不妨和我一样，先选择这篇论文。而且非常幸运的是，这篇论文的作者，还发表了硕士论文，大家可以去看一下。
2022-10-11 09:49:40
1474
2
原创 2022上岸复旦电子信息专硕,考研准备，时间规划分享
2022上岸复旦电子信息专硕,考研准备分享家人们，现在我已经复试通过啦！准备写一篇考研的准备和一些时间的规划，记录以下过去这半年的一些经历，首先我考的是数二，英二，408和政治。其实我准备考研准备的很晚，我其实是一心想就业的，所以去年七月份的时候我还在做实习，但是在实习过程中觉得工作并不像是我想着的那么快乐，所以觉得还是考研算了。为什么选择考复旦呢，其实也是图个方便，因为本科在上海，所以也不想再换个城市读研，觉得太麻烦了，一拍脑袋，就决定考复旦了。而且身边的人很多都考复旦，正好有人和我一起，于是就这么决
2022-04-08 16:41:38
1626
2
原创 python神经网络 【 画图神器】graphviz安装
相信大家一定看过这样的图，是不是感觉很厉害，甚至可以连的很长很长，看起来很高级，其实非常简单，我们只要安装一个graphviz就可以啦！人可以渣，但图一定得能唬得住人！那我们就开始正式安装吧！安装graphviz首先下载graphviz，官网链接：https://graphviz.org/download/下载安装包到桌面后开始安装一路走接着走接着走接着走安装完成加入环境变量接下来开始配置环境变量搜索“高级系统设置”进入“高级系统设置”，选择“环境变量”进入环境变量界面
2022-03-12 22:12:33
2582
3
原创 LeetCode刷题C++
5.最长回文字符串给你一个字符串 s，找到 s 中最长的回文子串。划定步长，遍历判断class Solution {public: string longestPalindrome(string s) { if(s.size() < 2){ return s; } int maxlen = 1; int begin = 0; int dp[s.size()][s.size()];
2022-03-12 17:55:56
1860
原创 N诺刷题C++
有向树形态求N个结点能够组成的二叉树的个数定义f(0)= 1当只有一个节点时，只会生成一种类型的二叉树，记做f(1)= 1当有两个节点时，首先固定一个节点(即固定根节点),剩下一个节点可以排放的位置为1= 1+0 = 0+1[即左边一个节点右边0个节点或者左边0个节点右边1个节点]记做f(2)= f(1)f(0) + f{0}f(1) = 2当有三个节点，首先固定根基点,剩下3-1=2个节点的安放位置：2= 20 + 11 + 0*2 记做f(3)= f(2)*f(0) + f(1)*f(1) +
2022-03-11 17:19:10
993
原创 完美解决一切python报错Cannot find reference ‘xxx‘ in ‘xxxxx‘，详细步骤
完美解决一切python报错Cannot find reference ‘xxx’ in ‘xxxxx’，详细步骤今天开始正式开始学习代码，结果，好家伙，一上来就报错Cannot find reference ‘adam’ in ‘optimizers.py’ ，真是要急死我了。不过这确实是一个非常常见的问题，不同python包的版本不同，其实里面好多函数的位置或是名字都会发生变化，相信有些小伙伴在不同环境下运行相同代码或是跑别人的代码的时候，都会遇到这种情况，不过不要慌，基本上问题不大，处理流程也非常单
2022-03-10 20:36:52
41072
5
原创 Win11查看CUDA版本，非常简单的三步
Win11查看CUDA版本，非常简单的三步其实用Win11查看CUDA版本非常简单，但好像网上的教程比较少，也可能是因为太简单了，大家都不怎么在意，但是因为我经常忘记，所以来记录以下。第一步在电脑任务栏里的搜索里面直接搜索“NVIDIA”，就会出现“NVIDIA Control Panel”，啊这里我又输成“navidia”了，【笑哭】，不过问题不大，点击进去。第二步进入到NVIDIA控制面板之后，点击“帮助”，选择“系统信息”第三步在出来的系统信息界面，选择“组件”，这样就看到我们的CU
2022-03-07 14:32:17
6908
1
原创 PAT (Basic Level) Practice C++解题过程（暴躁版）
暴躁小丁开始准备刷PAT，虽然咱是菜鸡一个，整个一摸眼黑，但是有勇气谁都了不起，记录开始，这是一个浙江大学的刷题网站，有兴趣的宝宝可以和俺老丁一起！链接：https://pintia.cn/problem-sets/994805260223102976/problems/type/71001 害死人不偿命的(3n+1)猜想哈哈，这个名字取得也太搞笑了，害死人不偿命，哈哈哈这个还可以写个while循环就可以了，我这代码写的总觉得水平太低了，写了好多行#include <iostream>
2022-02-19 17:42:18
897
3
原创 超级简单的anaconda安装，一步不落
一起安装anaconda吧anaconda真的超级好用，不过我上次安装的时候，看来好多安装教程，昏头昏脑的安装了好久才安装上去，其实本来很简单的，今天来记录一下吧。我在安装anaconda的时候，正在犹豫要不要继续抽卡，我已经抽了五十多次了，结果连一个SSR都没有，真是好郁闷，于是我决定最后一次，把家底都投进去，结果我抽到了一个sp！天哪，激动死我了！果然anaconda会给人带来好运气！一起来安装吧！首先到anacoda官网https://www.anaconda.com/products/indi
2022-02-10 11:20:16
3047
原创 python超详细安装，超级简单
python超详细安装，超级简单，超级详细哈哈，天啊天哪，我没想到从此以后我的标题都不能有感叹号了，刚刚尝试发布文章，发文助手说有标题党和引流嫌疑，【笑哭】，其实我真的只是想表达这篇文章很详细，仅仅是这样而已。嘿嘿，话不多说，开始正题，今天来安装python和配置环境。这应该是非常非常基础的一步了。但是因为我刚刚换了电脑，所以一切都要从头开始，于是来记录一下。...
2022-02-10 11:00:40
1724
原创 英文垃圾邮件分类深度学习篇——CNN、RNN、LSTM
英文垃圾邮件分类深度学习篇——CNN、RNN、LSTMCNN我们来搭建一个如图所示的卷积神经网络输入序列长度为300；嵌入的维度设置为100；卷积层卷积核设置为5*5；最大池化层步幅设置为5；Flatten层把多维的输入一维化；全连接层完成分类；代码非常简单，显示数据处理，然后模型搭建，然后训练20轮。import pandas as pdimport numpy as npfrom nltk.corpus import stopwordsfrom nltk.stem import
2021-06-17 22:26:39
2953
5
原创 英文垃圾邮件分类机器学习篇——带你一次看个爽
英文垃圾邮件分类机器学习篇——带你一次看个爽——朴素贝叶斯、SVM、逻辑回归、随机森林、XGBoost今天我们开始数据挖掘的一个经典分类项目，垃圾邮件分类，话不多说，我们直接开始吧。首先我们导入一些用到的包import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom collections import Counterfrom sklearn import feature_extraction, model_s
2021-06-16 16:33:34
2895
综述视频无监督域自适应（VUDA）的小综述
2023-05-31
跨域的两篇顶会论文的阅读笔记-PPT展示
2023-04-17
使用OpenCV自带的预训练模型YOLOv3调用摄像头进行目标检测【超少代码！懒人必备！】
2022-11-14
基于pytorch预训练模型使用Faster RCNN调用摄像头进行目标检测【无敌详细！简单！超少代码！】
2022-11-11
JetRail高铁的乘客数量.rar
2021-06-15
ERP数据分析报告.pdf
2021-05-21
统计中英文文章中汉字个数字频或单词个数词频.html
2021-04-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人