自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(6)
  • 收藏
  • 关注

原创 半监督语义分割笔记(3)-损失函数:Cross Entropy、Mumford shah

在前文中,我们了解到了半监督语义分割的三种算法和数据增强方法,其中对于每种算法,都需要计算Loss,因此此处对一些损失函数进行原理上的理解,以便更加深入地了解算法。

2025-02-20 20:10:39 353

原创 推荐系统排序笔记2:LightGBM、CatBoost

首先,按行将数据随机shuffle,并且标签也跟着一起shuffle的;

2025-02-20 15:33:52 2022

原创 推荐系统排序笔记1:GBDT、XGBoost

XGBoost(eXtreme Gradient Boosting)是一个高效的机器学习算法,常用于分类和回归任务。XGBoost 对 GBDT 进行了一系列优化,比如损失函数进行了二阶泰勒展开、目标函数加入正则项、支持并行和默认缺失值处理等,在可扩展性和训练速度上有了巨大的提升。

2025-02-18 13:51:17 746

原创 半监督语义分割笔记(2)-self-training和consistency learning方法

半监督分割的工作总结为两种:self-training和consistency learning。

2023-06-10 20:28:22 2082 1

原创 半监督语义分割笔记(1)-数据增强方法Mixup、Cutout、CutMix、ClassMix

本文为笔者在半监督语义分割方面的数据增强方法笔记,若有错误,欢迎批评指正。

2023-06-08 11:46:27 6815 2

原创 半监督方法-前记:Π模型,Temporal Ensembling,Mean-Teacher

注:B站视频在Mean-teacher这部分的讲解有小错误,本笔记已修改。此笔记用于理解原理。

2023-06-07 22:06:02 501 1

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

提示
确定要删除当前文章?
取消 删除