yumao1的专栏

在分类任务中，人们总是喜欢基于错误率来衡量分类器任务的成功程度。错误率指的是在所有测试样例中错分的样例比例。实际上，这样的度量错误掩盖了样例如何被分错的事实。在机器学习中，有一个普遍适用的称为混淆矩阵(confusion matrix)的工具，它可以帮助人们更好地了解分类中的错误。机器学习之分类性能度量指标 : ROC曲线、AUC值、正确率、召回率 | Zhiwei's Blog。ROC曲线能更稳定反映模型的性能，对测试集合中数据分布的变化不敏感。

python - PyTorch RuntimeError: DataLoader worker (pid(s) 15332) exited unexpectedly - Stack Overflowhttps://stackoverflow.com/questions/60101168/pytorch-runtimeerror-dataloader-worker-pids-15332-exited-unexpectedly训练遇到上述问题，且json数据出现频率远高于pickle数据，看stackover

Introduction · 神经网络与深度学习

https://blog.youkuaiyun.com/xiangxianghehe/article/details/80909305

FPS(FarthestPointSampling)最远点采样法_QFJIZHI的博客-优快云博客_fps最远点采样

1、介绍https://zhuanlan.zhihu.com/p/913343802、装cudahttps://developer.nvidia.com/cuda-10.1-download-archive-base?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal3、环境变量https://blog.cs

什么叫模态：每一种信息来源都可以认为是一种模态，视觉信息、听觉信息都是不同的模态。人的智能是一种典型的多模态智能，所以有人说多模态学习是人工智能的未来。详细可以参考一篇综述文章https://zhuanlan.zhihu.com/p/133990245举例waymo的预测论文：MultiPath的建模方式是一种典型的多模态学习方法，输入信息包括 语义图像 + anchor轨迹，这是两种不同模态的信息。...

原文链接：https://my.oschina.net/hjchhx/blog/1832603One-Hot在python中的使用————————————————————————————————————————fromsklearnimportpreprocessingenc=preprocessing.OneHotEncoder()enc.fit...

参考文章：https://blog.youkuaiyun.com/tsyccnh/article/details/791638341、信息量的定义：概率越小的时间信息量越大： I(x0)=−log(p(x0)) 2、熵的定义：熵用来表示所有信息量的期望3、相对熵（KL散度）： 相对熵又称KL散度,如果我们对于同一个随机变量 x 有两个单独的概率分布 P(x) 和...

原文链接：http://cs231n.github.io/transfer-learning/(These notes are currently in draft form and under development)Table of Contents:Transfer Learning Additional ReferencesTransfer LearningIn p...

一、卷积神经网络结构：卷积层conv作用：卷积层是一个n*n*m的权重矩阵，下图一目了然:channel：一个卷积层的核数，对rgb图像channel = 3kernel size：卷积核的维度步长（step size）:卷积核每次移动的像素点个数边距（padding size）:图像边缘补齐的像素点个数，目的是增加卷积核扫描到原始图像边缘的几率，理论上padd...

1、交叉熵函数：表达真实样本标签与预测概率之间的差值。链接：https://blog.youkuaiyun.com/red_stone1/article/details/807350682、softmax回归：假设目标分类结果有J种，softmax函数表达了当前样本在[1---J]这J中结果上的概率分布。...

https://www.cnblogs.com/SivilTaram/p/graph_neural_network_1.html

https://blog.youkuaiyun.com/jinping_shi/article/details/52433975

https://www.cnblogs.com/liaohuiqiang/p/9226335.html

https://zhuanlan.zhihu.com/p/48508221http://jalammar.github.io/illustrated-transformer/https://blog.youkuaiyun.com/yujianmin1990/article/details/85221271

参考文章https://blog.youkuaiyun.com/Enjoy_endless/article/details/88679989RNN：分心模型，解码时每个位置输入的source信息是一样的，都是CAttention：解码时每个位置输入的source信息是不一样的，各有侧重 需要注意的是attention与self attention是有区别的，关键在于对Q、K、V三个向量的理解。其中Q是不一样的，K，V可以认为是一样的。在较老的soft attention中，Q是...

神经网络中Batch Size的理解

​​​​​​​​​​​​​​从标签平滑和知识蒸馏理解 Soft Label - 极市社区从softmax的损失函数曲线上理解，hard label监督下，由于softmax的作用，one-hot的最大值位置无限往1进行优化，但是永远不可能等于1，从上图可知优化到达一定程度时，优化效率就会很低，到达饱和区。而soft label可以保证优化过程始终处于优化效率最高的中间区域，避免进入饱和区。...

Understanding Categorical Cross-Entropy Loss, Binary Cross-Entropy Loss, Softmax Loss, Logistic Loss, Focal Loss and all those confusing names