- 博客(3)
- 收藏
- 关注
原创 李沐- - -动手学深度学习笔记(第二章)
将导数扩展到不可微的函数,例如 y=|x| ,在x=0处斜率不唯一我们可以连结一个多元函数对其所有变量的偏导数,以得到该函数的梯度(gradient)向量。将导数扩展到向量其中,当x是标量,y是标量,求导也为标量,即Y1当是向量,x是标量,求导为向量,即Y3当y是标量,是向量,求导为向量,即Y2当是向量,是向量,求导为矩阵,即Y4以Y2举个例子:其中,
2024-10-11 23:00:14 772
原创 论文分享---CVPR2024:用于单源域泛化目标检测的无偏 Faster R-CNN
论文地址https://arxiv.org/pdf/2405.15225摘要单源域泛化(SDG)物体检测 是一项极具挑战性且关键的任务,因为在看不见的目标域中的分布偏差会显著降低算法性能。然而,现有方法试图提取域不变特征,却忽视了偏差数据会导致网络学习到非因果且难以泛化的特征。为此,本文提出了无偏 Faster R-CNN (Unbiased Faster R-CNN,UFR),用于学习可泛化的特征。具体而言,我们从因果关系的角度构建了结构因果模型(SCM),用于分析任务
2024-10-11 11:04:06 242
原创 李沐- - -动手学深度学习笔记(第二章)
N维数组是机器学习和神经网络的主要数据结构0-d(标量) 1-d(向量,一维张量) 2-d(矩阵,二维张量)一个类别 一个特征向量 一个样本--特征矩阵RGB图片 一个RGB图片批量 一个视频批量。
2024-09-28 11:21:32 250
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