第18组 Alpha (2/3)

最新推荐文章于 2024-11-12 21:42:01 发布
最新推荐文章于 2024-11-12 21:42:01 发布
阅读量321 收藏
点赞数
文章标签： 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/OUC_SE_GROUP18/article/details/128053439
版权

第18组 Alpha (2/3)

文章目录

Notice

本博客为OUC2022秋季软件工程 第18小组 Alpha(2/3)

Compeleted

  1. 完成了网络模型的构建，完成了初步的模型的训练，通过多次训练选取了较优的模型，得到了不错的预测结果。

    https://github.com/VastCosmic/OUCSE_HyperVC_HyperspectralImageClassification/issues/1
    image-20221126160743511

TODO

  1. 完成后端搭建。
  2. 寻找合适的方式进行前后端进行连接部署。

Gain & Difficulties

Gain

本周主要是在colab对网络模型进行训练，并保存了一部分结果较优的模型到本地，为后端分类的实现打下基础。

Difficulties

模型测试结果在可视化上有时候存在许多噪声，尽管准确率较高但目视效果不太好，正在寻找原因。

Extra

Burn down chart

image-20221126152819913

Photo

个人一个小组，没有例会照片。

18组-团队博客
关注
【Gensim概念】03/3 NLP玩转 word2vec
gongdiwudu的专栏
10-23 5419
Gensim是一种Python库，用于从文档集合中提取语义主题、建立文档相似性模型和进行向量空间建模。它提供了一系列用于处理文本数据的算法和工具，包括主题建模、相似性计算、文本分类、聚类等。在人工智能和自然语言处理领域，Gensim是一个流行的工具，用于处理大量的文本和语料库。
第18组 Alpha (3/3)
OUC_SE_GROUP18的博客
12-03 126
第18组 Alpha (3/3)
第18组 Alpha (1/3)
OUC_SE_GROUP18的博客
11-19 99
OUCSE 第18组 Alpha (1/3)
I.MX6U-ALPHA/Mini 开发板资源介绍
zhuguanlin121的博客
07-16 3121
摘自：NXP I.MX6ULL芯片介绍以及资料的获取 作者：一只青木呀 发布时间：2020-09-26 10:54:26 网址：https://blog.csdn.net/weixin_45309916/article/details/108808573 目录I.MX6ULL芯片介绍以及官网资料的获取 I.MX6ULL芯片介绍以及官网资料的获取 I.MX6ULL芯片是NXP（恩智浦）官方的一款芯片。 官方网址：https://www.nxp.com/ 注：ARM架构信息要去ARM官网查询，官网地址：h.
AlphaStar的游戏——星际争霸2 AI综述
wlkdb的博客
01-27 7870
两天前，DeepMind直播展示了他们星际2AI的最新进展。AI名叫Alphastar，它在与两位职业选手的比赛录像中获得了全胜，其中一位还是世界前10的顶尖神族选手Mana。在与Mana最后一场万众瞩目的现场直播比赛中，Mana捍卫了星际2职业选手的尊严，取得胜利扳回一局。 面对这些，让人禁不住脱口而出的还是那句话：“没想到这么快”。星际2远比围棋复杂，D...
Alphapose论文精读
qq_45116161的博客
03-19 2387
作者 郝淑芳1∗，书琴谢1，泰宇荣2，策屋路 上海交通大学，中国腾讯优图 结论 本文提出了一种新的区域多人姿态估计（RMPE）框架，该框架在精度和效率上显著优于现有的多人姿态估计方法。它验证了当SPPE适用于人类检测器时，两步框架的潜力，即hu-man检测器+SPPE。我们的RMPE框架由三个新组件组成：带并行SPPE的对称STN、参数姿态NMS和姿态引导建议生成器（PGPGPG）。特别是，PGPG用于通过学习给定人体姿势的边界框建议的条件分布来对训练数据进行大量论证。由于对称STN和并行SPPE的使用，S
WorldQuant 101 Alpha 因子的流批一体实现
DolphinDB智臾科技
09-06 1601
wq101alpha模块中供用户直接调用的函数为WQAlpha#， 如WQAlpha1，WQAlpha2。每个因子的计算方式和输入参数都不同，相关说明请参考返回数据格式总结和输入字段介绍。用户也可以根据自己需求在模块中做修改。WQAlpha#输入：面板数据输出：面板数据输入：向量输出：向量输入：数据表输出：数据表表格中的参数名称即为模块中的标准字段名称。参数名称 / 标准字段名称参数含义tradetime交易时间securityid股票代码open开盘价close收盘价high。
【STM32H7教程】第56章 STM32H7的DMA2D应用之刷色块，位图和Alpha混合
Simon223的博客
02-19 2899
完整教程下载地址：http://www.armbbs.cn/forum.php?mod=viewthread&tid=86980 第56章 STM32H7的DMA2D应用之刷色块，位图和Alpha混合 本章节为大家讲解DMA2D应用中经常用到的刷色块，刷位图，Alpha混合和图片混合的实现。 第56章 STM32H7的DMA2D应用之刷色块，位图和Alpha混...
数据分析：转录组差异分析总结（DESeq2+limma+edgeR+t-test/wilcox-test）
热门推荐
专注生信领域
07-17 2万+
RNA-seq转录组的差异分析方法总结
js-2015-8-alpha:JavaScript 2015年8月第1组（周六和周三18-21）
05-05
注意：由于您有更多时间完善代码，因此您最终升级项目的最终期限是延长至10月12日（20小时），...JavaScript / 2015年8月/第1组 参考： 学校： 教程和文章： 免费书籍 沙箱： 密码笔 JSFiddle 问题和答案： 堆栈溢出
cs-2015-7-alpha:C＃2015年7月第1组（星期日和星期二15-18）
05-12
综上所述，这个“cs-2015-7-alpha”课程涵盖了C#语言的基础知识，包括使用Visual Studio这样的IDE进行开发，通过沙箱环境进行安全实践，通过阅读文章深化理论理解，通过问题和答案进行实战演练，以及学习如何处理...
深度学习之循环神经网络(RNN)
weixin_43775295的博客
11-12 305
其一般处理单个的输入，前一个输入和后一个输入完全无关，但实际应用中，某些任务需要能够更好的处理序列的信息，即前面的输入和后面的输入是有关系的。​ 由于RNN特有的memory会影响后期其他的RNN的特点，梯度时大时小，learning rate没法个性化的调整，导致RNN在train的过程中，Loss会震荡起伏，为了解决RNN的这个问题，在训练的时候，可以设置临界值，当梯度大于某个临界值，直接截断，用这个临界值作为梯度的大小，防止大幅震荡。中必须包含原始序列中的所有信息，它的长度就成了限制模型性能的瓶颈。
深度学习笔记13-卷积神经网络1
最新发布
weixin_51828505的博客
11-12 657
卷积神经网络（CNN），它是由多个卷积层、池化层和全连接层构成的前馈神经网络。在卷积神经网络中，包含了可训练的卷积核，这使得卷积神经网络具有强大的表征学习能力。卷积神经网络通过卷积层和池化层进行特征提取，通过全连接层和输出层进行分类。因此卷积神经网络是一种端到端的机器学习模型。
深度学习：掩蔽softmax
m0_49786943的博客
11-12 402
假如valid_lens=tensor([2, 3, 1])shape[1]为3（即第一个样本每一行的有效长度为2，第二个样本每一行有效长度为3，第三个样本每一行有效长度为1），通过代码valid_lens将会变为tensor([2, 2, 2, 3, 3, 3, 1, 1, 1])即有效长度成功扩展到每个位置。valid_lens = valid_lens.reshape(-1): 将 valid_lens 展平为一维张量，形状为 (batch_size * sequence_length,)
CNN和MobileNetV2搭建的水果识别模型
chengxuyuanlaow的博客
11-09 692
在本项目中着重探索了利用深度学习模型进行水果图像分类的方法。具体而言包括使用卷积神经网络（CNN）模型进行水果图片的分类和探索轻量级神经网络模型MobileNetV2在水果图像分类中的应用。在第一项任务中，使用TensorFlow构建了一个简单的CNN模型，并通过调整模型参数来提高准确率。在实验过程中发现由于数据集的问题，训练结果并不理想，测试集上的准确率低于预期，同时出现了过拟合的情况。针对这个问题，从优化器、学习率和训练轮次等方面入手，对模型进行了改进和调整。
torch.nn.**和torch.nn.functional.**的区别
laice的博客
11-11 323
torch.nn.**是一个继承了torch.nn.Module的类，使用前必须先构造对象，然后再调用。如果直接使用则会报错。torch.nn.functional.**是一个纯数学函数，可以直接使用。
【循环神经网络】
严文文 Chris
11-12 558
RNN是一种强大的序列建模工具，适合处理各种时间序列和自然语言数据。然而，传统RNN在处理长序列时存在梯度消失问题，随着LSTM和GRU等改进模型的引入，RNN的性能得到了极大提升。无论是在自然语言处理、语音识别，还是时间序列分析等领域，RNN都发挥了重要作用。
[卷积神经网络]使用YOLOv11训练自己的模型
就随便写写....
11-08 655
使用YOLOv11训练自己的数据
生成模型——PixelRNN与PixelCNN
大摆王的博客
11-12 163
PixelRNN 是一种基于循环神经网络（RNN）的像素级生成模型，通过逐个像素地生成图像来构建完整的图像，其核心思想是将图像中的像素视为序列，并利用 RNN 的能力来捕捉像素之间的依赖关系。PixelCNN 是一种基于卷积神经网络（CNN）的像素级生成模型，它使用掩码卷积来捕捉像素之间的依赖关系。
根据上文，编写一组MobileNetV3的实参
09-14
(160, 672, 2, True), # 第十二个block：输出通道数为160，步长为2，使用h-swish激活函数 (160, 960, 1, True), # 第十三个block：输出通道数为160，步长为1，使用h-swish激活函数 ], final_expand_layer=False,...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值