- 博客(4)
- 收藏
- 关注
RSS订阅原创 神经网络与深度学习-学习总结四
即，输入【提示，模型生成的文本】，输出一个刻画文本质量的标量数字。基于前面提到的预先富集的数据 ， 从里面采样prompt输入 ，同时丢给 初始的语言模型和我们当前训练中的语言模型 （policy ） ，得到俩模 型的输出文本 y 1 ， y 2。从数据集中随机取出文字和图片后，用图片Encoder和文字Encoder分别压缩成两个embedding向量，然后用余弦相似度来比较图片和文字的embedding向量的相似性，以判断我们随机抽取的文字和图片是否匹配，并根据结果反向更新两个Encoder的参数。
2024-04-27 14:48:32
826
原创 神经网络与深度学习-学习总结三
YOLO的包围框：有 𝑠 2个框，每个框的bb个数为𝐵，分类器可以识别出𝐶种不同的物体， 那么所有整个ground truth的长度为𝑆 × 𝑆 × (𝐵 × 5 + 𝐶) YOLO v1中，这个数量是30 YOLO v2和以后版本使用了自聚类的anchor box为bb, v2版本为𝐵 = 5, v3中 𝐵 =9。FCN中第6、7、8层都是通过1 × 1卷积得到的，第6层的输出通道是4096，第7层的输出通道是4096 ，第8层的输出是1000（类）,即1000个特征图（称为heatmap）
2024-04-22 11:09:57
824
原创 神经网络与深度学习-学习总结二
C1层：6个Feature map构成，每个神经元对输入进行5*5卷积，每个神经元对应5*5+1个参数，共6个feature map， 28*28个神经元，因此共有 (5*5+1)*6*(28*28)=122,304连接。stride为2，即pooling核的步长是2， 即2倍降采样.此处的pool1层是有交叠的池化层，即 pooling核在相邻位置有重叠。C5层：120个神经元，每个神经元同样对输入进行5*5卷积，与S4全连接，总连接数(5*5*16+1)*120=48120。用于卷积层与全连接层之后。
2024-04-06 23:54:01
533
1
原创 神经网络与深度学习-学习总结一
然后执行 K 次模型训练和验证，每次在 K−1 个子集上进行训练， 并在剩余的一个子集（在该轮中没有用于训练的子集）上进行验证。神经元间的权值连接仅出现在相邻层之间， 不出现在其他位置。定理2 ：若隐层节点（单元）可任意设置，用三层S型非线性特性节点的网络，可以一致逼近紧集上的连续函数或按 范数逼近紧 集上的平方可积函数。（1） 正向传播：输入信号从输入层经隐层，传向输出层，若输出层得到了期望的输出， 则学习算法结束；输出：若为二分类问题，则为0和1，或者是属于某类的 概率，即0-1之间的数。
2024-03-31 16:04:52
635
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