- 博客(5)
- 收藏
- 关注
RSS订阅原创 Datawhale X 李宏毅苹果书 AI夏令营：实践方法论
在应用机器学习算法时，实践方法论可以帮助更好地训练模型。如果在 Kaggle 上的测试结果不佳，应首先检查训练数据的损失情况。如果模型在训练数据上的损失很大，说明它在训练集上没有学好。此时，应分析模型在训练集上未能学好的原因，再进一步优化。
2024-08-30 17:09:40
451
原创 Datawhale X 李宏毅苹果书 AI夏令营：线性模型
如果分段线性曲线越复杂，转折的点越多，所需的蓝色函数就越多。HardSigmoid 可以看作是两个修正线性单元（Rectified Linear Unit，ReLU）的加总，ReLU 的图像有一个水平的线，走到某个地方有一个转折的点，变成一个斜坡，其对应的公式为。把两个 ReLU 叠起来就可以变成 Hard 的 Sigmoid，想要用 ReLU，就把 Sigmoid 的地方，换成max(0, bi + wijxj )。显然线性模型有很大的限制，这一种来自于模型的限制称为模型的偏差，无法模拟真实的情况。
2024-08-30 16:54:07
383
原创 YOLO:建模方案解读与进阶#Datawhale/AI夏令营
物体检测算法的输入通常是一张图像或视频帧。：算法使用深度学习模型（如卷积神经网络CNN）来提取图像的特征。这些特征捕捉了图像中的视觉信息，为后续的物体识别和定位提供基础。：在某些检测算法中，如基于区域的卷积神经网络（R-CNN）及其变体，首先需要生成图像中的候选区域，这些区域可能包含感兴趣的物体。：对于每个候选区域，算法需要判断它是否包含特定类别的物体，并预测物体的边界框。这通常涉及到分类任务和回归任务的结合。：在检测过程中，可能会产生多个重叠的边界框，用于表示同一物体。
2024-08-28 23:13:17
1140
原创 Datawhale X 李宏毅苹果书 AI夏令营：深度学习
梯度下降的基本原理是根据损失函数对参数的导数（梯度）来调整参数的值，使得每次更新都朝着使损失减少的方向前进。深度学习的核心是深度神经网络（Deep Neural Networks），由多个层次的人工神经元组成，能够自动提取和学习数据中的复杂特征。我们假设今天的观看次数与昨天的观看次数之间存在某种线性关系，这种假设基于领域知识，认为过去的观看行为可能对未来的观看次数有影响。更常见的挑战是找到一个足够好的解，而不是严格的全局最小值。损失函数的值代表模型在训练数据上的平均预测误差，值越小，说明模型的预测越准确。
2024-08-28 00:00:22
1395
原创 CV竞赛学习活动--跑通YOLO方案baseline！#Datawhale AI夏令营
按照上述文档可以速通baseline。只要会点运行就可以！点击更多操作里的关机，选择无卡模式即可。下图即为关机后示意图。
2024-08-24 00:09:52
134
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