![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 54
嘿哈哈哈
人生就像一场演出,不到谢幕永远不知道自己有多精彩。
展开
-
神经网络的可解释性方法
全局可解释性方法局部可解释性方法:Shap ValuePermutation积分梯度法:避免了直接以梯度作为特征重要性所带来的梯度饱和问题Algorithm Descriptions · Captum原创 2023-09-02 13:43:39 · 417 阅读 · 0 评论 -
Ubuntu 系统从零配置深度学习开发环境
安装基础软件 1 sudo apt-get update 3 sudo apt-get upgrade -y 4 sudo apt-get install net-tools -y 5 sudo apt-get install tree -y 6 sudo apt-get install openssh-server -y sudo apt install vim 144 sudo cp /etc/apt/sources.list /etc/原创 2022-03-10 17:00:18 · 1034 阅读 · 0 评论 -
读书笔记:《百面机器学习》
原创 2022-03-10 16:44:49 · 948 阅读 · 0 评论 -
从 YoloV3 源码中进阶 Pytorch
YoloV3 源码文章目录PIL、Numpy 和 Pytorch 基础* 和 **PIL.Image.Image 和 Numpy.ndarrayNumpy.asarray 和 Numpy.arraytorch.as_tensor 和 torch.form_numpytensor.detach() 和 tensor.datatorch.Tensor、torch.autograd.Variable 和 torch.nn.parameter.Parametertorch.Tensor 和 torch.autog原创 2021-03-29 21:11:59 · 791 阅读 · 0 评论 -
当我入门虚拟现实的时候,我学了什么?
当我入门虚拟现实的时候,我学了什么?摘要:虚拟现实是一个新兴的研究方向,综合了多种领域的知识。本文通过一些经典课程,专业书籍和顶会论文,对虚拟现实的一些基础技术内容进行了总结和探讨。其中包括计算机图形学方向的图形渲染管线、辐射度量学、物理引擎和数字几何处理,还包括计算机视觉方向的深度学习和 SLAM。在讨论中,本文对多种理论,知识和方法进行了比较,最后给出了其在虚拟现实领域的应用。关键字:图形渲染管线,辐射度量学,物理引擎,数字几何处理,深度学习,SLAM引言原创 2021-01-08 20:06:46 · 1092 阅读 · 0 评论 -
斯坦福 CS224D 作业一:神经网络基础(part c,d,g)
原创 2019-10-13 10:38:07 · 233 阅读 · 0 评论 -
损失函数:交叉熵
给定两个概率分布p和q,通过q来表示p的交叉熵为:H(p,q)=−∑xp(x)logq(x)\LARGE H(p,q)=-\sum_{x}p(x)logq(x)H(p,q)=−∑xp(x)logq(x)交叉熵刻画的是两个概率分布之间的距离,或可以说它刻画的是通过概率分布q来表达概率分布p的困难程度,p代表正确答案,q代表的是预测值,交叉熵越小,两个概率的分布约接近。在神经网络中通常使用 S...原创 2019-10-05 20:46:31 · 782 阅读 · 0 评论 -
斯坦福 CS224D 作业一:神经网络基础(part b)
参考:交叉熵求导向量的求导原创 2019-10-07 20:22:17 · 245 阅读 · 0 评论