- 博客(3)
- 收藏
- 关注
RSS订阅转载 2021-06-03 【论文笔记】Cross-domain Correspondence Learning for Exemplar-based Image Translation
论文题目：Cross-domain Correspondence Learning for Exemplar-based Image Translation 论文主页：https://panzhang0212.github.io/CoCosNet/ 论文链接：https://arxiv.org/abs/2004.05571 代码链接：https://github.com/microsoft/CoCosNet 摘要 本文提供了一种图像翻译的通用框架，它从输入的语义图像合成真实的照片图像。与常规不同的是这个框架
2021-06-03 23:45:39
373
原创 ML/DL P4 Basic Concept
error的来源 Review 不同的function set，都会有不同的error。之前我们知道，越复杂的model在testing data中不一定会有着更好performance,甚至会更差。error的来源主要有两个： bias：总体均值与样本均值的差异 variance：样本方差 通过了解error来源我们可以有针对性地提升model。 抽样分布理论 假设独立变量为x(这里的x代表每次独立地从不同的training data里训练找到的f∗f^*f∗)，那么 总体期望E(x)=uE(x)=u
2021-04-10 21:36:28
128
原创 ML/DL P3 Regression案例研究
Regression中输出的是一个scalar，比如： 故我们可以导入案例： 使用regression,我们可以利用已有的宝可梦进化前后的信息，来预测其他宝可梦进化后的 CP数值。 第一步：确定模型，即function set 凭借经验我们可以先采用线性模型 第二步：定义一个goodness of function损失函数去评估该function的好坏 损失函数是为了衡量function set中的某个function的好坏，所以此函数的自变量为一个function，因变量为这个function的好坏的量化
2021-04-02 21:51:06
105
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