![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 75
卍郝凝卍
这个作者很懒,什么都没留下…
展开
-
深度学习中的超参管理方法:argparse模块
在深度学习方法中我们不可避免地会遇到大量超参数如(batch_size、learning_rate等)。不同的超参数组合可以得到不同的训练/测试结果。所以在训练和测试过程中我们需要不断调整超参数获得理想的结果(炼丹),如果每一次去找分布在不同的函数里的超参数是一个及其麻烦的过程,为了管理大量的超参数提高炼丹效率,出现了许多超参数管理方法,我将自己遇到的朝参管理方法在此记录,方便自己回顾。原创 2024-07-11 15:04:42 · 111 阅读 · 0 评论 -
深度学习中的Path问题
在深度学习中涉及到诸多的模块与代码之间的相互调用,如果使用基础的os.path来进行路径管理非常繁琐,所以在python3中一般使用自带的pathlib管理路径问题使得路径管理更加简单高效,下面介绍一些常用的Path方法,基本满足日常使用。原创 2024-06-28 17:03:35 · 183 阅读 · 0 评论 -
深度学习常见损失函数
在深度学习中,大致分为回顾任务与分类任务,回归任务常用均方误差损失(MSE)和平均绝对误差损失(MAE);分类任务常用交叉熵损失。数学公式表达为:特点:MSE 对于离群点(outliers)非常敏感,因为误差被平方了,所以大的误差会对整体的 MSE 产生更大的影响;MSE 是凸函数(convex function),在很多优化问题中,尤其是使用梯度下降法时,非常有用,因为凸函数的局部最小值就是全局最小值。平均绝对误差(Mean Absolute Error, MAE)是一种衡量回归模型预测准确性的重要指标。原创 2024-06-23 10:27:00 · 248 阅读 · 0 评论 -
深度学习之目标检测yolo系列
是指bounding box的预测框的中心坐标相较于该bounding box归属的grid cell左上角的偏移量,在0-1之间。在上图中,绿色虚线框代表grid cell,绿点表示该grid cell的左上角坐标,为(0,0);红色和蓝色框代表该grid cell包含的两个bounding box,红点和蓝点表示这两个bounding box的中心坐标。有一点很重要,bounding box的中心坐标一定在该grid cell内部,因此,红点和蓝点的坐标可以归一化在0-1之间。原创 2024-06-21 13:35:46 · 919 阅读 · 0 评论 -
深度学习之目标检测基础
1.1 交并比IOUIoU 的全称为交并比(Intersection over Union),在目标检测中即计算预测边界框与真实边界框的重叠程度,重叠程度越高,说明越接近真实框。原创 2024-06-19 13:56:00 · 680 阅读 · 0 评论 -
深度学习之VIT
详解Transformer中Self-Attention以及Multi-Head Attention_transformer multi head-CSDN博客Vision Transformer详解-CSDN博客原创 2024-06-17 18:05:19 · 130 阅读 · 1 评论 -
深度学习基础
它。原创 2024-06-17 15:06:32 · 347 阅读 · 0 评论