![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 76
蓝色兔子
三人行,必有我师
展开
-
零基础手把手训练实践-图像分类模型-基于达摩院modelscope
图像分类模型是最简单的,也是最基础的计算机视觉任务,应用非常广泛。本文将手把手介绍零基础训练图像分类模型的实践过程。文章主要介绍如何在标注好的数据集基础上,进行微调,使模型能够在新的数据上重新适配一个新的分类任务。原创 2023-04-14 06:01:02 · 5118 阅读 · 1 评论 -
ViT Transformer论文阅读笔记
首次提出使用transformer进行分类:把输入图像直接划分为token,位置编码为可学习的token,额外增加一个分类token,最后使用head预测。原创 2022-12-14 17:24:52 · 272 阅读 · 0 评论 -
Next-ViT论文详解
由于复杂的注意力机制和模型设计,大多数现有的ViTs在现实的工业部署场景中不能像CNNs那样高效地执行,例如TensorRT和CoreML。视觉神经网络能否设计为与CNN一样快的推理和与ViT一样强大的性能?最近很多工作试图设计CNN-Transformer混合架构来解决这个问题,但这些工作的整体性能远不能令人满意。为了结束这些,本文作者提出了在现实工业场景中有效部署的,即Next-ViT,从延迟/准确性权衡的角度来看,它在CNN和ViT中均占主导地位。翻译 2022-12-14 00:23:31 · 735 阅读 · 0 评论 -
(转)(三)机器学习笔记之Scikit Learn的线性回归模型初探
一、Scikit Learn中使用estimator三部曲1. 构造estimator2. 训练模型:fit3. 利用模型进行预测:predict 二、模型评价模型训练好后,度量模型拟合效果的常见准则有:1. 均方误差(mean squared error,MSE):2. 平均绝对误差(mean absolute error,MAE)3. R2原创 2017-10-27 10:56:33 · 1893 阅读 · 0 评论 -
(原创)(一) 机器学习之数据探索
my_FE_BostonHousePrice /*!** Twitter Bootstrap**//*! * Bootstrap v3.3.7 (http://getbootstrap.com) * Copyright 2011-2016 Twitter, Inc. * Licensed under MIT (https://github.com/twbs/boots原创 2017-10-26 10:27:33 · 955 阅读 · 0 评论 -
(二)机器学习笔记之数据预处理
数据预处理数据预处理一般包括:(1) 数据标准化这是最常用的数据预处理,把某个特征的所有样本转换成均值为0,方差为1。将数据转换成标准正态分布的方法:对每维特征单独处理:其中,可以调用sklearn.preprocessing中的StandardScaler()进行数据的标准化。(2) 数据归一化把某个特征的所转载 2017-10-26 21:19:54 · 685 阅读 · 0 评论