- 博客(215)
- 收藏
- 关注
RSS订阅原创 【深度学习】数据集的划分比例到底是选择811还是712？
在机器学习中，数据集的划分对模型性能评估至关重要。常见的划分方式包括811和712，分别代表训练集、验证集和测试集的比例。811划分中，训练集占80%，验证集和测试集各占10%，适合数据量有限的情况，旨在最大化训练数据以提升模型性能。712划分中，训练集占70%，验证集占10%，测试集占20%，适合数据量较大的情况，旨在通过更大的测试集提高最终评估的可靠性。选择哪种划分方式取决于数据集规模和评估需求：数据量较小时，811划分更为合适；数据量较大时，712划分能提供更可靠的性能评估。
2025-05-12 10:20:36
422
原创 【深度学习】一文带你了解深度学习中Batch Normalization的作用！
Batch Normalization（BN）是深度学习中一种关键技术，通过规范化输入数据的分布，显著加速网络训练并提升模型稳定性。其主要作用包括：1) 加速训练收敛，缓解内部协变量偏移，允许使用更大学习率；2) 提升模型稳定性，减少对初始化的依赖，抑制过拟合；3) 改善梯度传播，缓解梯度消失或爆炸问题；4) 支持构建更深的网络结构，如ResNet和DenseNet。BN的计算步骤包括计算均值和方差、标准化处理以及缩放与偏移。在实际应用中，需注意训练与推理的差异、与Dropout的结合以及适用场景。BN已成
2025-05-11 21:56:25
904
原创 【CV必读经典】MetaFormer Is Actually What You Need for Vision | CVPR2022
MetaFormer 才是你进行视觉任务真正需要的架构
2025-03-04 13:23:39
886
1
原创 【安徽理工大学】一文带你高分拿下计算机考研复试（85+的秘密）| 第三弹
复试准备要点包括：简洁明了的个人简历（5~8份），省级以上竞赛证书（彩印），以及毕业设计的详细内容或构思。对于缺乏项目或竞赛经验的学生，建议通过完成一个中等复杂度的编程项目来提升实践能力，并熟悉项目流程和技术栈。有项目或竞赛经验的学生应深入理解参与项目的细节，以便在复试中展示。整体而言，复试准备应注重实践能力的展示和项目经验的深入理解，以给导师留下良好印象。
2025-02-27 19:18:20
256
原创 【CV前沿】YOLOv12: Attention-Centric Real-Time Object Detectors
一文带你快速了解YOLO12！
2025-02-20 17:03:09
878
原创 『YOLOV7』| 一文解决_pickle.UnpicklingError: STACK_GLOBAL requires str报错的情况
一文解决_pickle.UnpicklingError: STACK_GLOBAL requires str的情况，解决YOLO中的报错问题！
2024-11-05 21:21:19
632
原创 【YOLO】一文搞定训练集、验证集、测试集的作用与区别以及常见数据集的划分比例！
在机器学习中，尤其是深度学习领域，YOLO（You Only Look Once）算法的训练过程依赖于训练集、验证集和测试集的合理划分与使用。训练集用于模型的学习和参数调整，验证集用于模型选择和超参数优化，而测试集则用于最终评估模型的泛化能力。
2024-11-04 19:37:17
3073
3
原创 『YOLO』断点训练、解决训练中断异常情况
当yolo在训练的时候，如果训练中断或者出现异常，可通过修改代码，从上一次断掉处重新训练，实现断点续训。
2024-11-04 17:14:06
1975
1
原创 『VsCode』| 修改内置字体为JetBrains Mono NL
修改VsCode内置字体为JetBrains Mono NL，编辑器变得更加的美观
2024-10-25 16:24:18
1588
原创 深度学习 | Pytorch的GPU版本查看GPU是否可用、GPU版本、GPU数量
Pytorch的GPU版本查看GPU是否可用、GPU版本、GPU数量
2024-10-15 14:41:12
1633
原创 『VsCode』| 预设代码片段进行生成
我们在前面练习Vue的过程中，有些代码片段是需要经常写的，我们再VSCode中我们可以生成一个代码片段，方便我们快速生成。VSCode中的代码片段有固定的格式，所以我们一般会借助于一个在线工具来完成。
2024-08-12 22:34:39
466
原创 Algorithm | AcWing 148. 合并果子
并且已知果子的种类数和每种果子的数目，你的任务是设计出合并的次序方案，使达达耗费的体力最少，并输出这个最小的体力耗费值。在一个果园里，达达已经将所有的果子打了下来，而且按果子的不同种类分成了不同的堆。每一次合并，达达可以把两堆果子合并到一起，消耗的体力等于两堆果子的重量之和。因为还要花大力气把这些果子搬回家，所以达达在合并果子时要尽可能地节省体力。输出包括一行，这一行只包含一个整数，也就是最小的体力耗费值。接着，将新堆与原先的第三堆合并，又得到新的堆，数目为。为最小的体力耗费值。，表示果子的种类数。
2024-08-11 22:17:01
457
原创 Django | 一文带你搞定Django项目的创建、应用的注册、服务请求、urls.py的配置、settings.py的配置、配置项的介绍、URL调度器的使用
django项目创建后，在主应用中，会有一个settings.py文件，这个就是该项目的配置文件settings文件包含Django安装的所有配置settings文件是一个包含模块级变量的python模块，所以该模块本身必须符合python规则，并且可以使用python的语法settings中的所有配置项的key必须全部大写。
2024-08-10 20:55:53
3883
原创 Django | 一文带你了解Django的简介、安装、结构、B/S、C/S、MVC、MVT、ORM
Django是Python语言中的一个web框架，Python语言中主流的web框架有Django、Tornado、Flask 等多种。Django相较与其它WEB框架，其优势为：大而全，框架本身集成了ORM、模型绑定、模板引擎、缓存、Session等功能，是一个全能型框架，拥有自己的Admin数据管理后台，第三方工具齐全，性能折中。缺点：功能太多，数据分表复杂，高性能扩展复杂。 Django 是开源的！
2024-08-10 10:42:43
1756
原创 Matplotlib | 一文搞定Matplotlib从入门到实战演练！
Matplotlib 是一个 Python 的 2D绘图库。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。官网https://matplotlib.org/\qquad学习Matplotlib 可让数据可视化，更直观的真实给用户。使数据更加客观、更具有说服力。Matplotlib是Python的库，又是开发中常用的库。
2024-08-07 22:58:53
19530
4
原创 Algorithm | AcWing 908. 最大不相交区间数量
请你在数轴上选择若干区间，使得选中的区间之间互不相交（包括端点）。输出一个整数，表示可选取区间的最大数量。输出可选取区间的最大数量。，表示一个区间的两个端点。行，每行包含两个整数。
2024-08-07 18:16:21
816
原创 Algorithm | AcWing 905. 区间选点
请你在数轴上选择尽量少的点，使得每个区间内至少包含一个选出的点。输出一个整数，表示所需的点的最小数量。位于区间端点上的点也算作区间内。，表示一个区间的两个端点。输出选择的点的最小数量。行，每行包含两个整数。
2024-08-07 17:30:33
368
原创 Python | 一文搞定Python中的命令行读取若干数字
如果你需要在 Python 中读取若干数字，可以根据输入的格式和方式选择合适的方法。
2024-08-04 22:09:35
592
原创 数据结构 | 考研代码题之顺序表 | 1 查找L中值为e的数据元素若找到则返回其下标，若找不到则返回-1
假设有一个顺序表 L，其存储的所有数据元素均为不重复的正数，查找L中值为e的数据元素，若找到则返回其下标，若找不到则返回-1。
2024-08-04 11:25:51
326
原创 数据挖掘 | 实验三 决策树分类算法
使用决策树进行决策的过程就是从根节点开始，测试待分类项中相应的特征属性，并按照其值选择输出分支，直到到达叶子节点，将叶子节点对应的类别作为决策结果。1、通过本次实验加深了我对决策树原理的理解，本次实验使用了4种分类算法进行分类，习了决策树模型的构建过程，分类算法，预测方法，以及决策树的可视化、最后进行交叉验证。了解pydotplus、GraphViz等相关库中决策树可视化方法的接口，结合上述构建方法中参数的设置，分析每次构建的树的层数及叶子数目。3）分别查看训练集、测试集上模型的评估指标（准确率）；
2024-05-30 22:11:10
2393
原创 『PyCharm』关闭编辑器中的所有代码提示，开启纯净学习模式！
提示使用习惯了，往往不用提示代码就不会写了，所以需要把提示关了，锻炼一下自己的单词水平。
2024-05-30 22:03:18
1846
原创 『PyCharm』| 一文搞定无法导入Anaconda的环境
已存在的Anaconda环境无法导入Pycharm，点击add后仍然无任何响应。即使可以选择“Use existing environment”,退出这个页面之后也不会显示出刚刚选好的conda虚拟环境。如下所示。
2024-05-30 21:58:15
870
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人