- 博客(3)
- 收藏
- 关注
RSS订阅原创 openmmlab学习小记三 6.15
颈部部分的设计要根据具体任务的需求和特征的特性进行选择，以提高模型的性能和泛化能力。例如，假设k=5，对于一个样本，模型给出了它属于类别A的概率为0.7，类别B的概率为0.3，类别C的概率为0.2，类别D的概率为0.1，类别E的概率为0.05，以及其他类别的概率。如果样本的真实标签是A或者B，那么在Top-5准确率计算中，模型的预测是正确的，因为真实标签A在前5个最高概率的类别中。需要注意的是，Top-k准确率的选择和设定要基于具体的问题和应用场景，不同的任务可能需要不同的k值来评估模型的性能。
2023-06-15 14:31:07
76
1
原创 mmmalb笔记二 6.5
本小节课程是有关MMpretrain的介绍，MMpretrain提供了很多模型以及数据集，可以直接利用其中的API接口去进行调用，省去了自己构建模型的时间。我很喜欢这页PPT，他把注意力机制直观形象地表达了出来，尤其是右侧的图像特征，与目标相关性大的对应的权重就越大，颜色也越深。注意力机制的讲解，我的理解就是当前的部分不只是与前一个部分有关，而是与之前发生过的所有部分都相关。下面这页PPT也很好的描述了CLIP的工作方式。这次只是一个笼统的概括，期待之后的上手实操。
2023-06-05 21:53:47
34
1
原创 openMMlab笔记一.6.2.
然后是MMDetection,做视觉方向的无论如何都绕不过检测这个大方向，之前我自己动手复现过YOLO的论文实在太麻烦了，有了这个开源库，就可以更多的时间放在调整模型结构上，而不至于在自己去动手复现，十分节省时间，提高效率。首先是MMPreTrain，提供了很多训练好的模型，包括最经典的resnet、VGG，还有基于transformer的骨干网络，这也是我很想学习的一个网络结构。看完了开营仪式以及子豪兄的介绍，我准备从一下三个方面对openMMlab进行学习。以及他包含的多模态算法，对于初学者十分友好。
2023-06-02 11:42:07
34
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