- 博客(7)
- 收藏
- 关注
RSS订阅原创 overleaf排版时公式太长怎么办
begin{footnotesize} #设置字体大小 可以选择small tiny。：你可以使用以下代码来设置公式的字体大小，例如使用。来换行，但是这并不总是适用于所有情况。宏包：如果你的文档是双栏排版，你可以使用。\normalsize (默认大小)环境来实现跨栏居中显示。环境：将你的公式放在。宏包来切换单栏和双栏。
2024-02-23 20:52:29
2021
原创 在 LaTex 中使用不同的方法来让公式对齐
这将在页面上显示两行公式，其中等号对齐。：如果你想在一个公式中对齐多个部分，可以使用。环境允许你在多行中对齐公式。这将在需要换行的地方自动对齐。：如果你的公式太长，可以使用。
2024-02-23 13:05:00
5557
原创 矩阵乘法@,dot,multiply,matmul的区别与使用
而np.matmul函数则更加灵活，它不仅支持标准矩阵乘法，还支持批量矩阵乘法。批量矩阵乘法通常用于处理多个输入矩阵的情况。在执行批量矩阵乘法时，np.matmul函数允许两个矩阵的形状不必完全相同，只要满足一定的要求即可。如果两个矩阵的数据类型不同，那么np.matmul函数会报错。使用np.dot函数进行矩阵乘法运算时，如果两个矩阵的数据类型不同，那么np.dot函数会将它们转换为相同的数据类型，然后再执行乘法运算。尤其是第一个矩阵的列数与第二个矩阵的行数必须相等，否则无法执行乘法运算。
2023-11-02 15:26:10
1001
1
原创 inductive bias(归纳偏置)
同理，模型的训练和算法的求解也是，给定一定样本空间里面的点，不同的算法可以拟合出不同的曲线。这是因为不同的算法对解空间有着不一样的假设，那么就会偏好具有不同属性的解。, induction and deduction)，指的是从一些例子中寻找共性、泛化，形成一个比较通用的规则的过程；在cnn中，我们假设特征具有局部性(Locality)的特性，即当我们把相邻的一些特征放在一起，会更容易得到“解”；从现实生活中观察到的现象中归纳出一定的规则，然后对模型做一定的约束，从而可以起到“模型选择”的作用。
2023-10-17 11:11:21
181
原创 top -1 accuracy和top-5 accuracy
数字0~9的预测概率分布为: [[0.301023 0.8182187 0.71007144 0.80164504 0.7268218 0.58599055 0.19250274 0.9076816 0.8101771 0.49439466]]从结果上看，在output中排名最高的值为0.9076816，其对应的数字为7，而我们实际的数字为1，故不是Top1，而数字1对应的值为0.8182187，排名第二，故在Top5内。实际结果是否in top 1: [False]实际结果为数字: [1]
2023-10-16 19:32:48
769
1
原创 机器学习评价指标
mAP：mean Average Precision, 即各类别 AP 的平均值。True positives（TP，真正） : 预测为正，实际为正。False positives（FP，假正）: 预测为正，实际为负。False negatives（FN，假负）：预测为负，实际为正。True negatives（TN，真负）：预测为负，实际为负。AP：PR 曲线下面积。
2023-09-11 11:15:27
53
原创 梯度和导数关系
其实一元函数肯定也有梯度，我们经常不提及的原因其实很简单：一元函数的梯度方向就是自变量轴（x）！而导数值的正负号决定了这个方向是正方向还是反方向。如图所示，A点右＂领域＂的导数为正值，则梯度的方向跟x轴正方向一致，梯度方向指向数值增大的方向；相反在B点右＂领域＂，导数为负值，则梯度的方向为x轴的负方向，梯度方向也是指向数值增大的方向。通过这个例子向多维函数推广，梯度从数值小指向数值大的物理意义也就容易理解了。而一元函数的大小自然也就是导数的绝对值。1，方向导数：（特别是多元函数）2，梯度：梯度是一个矢量。
2023-08-31 18:15:11
444
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