![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 61
jzdl
这个作者很懒,什么都没留下…
展开
-
梯度下降法、模拟训练、拟合二次曲线、最小二乘法、MSELoss、拟合:f(x)=ax^2+bx+c
目标函数:损失函数:,就是mse损失函数展开:损失函数对a,b,c求导数:导数就是梯度,也就是目标参数与当前参数的差异,这个差异需要用梯度下降法更新重复上面的过程,参数就可以更新了,然后可以看看新参数的效果,也就是损失有没有降低。原创 2024-01-26 14:30:33 · 315 阅读 · 0 评论 -
IOU计算,邻接矩阵法
【代码】IOU计算,邻接矩阵法。原创 2022-10-25 10:13:37 · 324 阅读 · 1 评论 -
带权重的交叉熵-CrossEntropyLoss,class_weight
关注的类别加入更大权重原创 2022-07-18 18:04:54 · 1400 阅读 · 0 评论 -
BCEWithLogitsLoss
bce = BCEWithLogitsLoss()pred为网络输出,y为标签值。 第一种情况。pred和y都只有一个值 pred1.shape:[1],pred1.dtype:torch.float32y1.shape:[1],pred1.dtype:torch.float32>>> pred1 = torch.Tensor([0.3])>>> y1 = torch.Tensor([1])>>>...原创 2022-04-15 16:58:06 · 2921 阅读 · 0 评论 -
PyTorch中的modules(), children(), named_children(), parameters(), named_parameters(),state_dict()
本文通过一个例子实验来观察并讲解PyTorch中model.modules(), model.named_modules(), model.children(), model.named_children(), model.parameters(), model.named_parameters(), model.state_dict()这些model实例方法的返回值。例子如下:import torch import torch.nn as nn class Net(nn.Module):转载 2022-04-11 17:29:50 · 443 阅读 · 0 评论 -
IOU的计算和python实现
1:前言深度学习的目标检测中,IOU表示先验框(bounding box)和真实框(Ground Truth)的交并比,在数学上就是表示两个框之间的交际和两个框的并集的比值。初中我们就知道,交集一定是小于或等于并集。在faster rcnn等目标检测框架中,经常用到这个东西,今天来实现一下。虽然网上有很多版本,都实现的很好,但是可以记录一下学习过程。2:IOU分析2.1 名词解释...原创 2020-03-16 00:11:17 · 1474 阅读 · 1 评论 -
二分类交叉熵,多分类交叉熵,focal loss
1:二分类交叉熵a) 公式:,其中表示网络预测结果,是一个属于(0到1)的值,我们当然希望它们的值很接近1。是真实标签,因为是二分类,所以,的值为0或者1。网络最后一层一般为sigmoid。比如,网络最后一层sigmoid之后,网络输出为0.8,若= 1,代入公式则loss = -1*log(0.8);若= 0,loss=(1-0)*log(1-0.8)。b) pytorch中的形式:criterion1 =...原创 2020-03-08 19:17:40 · 19353 阅读 · 0 评论