- @Author：Runsen 分类任务的MLP 当目标（y）是离散的（分类的） 对于损失函数，使用交叉熵；对于评估指标，通常使用accuracy 数据集描述 CIFAR-10数据集包含10个类中的60000个图像—50000个用于培训，10000个用于测试 有关更多信息，请参阅官方文档 from tensorflow.keras.dataset... @Author：Runsen 分类任务的MLP 当目标（y）是离散的（分类的） 对于损失函数，使用交叉熵；对于评估指标，通常使用accuracy 数据集描述 CIFAR-10数据集包含10个类中的60000个图像—50000个用于培训，10000个用于测试 有关更多信息，请参阅官方文档 from tensorflow.keras.dataset...
- 文章目录 机器学习简史 二十世纪五十年代：推理期 二十世纪七十年代中期：知识期 二十世纪八十年代：从样例中学习 符号主义学习 连接主义学习 二十世纪九十年代中期：统计学习 二十一世纪：深度学习 机器学习算法 常用算法 贝叶斯算法 线性回归与逻辑回归 决策树 SVM 支持向量机 KNN（K 近邻算法）... 文章目录 机器学习简史 二十世纪五十年代：推理期 二十世纪七十年代中期：知识期 二十世纪八十年代：从样例中学习 符号主义学习 连接主义学习 二十世纪九十年代中期：统计学习 二十一世纪：深度学习 机器学习算法 常用算法 贝叶斯算法 线性回归与逻辑回归 决策树 SVM 支持向量机 KNN（K 近邻算法）...
- 文章目录 玄乎的“最大熵原理” 最大熵原理 最大熵模型 对特征函数的进一步理解 一种简单的特征函数设计 最大熵模型小结 玄乎的“最大熵原理” 下面我来尝试解释一下这个概念。 我们了解：熵，就是混乱的意思。 在面对未知时，我们眼前的情况是十分混乱的 - 这个时候的熵值极大。然后我们会通过慢慢地收集数据和信息，... 文章目录 玄乎的“最大熵原理” 最大熵原理 最大熵模型 对特征函数的进一步理解 一种简单的特征函数设计 最大熵模型小结 玄乎的“最大熵原理” 下面我来尝试解释一下这个概念。 我们了解：熵，就是混乱的意思。 在面对未知时，我们眼前的情况是十分混乱的 - 这个时候的熵值极大。然后我们会通过慢慢地收集数据和信息，...
- @Author：Runsen 文章目录 循环神经网络RNN Load Dataset 1. Vanilla RNN 2. Stacked Vanilla RNN 3. LSTM 4. Stacked LSTM 循环神经网络RNN 前馈神经网络（例如 MLP 和 CNN）功能强大，但它们并未针对处理“顺序”数据进行优化 ... @Author：Runsen 文章目录 循环神经网络RNN Load Dataset 1. Vanilla RNN 2. Stacked Vanilla RNN 3. LSTM 4. Stacked LSTM 循环神经网络RNN 前馈神经网络（例如 MLP 和 CNN）功能强大，但它们并未针对处理“顺序”数据进行优化 ...
- 文章目录 机器学习自动调参 1. Hyperopt **Hyperopt搜索参数空间** 参数空间的设置 使用sample函数从参数空间内采样： 在参数空间内使用函数： **指定搜索的算法** 实例 Hyperopt调参XGBoost 2. 贝叶斯调参 机器学习自动调参 在实际应用中，我们需要选取合适的模型... 文章目录 机器学习自动调参 1. Hyperopt **Hyperopt搜索参数空间** 参数空间的设置 使用sample函数从参数空间内采样： 在参数空间内使用函数： **指定搜索的算法** 实例 Hyperopt调参XGBoost 2. 贝叶斯调参 机器学习自动调参 在实际应用中，我们需要选取合适的模型...
- 文章目录 相关分析 皮尔逊相关系数 连续变量的相关分析 Pearson.相关系数 协方差 计算与检验 相关系数的显著性检验 斯皮尔曼等级变量的相关分析 斯皮尔曼等级相关 斯皮尔曼实例 等级相关系数的显著性检验 肯德尔和谐系数( Kendall) 实例1:同一评价者无相同等级评定时 实例2:同一评价者有相同等级评定时 肯... 文章目录 相关分析 皮尔逊相关系数 连续变量的相关分析 Pearson.相关系数 协方差 计算与检验 相关系数的显著性检验 斯皮尔曼等级变量的相关分析 斯皮尔曼等级相关 斯皮尔曼实例 等级相关系数的显著性检验 肯德尔和谐系数( Kendall) 实例1:同一评价者无相同等级评定时 实例2:同一评价者有相同等级评定时 肯...
- 文章目录 一.简介 二. 代码实现 三. 校验 训练模型 查看loss值变化 绘制决策边界： 与sklearn对比 损失函数为何不用mse? 一.简介 逻辑回归(LogisticRegression)简单来看就是在线性回归模型外面再套了一个 S i g m o i d Sigmoid 文章目录 一.简介 二. 代码实现 三. 校验 训练模型 查看loss值变化 绘制决策边界： 与sklearn对比 损失函数为何不用mse? 一.简介 逻辑回归(LogisticRegression)简单来看就是在线性回归模型外面再套了一个 S i g m o i d Sigmoid
- 编·译作者 | 王建民 人工智能(AI)最早描述于1955年，是制造智能计算机程序的科学和工程。AI可以被描述为 "一个实体（或一组合作实体的集体），能够从环境中接收输入，从这些输入中解释和学习，并表现出相关的和灵活的行为和行动，帮助实体在一段时间内实现特定的目标或目的"。人工智能的最终目标是利用机器模拟人类的智能过程，如学习、推理、自我修正等，模仿人类的决... 编·译作者 | 王建民 人工智能(AI)最早描述于1955年，是制造智能计算机程序的科学和工程。AI可以被描述为 "一个实体（或一组合作实体的集体），能够从环境中接收输入，从这些输入中解释和学习，并表现出相关的和灵活的行为和行动，帮助实体在一段时间内实现特定的目标或目的"。人工智能的最终目标是利用机器模拟人类的智能过程，如学习、推理、自我修正等，模仿人类的决...
- 今天给大家介绍的是浙江工业大学智能制药研究院的段宏亮教授研究团队发表在Chemical Communications上的文章 "Heck reaction prediction using a transformer model based on a transfer learning strategy"。 迁移学习是一种将某个领域或任务中学习到的基础知识或... 今天给大家介绍的是浙江工业大学智能制药研究院的段宏亮教授研究团队发表在Chemical Communications上的文章 "Heck reaction prediction using a transformer model based on a transfer learning strategy"。 迁移学习是一种将某个领域或任务中学习到的基础知识或...
- @Author：Runsen 计算机视觉中具有挑战性的主题之一，对象检测，可帮助组织借助数字图片作为输入来理解和识别实时对象。大量的论文基于常见的目标检测的开源数据集而来，因此需要了解常见的目标检测的开源数据集 https://public.roboflow.com/object-detection CIFAR-10 CIFAR-10 是一个综合数据集，由 10... @Author：Runsen 计算机视觉中具有挑战性的主题之一，对象检测，可帮助组织借助数字图片作为输入来理解和识别实时对象。大量的论文基于常见的目标检测的开源数据集而来，因此需要了解常见的目标检测的开源数据集 https://public.roboflow.com/object-detection CIFAR-10 CIFAR-10 是一个综合数据集，由 10...
- @Author：Runsen 多层感知机（MLP）有着非常悠久的历史，多层感知机(MLP)是深度神经网络(DNN)的基础算法 MLP基础知识 目的：创建用于简单回归/分类任务的常规神经网络（即多层感知器）和Keras MLP结构 每个MLP模型由一个输入层、几个隐藏层和一个输出层组成 每层神经元的数目不受限制 具有一个隐藏层的MLP ... @Author：Runsen 多层感知机（MLP）有着非常悠久的历史，多层感知机(MLP)是深度神经网络(DNN)的基础算法 MLP基础知识 目的：创建用于简单回归/分类任务的常规神经网络（即多层感知器）和Keras MLP结构 每个MLP模型由一个输入层、几个隐藏层和一个输出层组成 每层神经元的数目不受限制 具有一个隐藏层的MLP ...
- 作者/编辑 | 王建民 导读 机器学习方法有望通过更有效地利用现有数据指导分子设计，加快和提高药物化学项目的成功率。自动化计算设计算法的一个关键步骤是分子生成，要求机器在适当的化学空间内设计出高质量的类药分子。许多分子生成的算法已经被提出，然而，一个挑战是如何评估生成分子的有效性。这里研究人员报告了三个图灵启发的测试，旨在评估分子生成器的性能。 1 ... 作者/编辑 | 王建民 导读 机器学习方法有望通过更有效地利用现有数据指导分子设计，加快和提高药物化学项目的成功率。自动化计算设计算法的一个关键步骤是分子生成，要求机器在适当的化学空间内设计出高质量的类药分子。许多分子生成的算法已经被提出，然而，一个挑战是如何评估生成分子的有效性。这里研究人员报告了三个图灵启发的测试，旨在评估分子生成器的性能。 1 ...
- 分子性质预测是药物发现领域的一项基本任务。对其进行准确预测的计算方法可以大大加快以更快、更便宜的方式找到更好的候选药物的整体过程。传统的预测分子性质的计算方法主要依靠提取指纹或人为设计的特征，然后与机器学习算法结合使用。为了捕捉当前任务所需的特征，这类分子表征本身就带有领域专家的偏见。为了超越这种偏见，采用更通用的方法，不同类型的机器学习算... 分子性质预测是药物发现领域的一项基本任务。对其进行准确预测的计算方法可以大大加快以更快、更便宜的方式找到更好的候选药物的整体过程。传统的预测分子性质的计算方法主要依靠提取指纹或人为设计的特征，然后与机器学习算法结合使用。为了捕捉当前任务所需的特征，这类分子表征本身就带有领域专家的偏见。为了超越这种偏见，采用更通用的方法，不同类型的机器学习算...
- DistributedDataParallel (既可单机多卡又可多机多卡) 先奉上官网nn.DistributedDataParallel(model)链接 https://pytorch.org/docs/stable/generated/torch.nn.parallel.DistributedDataParallel.html#torch... DistributedDataParallel (既可单机多卡又可多机多卡) 先奉上官网nn.DistributedDataParallel(model)链接 https://pytorch.org/docs/stable/generated/torch.nn.parallel.DistributedDataParallel.html#torch...
- 文章目录 第一章文档介绍 第二章模型简介 2.1.Nanodet模型结构 2.2.Naodet模型性能 第三章训练 3.1.训练环境 3.2.训练 3.2.1.修改训练参数 3.2.2.训练 第四章模型转换和使用 4.1.测试模型 4.2.模型转换 4.3.Ncnn使用 第一章文档... 文章目录 第一章文档介绍 第二章模型简介 2.1.Nanodet模型结构 2.2.Naodet模型性能 第三章训练 3.1.训练环境 3.2.训练 3.2.1.修改训练参数 3.2.2.训练 第四章模型转换和使用 4.1.测试模型 4.2.模型转换 4.3.Ncnn使用 第一章文档...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签