- 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...
- insightface代码： https://github.com/deepinsight/insightface 在pytorch训练时，先用gpu1训练，再用gpu2训练，加载gpu1的预训练时报错， 解决方法： 先用cpu加载模型，再转换到新的gpu id上， 代码如下： self.weight: torch.Tensor = torch.load(sel... insightface代码： https://github.com/deepinsight/insightface 在pytorch训练时，先用gpu1训练，再用gpu2训练，加载gpu1的预训练时报错， 解决方法： 先用cpu加载模型，再转换到新的gpu id上， 代码如下： self.weight: torch.Tensor = torch.load(sel...
- 文章目录 1. 文档介绍 2. 环境部署 2.1. Docker环境 2.2. 安装依赖 3. 训练 3.1. 训练参数 3.2. 网络模型 3.3. 数据集 3.4. 训练结果 4. 测试 4.1. 测试参数 4.2. 测试结果 5. 推理 5.1. 推理参数 5.2. 推理结果 ... 文章目录 1. 文档介绍 2. 环境部署 2.1. Docker环境 2.2. 安装依赖 3. 训练 3.1. 训练参数 3.2. 网络模型 3.3. 数据集 3.4. 训练结果 4. 测试 4.1. 测试参数 4.2. 测试结果 5. 推理 5.1. 推理参数 5.2. 推理结果 ...
- 实际测试，发现检测完全错误。可能是官方开源的model有问题，也可能是参数设置的问题(见Config.py文件) 地址：https://github.com/liuwei16/ALFNet 2年前的： keras的，有权重 https://github.com/VideoObjectSearch/ALFNet 从以上分析出发，作者提出... 实际测试，发现检测完全错误。可能是官方开源的model有问题，也可能是参数设置的问题(见Config.py文件) 地址：https://github.com/liuwei16/ALFNet 2年前的： keras的，有权重 https://github.com/VideoObjectSearch/ALFNet 从以上分析出发，作者提出...
- diou比ciou要小，比iou的值也小，训练时候用比较好。 测试时还是iou比较好,训练时giou比较好 import mathimport torch def bbox_iou(box1, box2, x1y1x2y2=True, GIoU=False, DIoU=False, CIoU=False): # Returns the IoU of box1 to bo... diou比ciou要小，比iou的值也小，训练时候用比较好。 测试时还是iou比较好,训练时giou比较好 import mathimport torch def bbox_iou(box1, box2, x1y1x2y2=True, GIoU=False, DIoU=False, CIoU=False): # Returns the IoU of box1 to bo...
- python tensorrt: 激活函数：hard_sigmoid https://github.com/TrojanXu/yolov5-tensorrt https://github.com/wang-xinyu/tensorrtx The Pytorch implementation is ultralytics/yol... python tensorrt: 激活函数：hard_sigmoid https://github.com/TrojanXu/yolov5-tensorrt https://github.com/wang-xinyu/tensorrtx The Pytorch implementation is ultralytics/yol...
- 1） 一个算法中多个训练任务之间需要共享输出目录，在第一个任务结果保存在目录Context.get_output_path(level="algo")中，第二个任务使用的时候获取目录Context.get_output_path(level="algo")下的结果；2） 这个项目中多个训练任务之间需要共享输出目录，在第一个任务结果保存在目录Context.get_output_... 1） 一个算法中多个训练任务之间需要共享输出目录，在第一个任务结果保存在目录Context.get_output_path(level="algo")中，第二个任务使用的时候获取目录Context.get_output_path(level="algo")下的结果；2） 这个项目中多个训练任务之间需要共享输出目录，在第一个任务结果保存在目录Context.get_output_...
- CVPR2016的文章，CMU与rbg大神的合作。原谅我一直没有对这篇文章做一个笔记~~ 文章提出了一种通过online hard example mining（OHEM）算法训练基于区域的卷积检测算子的高效目标检测算法，能够对简单样本和一些小数量样本进行抑制，使得训练过程更加高效。该方法利用显著的bootstrapping技术（SVM中被普遍利用），对SG... CVPR2016的文章，CMU与rbg大神的合作。原谅我一直没有对这篇文章做一个笔记~~ 文章提出了一种通过online hard example mining（OHEM）算法训练基于区域的卷积检测算子的高效目标检测算法，能够对简单样本和一些小数量样本进行抑制，使得训练过程更加高效。该方法利用显著的bootstrapping技术（SVM中被普遍利用），对SG...
- torch.distributed 包支持 Pytorch 分布式目前只支持 Linux Pytorch 中通过 torch.distributed 包提供分布式支持，包括 GPU 和 CPU 的分布式训练支持。。 在此之前，torch.nn.DataParalle... torch.distributed 包支持 Pytorch 分布式目前只支持 Linux Pytorch 中通过 torch.distributed 包提供分布式支持，包括 GPU 和 CPU 的分布式训练支持。。 在此之前，torch.nn.DataParalle...
- 结果分布：左边是正样本，右边是负样本。 正负loss要均衡，负样本开始略站优势 左边是正样本，右边是负样本 正确姿势： 先调小学习率，再慢慢加大，因为负样本多，慢慢找正样本。 开始负样本可以在0.8-1之间，占比0.003以内，网络好的话后面就没有了。 先负样本收敛，再正样本收敛 学习率太大的表现： 正负样本两边... 结果分布：左边是正样本，右边是负样本。 正负loss要均衡，负样本开始略站优势 左边是正样本，右边是负样本 正确姿势： 先调小学习率，再慢慢加大，因为负样本多，慢慢找正样本。 开始负样本可以在0.8-1之间，占比0.003以内，网络好的话后面就没有了。 先负样本收敛，再正样本收敛 学习率太大的表现： 正负样本两边...
- 听说效果不错，有预训练， https://github.com/yinboc/liif https://github.com/junpan19/RRN 有预训练 https://github.com/XuecaiHu/Meta-SR-Pytorch 听说效果不错，有预训练， https://github.com/yinboc/liif https://github.com/junpan19/RRN 有预训练 https://github.com/XuecaiHu/Meta-SR-Pytorch
- Ctrl+C之后呈现的信息表明，这个bug是和多线程有关系。 经过笔者实验，目前有三种可靠的解决方式 1）.Dataloader里面不用cv2.imread进行读取图片，用cv2.imread还会带来一系列的不方便，比如不能结合torchvision进行数据增强，所以最好用PIL 里面的I... Ctrl+C之后呈现的信息表明，这个bug是和多线程有关系。 经过笔者实验，目前有三种可靠的解决方式 1）.Dataloader里面不用cv2.imread进行读取图片，用cv2.imread还会带来一系列的不方便，比如不能结合torchvision进行数据增强，所以最好用PIL 里面的I...
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签