- 大家好，我是小小明，在学习 好友叶庭云 介绍的一门中国大学MOOC的课程中，学到手绘图像，下面我测试并总结一下。 课程链接是：https://www.icourse163.org/course/BIT-... 大家好，我是小小明，在学习 好友叶庭云 介绍的一门中国大学MOOC的课程中，学到手绘图像，下面我测试并总结一下。 课程链接是：https://www.icourse163.org/course/BIT-...
- 目录 前言往期文章6.2 维数、基与坐标定义2定义3 结语 前言 Hello！小伙伴！ 非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ 自我介绍 ଘ(... 目录 前言往期文章6.2 维数、基与坐标定义2定义3 结语 前言 Hello！小伙伴！ 非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ 自我介绍 ଘ(...
- 目录 前言往期文章5.7 正定二次型定理9：惯性定理定义10定理10推论定理11：赫尔维茨定理举例例17 结语 前言 Hello！小伙伴！ 非常感谢您阅读海轰的文章，倘若文... 目录 前言往期文章5.7 正定二次型定理9：惯性定理定义10定理10推论定理11：赫尔维茨定理举例例17 结语 前言 Hello！小伙伴！ 非常感谢您阅读海轰的文章，倘若文...
- 接学习笔记|感知机（一） 。6. 感知机学习算法感知机学习的具体算法包括原始形式和对偶形式。6.1. 感知机学习算法的原始形式6.1.1. 简述感知机学习算法等价于以下最优化问题的算法。给定一个训练数据集其中M为误分类点的集合。给出。随机选取一个误分类点，对ω,b进行更新：其中，η∈(0,1]是步长，又称学习率。6.1.2. 算法输入：训练数据集，其中，，i=1,2,...,N，学习率η∈(... 接学习笔记|感知机（一） 。6. 感知机学习算法感知机学习的具体算法包括原始形式和对偶形式。6.1. 感知机学习算法的原始形式6.1.1. 简述感知机学习算法等价于以下最优化问题的算法。给定一个训练数据集其中M为误分类点的集合。给出。随机选取一个误分类点，对ω,b进行更新：其中，η∈(0,1]是步长，又称学习率。6.1.2. 算法输入：训练数据集，其中，，i=1,2,...,N，学习率η∈(...
- 文章目录 前言往期文章2.3 逆矩阵定义写法定理1内容证明 定理2内容证明推论运算规律 结语 前言 Hello！小伙伴！ 非常感谢您阅读海轰的文章，倘若文中有错误的... 文章目录 前言往期文章2.3 逆矩阵定义写法定理1内容证明 定理2内容证明推论运算规律 结语 前言 Hello！小伙伴！ 非常感谢您阅读海轰的文章，倘若文中有错误的...
- 监督学习的应用主要在三个方面：分类问题、标注问题和回归问题。1. 分类问题分类是监督学习的一个核心问题。在监督学习中，当输出变量Y取有限个离散值时，预测问题就是分类问题。这时，输入变量X可以是离散的，也可以是连续的。监督学习从数据中学习一个分类模型或分类决策函数，称为分类器。分类器对新的输入进行输出的预测，称为分类。可能的输出称为类别。分类的类别为多个时，称为多分类问题。分类问题包括学习和分... 监督学习的应用主要在三个方面：分类问题、标注问题和回归问题。1. 分类问题分类是监督学习的一个核心问题。在监督学习中，当输出变量Y取有限个离散值时，预测问题就是分类问题。这时，输入变量X可以是离散的，也可以是连续的。监督学习从数据中学习一个分类模型或分类决策函数，称为分类器。分类器对新的输入进行输出的预测，称为分类。可能的输出称为类别。分类的类别为多个时，称为多分类问题。分类问题包括学习和分...
- 预训练200多m https://github.com/Nicholasli1995/EgoNet https://github.com/lkeab/gsnet python -m pip install detectron2 -f \ https://dl.fbaipublicfiles.com/detectron2/... 预训练200多m https://github.com/Nicholasli1995/EgoNet https://github.com/lkeab/gsnet python -m pip install detectron2 -f \ https://dl.fbaipublicfiles.com/detectron2/...
- 1. 泛化误差机器学习的泛化能力是指由学习到的模型对未知数据的预测能力，是模型本质上的重要性质。现实中采用最多的办法是通过测试误差来评价模型的泛化能力。但这种评价是依赖于测试数据集的。由于测试数据集的有限性，由此得到的评价结果很可能是不可靠的。本次学习试图从理论上对模型的泛化能力进行分析。 首先给出泛化误差的定义。如果学到的模型是f，那么用这个模型对未知数据预测的误差即为泛化误差：泛化误差反... 1. 泛化误差机器学习的泛化能力是指由学习到的模型对未知数据的预测能力，是模型本质上的重要性质。现实中采用最多的办法是通过测试误差来评价模型的泛化能力。但这种评价是依赖于测试数据集的。由于测试数据集的有限性，由此得到的评价结果很可能是不可靠的。本次学习试图从理论上对模型的泛化能力进行分析。 首先给出泛化误差的定义。如果学到的模型是f，那么用这个模型对未知数据预测的误差即为泛化误差：泛化误差反...
- 机器学习都是由模型、策略和算法构成的,即机器学习由三要素构成，可以简单地表示为:机器学习=模型+策略+算法下面以监督学习为例论述三要素。非监督学习、强化学习也同样拥有这三要素。1. 模型统计学习首要考虑的问题是学习什么样的模型。在监督学习过程中，模型就是所要学习的条件概率分布或决策函数。模型的假设空间包含所有可能的条件概率分布或决策函数。例如，假设决策函数是输入变量的线性函数，那么模型的假设... 机器学习都是由模型、策略和算法构成的,即机器学习由三要素构成，可以简单地表示为:机器学习=模型+策略+算法下面以监督学习为例论述三要素。非监督学习、强化学习也同样拥有这三要素。1. 模型统计学习首要考虑的问题是学习什么样的模型。在监督学习过程中，模型就是所要学习的条件概率分布或决策函数。模型的假设空间包含所有可能的条件概率分布或决策函数。例如，假设决策函数是输入变量的线性函数，那么模型的假设...
- 本文转载自https://zhuanlan.zhihu.com/p/141533907github： https://github.com/hhaAndroid/mmdetection-mini欢迎star部分内容有删改 0 简介本文YOLOV4论文总结分析的第二篇，其主要分析了数据增强和特征擦除手段，包括random erasing、cutout、hide-and-seek、grid ma... 本文转载自https://zhuanlan.zhihu.com/p/141533907github： https://github.com/hhaAndroid/mmdetection-mini欢迎star部分内容有删改 0 简介本文YOLOV4论文总结分析的第二篇，其主要分析了数据增强和特征擦除手段，包括random erasing、cutout、hide-and-seek、grid ma...
- 本文转载自https://www.zybuluo.com/huanghaian/note/1748811github： https://github.com/hhaAndroid/mmdetection-mini欢迎star部分内容有删改 0 摘要论文题目： Bridging the Gap Between Anchor-based and Anchor-free Detection via... 本文转载自https://www.zybuluo.com/huanghaian/note/1748811github： https://github.com/hhaAndroid/mmdetection-mini欢迎star部分内容有删改 0 摘要论文题目： Bridging the Gap Between Anchor-based and Anchor-free Detection via...
- 本文转载自https://www.zybuluo.com/huanghaian/note/1744915github： https://github.com/hhaAndroid/mmdetection-mini欢迎star部分内容有删改 0 摘要在前一篇文章第四篇：mmdetection最小复刻版(四)：独家yolo转化内幕中，我们已经详细分析了darknet框架训练的模型如何转化到mmd... 本文转载自https://www.zybuluo.com/huanghaian/note/1744915github： https://github.com/hhaAndroid/mmdetection-mini欢迎star部分内容有删改 0 摘要在前一篇文章第四篇：mmdetection最小复刻版(四)：独家yolo转化内幕中，我们已经详细分析了darknet框架训练的模型如何转化到mmd...
- 本文转载自https://www.zybuluo.com/huanghaian/note/1742594github： https://github.com/hhaAndroid/mmdetection-mini欢迎star部分内容有删改本文亮点的话，可以简单归纳为：算法最核心部分解读，比较精简结合工具进行focal loss理论分析，理论实践两不误mmdetection中的yolov3复现... 本文转载自https://www.zybuluo.com/huanghaian/note/1742594github： https://github.com/hhaAndroid/mmdetection-mini欢迎star部分内容有删改本文亮点的话，可以简单归纳为：算法最核心部分解读，比较精简结合工具进行focal loss理论分析，理论实践两不误mmdetection中的yolov3复现...
- 本文转载自https://www.zybuluo.com/huanghaian/note/1742545github： https://github.com/hhaAndroid/mmdetection-mini欢迎star部分内容有删改本文是整个框架介绍的第一篇，主要包括框架说明、结构说明、Resize、Registry、FileClient、GroupSampler、collate等部分... 本文转载自https://www.zybuluo.com/huanghaian/note/1742545github： https://github.com/hhaAndroid/mmdetection-mini欢迎star部分内容有删改本文是整个框架介绍的第一篇，主要包括框架说明、结构说明、Resize、Registry、FileClient、GroupSampler、collate等部分...
- 之前的博客介绍了如何做自定义镜像的迁移，并着重介绍通过obsutil+run.sh的迁移方式。 本文针对后续遇到的场景，进行了一些小的补全。 之前的博客介绍了如何做自定义镜像的迁移，并着重介绍通过obsutil+run.sh的迁移方式。 本文针对后续遇到的场景，进行了一些小的补全。
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