- Retinanet 提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。 Retinanet 提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。
- Retinanet 提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。 Retinanet 提出了一种简单但是非常实用的 Focal Loss 焦点损失函数，并且 Loss 设计思想可以推广到其他领域。
- 编辑第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-987 强力党逗志芃目录第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-987 强力党逗志芃前言关于数学的疑问算法训练 强力党逗志芃C语言C++语言Java语言Python语言总结第六届——第十三届省赛题解第六届——第十二届国赛题解前言 这段时间我会把蓝桥杯官网上的所有非VIP题目都发布一遍，让大家方... 编辑第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-987 强力党逗志芃目录第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-987 强力党逗志芃前言关于数学的疑问算法训练 强力党逗志芃C语言C++语言Java语言Python语言总结第六届——第十三届省赛题解第六届——第十二届国赛题解前言 这段时间我会把蓝桥杯官网上的所有非VIP题目都发布一遍，让大家方...
- 模型评估模型评估是模型开发过程不可或缺的一部分。它有助于发现表达数据的最佳模型和所选模型将来工作的性能如何。按照数据集的目标值不同，可以把模型评估分为分类模型评估和回归模型评估。一、分类模型评估准确率：预测正确的数占样本总数的比例。其他评价指标：精确率、召回率、F1-score、AUC指标等二、 回归模型评估均方根误差（Root Mean Squared Error，RMSE）RMSE是一... 模型评估模型评估是模型开发过程不可或缺的一部分。它有助于发现表达数据的最佳模型和所选模型将来工作的性能如何。按照数据集的目标值不同，可以把模型评估分为分类模型评估和回归模型评估。一、分类模型评估准确率：预测正确的数占样本总数的比例。其他评价指标：精确率、召回率、F1-score、AUC指标等二、 回归模型评估均方根误差（Root Mean Squared Error，RMSE）RMSE是一...
- 机器学习算法分类根据数据集组成不同，可以把机器学习算法分为：监督学习无监督学习半监督学习强化学习一、监督学习定义：输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值(称为回归），或是输出是有限个离散值（称作分类）。1、回归问题例如：预测房价，根据样本集拟合出一条连续曲线。2、分类问题例如：根据肿瘤特征判断良性还是恶性，得到的是结果是“良性”或者“恶性”，是离散的。二、无监督... 机器学习算法分类根据数据集组成不同，可以把机器学习算法分为：监督学习无监督学习半监督学习强化学习一、监督学习定义：输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值(称为回归），或是输出是有限个离散值（称作分类）。1、回归问题例如：预测房价，根据样本集拟合出一条连续曲线。2、分类问题例如：根据肿瘤特征判断良性还是恶性，得到的是结果是“良性”或者“恶性”，是离散的。二、无监督...
- 声明：本文仅供技术交流使用，阅读本文需具备一定的开发能力 前置准备一个域名一台服务器一个公众号 域名配置在你的域名服务商新建二级域名并绑定服务器主机IP 服务器配置上传下面的python文件到你的服务器，并修改代码段中相应位置代码（token、api-key、port）import timefrom flask import Flask,make_response,requestimport... 声明：本文仅供技术交流使用，阅读本文需具备一定的开发能力 前置准备一个域名一台服务器一个公众号 域名配置在你的域名服务商新建二级域名并绑定服务器主机IP 服务器配置上传下面的python文件到你的服务器，并修改代码段中相应位置代码（token、api-key、port）import timefrom flask import Flask,make_response,requestimport...
- 第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-6 算法训练 安慰奶牛 最小生成树 前言 算法训练 安慰奶牛 最小生成树 C++语言 Java语言 Python语言 总结 第六届——第十三届省赛题解 第六届——第十二届省赛题解 第十四届蓝桥杯集训——练习解题阶段(无序阶段)-ALGO-6 算法训练 安慰奶牛 最小生成树 前言 算法训练 安慰奶牛 最小生成树 C++语言 Java语言 Python语言 总结 第六届——第十三届省赛题解 第六届——第十二届省赛题解
- 机器学习（九）：朴素贝叶斯算法 机器学习（九）：朴素贝叶斯算法
- 数据结构训练营4 数据结构训练营4
- 数据结构刷题训练营3 数据结构刷题训练营3
- 所谓深度神经网络的优化算法，即用来更新神经网络参数，并使损失函数最小化的算法。优化算法对于深度学习非常重要，网络参数初始化决定模型是否收敛，而优化算法的性能则直接影响模型的训练效率。 所谓深度神经网络的优化算法，即用来更新神经网络参数，并使损失函数最小化的算法。优化算法对于深度学习非常重要，网络参数初始化决定模型是否收敛，而优化算法的性能则直接影响模型的训练效率。
- 反向传播(backward propagation，简称BP)指的是计算神经网络参数梯度的方法。其原理是基于微积分中的链式规则，按相反的顺序从输出层到输入层遍历网络，依次计算每个中间变量和参数的梯度。 反向传播(backward propagation，简称BP)指的是计算神经网络参数梯度的方法。其原理是基于微积分中的链式规则，按相反的顺序从输出层到输入层遍历网络，依次计算每个中间变量和参数的梯度。
- 地形浮雕包括地球地形的垂直和水平变化，驱动着地貌学、生物地理学、气候学、水文学和生态学的进程。通过地貌测量和特征提取对其进行特征描述和评估，是众多环境建模和模拟分析的基础。因此，我们开发了Geomorpho90m全球数据集，包括从MERIT-数字高程模型（DEM）中提取的不同地貌特征，这是目前最好的全球高分辨率DEM。完全标准化的26个地貌变量由以下几层组成：(i) 使用一阶和二阶导数描... 地形浮雕包括地球地形的垂直和水平变化，驱动着地貌学、生物地理学、气候学、水文学和生态学的进程。通过地貌测量和特征提取对其进行特征描述和评估，是众多环境建模和模拟分析的基础。因此，我们开发了Geomorpho90m全球数据集，包括从MERIT-数字高程模型（DEM）中提取的不同地貌特征，这是目前最好的全球高分辨率DEM。完全标准化的26个地貌变量由以下几层组成：(i) 使用一阶和二阶导数描...
- 全球ML建筑脚印必应地图正在发布全球范围内的公开建筑脚印。我们从2014年至2021年的Bing地图图像中检测到777M的建筑，包括Maxar和Airbus的图像。为了完整起见，早期发布的数据集也包括在这个数据集中，并被纳入其中。你可以在这里找到Github repo和关于方法的更多信息。数据集是压缩的，可作为不同地区的GeoJSON和GeoJSONL文件。关于预处理的其他信息和一些更多的... 全球ML建筑脚印必应地图正在发布全球范围内的公开建筑脚印。我们从2014年至2021年的Bing地图图像中检测到777M的建筑，包括Maxar和Airbus的图像。为了完整起见，早期发布的数据集也包括在这个数据集中，并被纳入其中。你可以在这里找到Github repo和关于方法的更多信息。数据集是压缩的，可作为不同地区的GeoJSON和GeoJSONL文件。关于预处理的其他信息和一些更多的...
- 当我们遇到下面问题时，我们就是可能嵌套类型太多了，所以我们需要去掉原有的括号，也就是括号嵌套太多了，所以我们用在打印list时我们就需要脱掉外面的一层括号，这样才能正确展示，这里我们首先看看错误提示错误：ImageCollection (Error)ImageCollection.fromImages, argument 'images': Invalid type.Expected ty... 当我们遇到下面问题时，我们就是可能嵌套类型太多了，所以我们需要去掉原有的括号，也就是括号嵌套太多了，所以我们用在打印list时我们就需要脱掉外面的一层括号，这样才能正确展示，这里我们首先看看错误提示错误：ImageCollection (Error)ImageCollection.fromImages, argument 'images': Invalid type.Expected ty...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中
热门标签