- 导读：机器学习的学习方式包括监督学习和无监督学习等。针对一个给定的任务，首先要准备一定规模的训练数据，这些训练数据需要和真实数据的分布一致，然后设定一个目标函数和优化方法，在训练数据上学习一个模型。此外，不同任务的模型往往都是从零开始来训练的，一切知识都需要从训练数据中得到。这也导致了每个任务都需要准备大量的训练数据。在实际应用中，我们... 导读：机器学习的学习方式包括监督学习和无监督学习等。针对一个给定的任务，首先要准备一定规模的训练数据，这些训练数据需要和真实数据的分布一致，然后设定一个目标函数和优化方法，在训练数据上学习一个模型。此外，不同任务的模型往往都是从零开始来训练的，一切知识都需要从训练数据中得到。这也导致了每个任务都需要准备大量的训练数据。在实际应用中，我们...
- 自从人们发现越大的模型性能越好后，神经网络模型的参数量就在越来越大的道路上一去不复返了。从XX-large到GPT3，再到5300亿参数的Megatron Turing-NLG，深度学习越来越像是只有财大气粗的大公司才能玩得起的玩具。如果，我们想要在实验室“简陋”的环境下，尝试更大的模型，有什么行之有效的方法呢？ 最近，Faceb... 自从人们发现越大的模型性能越好后，神经网络模型的参数量就在越来越大的道路上一去不复返了。从XX-large到GPT3，再到5300亿参数的Megatron Turing-NLG，深度学习越来越像是只有财大气粗的大公司才能玩得起的玩具。如果，我们想要在实验室“简陋”的环境下，尝试更大的模型，有什么行之有效的方法呢？ 最近，Faceb...
- 文章目录 前言 系列文章 5.1 匹配的概念 定义5.1 定义5.2 定义 5.3 结语 前言 H... 文章目录 前言 系列文章 5.1 匹配的概念 定义5.1 定义5.2 定义 5.3 结语 前言 H...
- 这里面有几个损失函数： GitHub - MichaelFan01/STDC-Seg: Source Code of our CVPR2021 paper "Rethinking BiSeNet For Real-time Semantic Segmentation" 损失函数代码： #!/usr/bin/py... 这里面有几个损失函数： GitHub - MichaelFan01/STDC-Seg: Source Code of our CVPR2021 paper "Rethinking BiSeNet For Real-time Semantic Segmentation" 损失函数代码： #!/usr/bin/py...
- 文章目录 前言 系列文章 3.1 连通度 定义3.1 ：点断集 定义3.2 定理3.1 定理3.2 推论3.2.1 ... 文章目录 前言 系列文章 3.1 连通度 定义3.1 ：点断集 定义3.2 定理3.1 定理3.2 推论3.2.1 ...
- pytorch 区间loss 损失函数 我们知道sigmoid可以把值转化为0-1之间。 tanh函数可以把值转化到[-1，1]之间， 但是在回归时，希望梯度是均匀的，有么有别的方法呢？ 答案是肯定的， 解决方法1： data=torch.sin(data) 周期性函数，把值变到了0-1之间。 解决方法2： 比如要... pytorch 区间loss 损失函数 我们知道sigmoid可以把值转化为0-1之间。 tanh函数可以把值转化到[-1，1]之间， 但是在回归时，希望梯度是均匀的，有么有别的方法呢？ 答案是肯定的， 解决方法1： data=torch.sin(data) 周期性函数，把值变到了0-1之间。 解决方法2： 比如要...
- 文章目录 前言 系列文章 2.2 有向图的连通性 定义2.5 定义2.6 定义2.7 定义2.8 定理2.2 推论... 文章目录 前言 系列文章 2.2 有向图的连通性 定义2.5 定义2.6 定义2.7 定义2.8 定理2.2 推论...
- 目录 前言 往期文章 5.3 方阵的幂级数 5.3.1 方阵级数收敛定义及判断 定义5.7 定义5.8 ... 目录 前言 往期文章 5.3 方阵的幂级数 5.3.1 方阵级数收敛定义及判断 定义5.7 定义5.8 ...
- 目录 前言 系列文章 1.3 图的矩阵表示 1.3.1 邻接矩阵 无向图的邻接矩阵 小结 有向图... 目录 前言 系列文章 1.3 图的矩阵表示 1.3.1 邻接矩阵 无向图的邻接矩阵 小结 有向图...
- 对于“程序设计”的工作，许多初学者的理解就是“写代码”。同样，新手们苦恼的问题是，他们只会“写代码”。当接到一个新的任务，不少人总是在第一时间就爬到键盘上去敲代码。敲着敲着，就把自己绕糊涂... 对于“程序设计”的工作，许多初学者的理解就是“写代码”。同样，新手们苦恼的问题是，他们只会“写代码”。当接到一个新的任务，不少人总是在第一时间就爬到键盘上去敲代码。敲着敲着，就把自己绕糊涂...
- 目录 前言 往期文章 4.1 向量范数及其性质 4.1.1 向量范数的概念及P-范数 定义4.1 向量的几种... 目录 前言 往期文章 4.1 向量范数及其性质 4.1.1 向量范数的概念及P-范数 定义4.1 向量的几种...
- 目录 前言 往期文章 4.2 矩阵的范数 4.2.1 矩阵范数的定义与性质 定义4.3 4.2.2... 目录 前言 往期文章 4.2 矩阵的范数 4.2.1 矩阵范数的定义与性质 定义4.3 4.2.2...
- 目录 前言 3.2 线性变换的矩阵表示 定义3.7 命题 定理3.2.1 结语 前言 Hello！小伙伴！ 非... 目录 前言 3.2 线性变换的矩阵表示 定义3.7 命题 定理3.2.1 结语 前言 Hello！小伙伴！ 非...
- 前言： 本专栏主要结合OpenCV4，来实现一些基本的图像处理操作、经典的机器学习算法（比如K-Means、KNN、SVM、决策树、贝叶斯分类器等），以及常用的深度学习算法。 系列文章，持续更新： ... 前言： 本专栏主要结合OpenCV4，来实现一些基本的图像处理操作、经典的机器学习算法（比如K-Means、KNN、SVM、决策树、贝叶斯分类器等），以及常用的深度学习算法。 系列文章，持续更新： ...
- 文章目录 一.前言二.数据准备三.数据读取四.加载预训练模型测试五.完整源码 一.前言 情感倾向分析（Sentiment Classification，简称Senta）针对带有主观描述... 文章目录 一.前言二.数据准备三.数据读取四.加载预训练模型测试五.完整源码 一.前言 情感倾向分析（Sentiment Classification，简称Senta）针对带有主观描述...
上滑加载中
推荐直播
-
华为云码道Skill实战与极速交付，智能开发全链路实战2026/07/22 周三 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；姜浩-华为云HCDG核心组成员
直播深度解读华为云码道6月产品新特性，从Skill市场安装专家技能，带你零距离体验从需求，开发，审查，重构全链路闭环的开发过程。从零构建并交付一个完整项目，让您体验从代码提交到服务上线的“极速”之旅。
回顾中 -
聚开发者之力，创具身新未来2026/07/23 周四 15:00-17:00
张豪杰/程文/王军/刘新春/黄钦开 /张晓天
本次华为云具身智能开发平台CloudRobo培训面向具身智能开发者，带您全流程体验机器人本体R2C小时级接入、环境重建与轨迹生成仿真数据生产、PB级数据管理、数据评测、模型训推、强化学习和Benchmark一键评测等功能，并体验业界主流具身模型应用。
回顾中
热门标签