- pytorch 多GPU训练 pytorch多GPU最终还是没搞通，可用的部分是前向计算，back propagation会出错，当时运行通过，也不太确定是如何通过了的。目前是这样，有机会再来补充 pytorch支持多GPU训练，官方文档（pytorch 0.30）给了一些说明：pytorch数据并行，但遗憾的是给出的说明并不详细。不过说的还是蛮清楚的，建... pytorch 多GPU训练 pytorch多GPU最终还是没搞通，可用的部分是前向计算，back propagation会出错，当时运行通过，也不太确定是如何通过了的。目前是这样，有机会再来补充 pytorch支持多GPU训练，官方文档（pytorch 0.30）给了一些说明：pytorch数据并行，但遗憾的是给出的说明并不详细。不过说的还是蛮清楚的，建...
- 通俗理解谱聚类算法 谱聚类(Spectral Clustering, SC)是一种基于图论的聚类方法。 将带权无向图划分为两个或两个以上的最优子图，使子图内部尽量相似，而子图间距离尽量距离较远，以达到常见的聚类的目的。 "带权无向图"这个词太学术了，我们换一种叫法，即：相似度矩阵。 假设我们有一个相似度矩阵，矩阵中存的是所有对象的两两相似度。 ... 通俗理解谱聚类算法 谱聚类(Spectral Clustering, SC)是一种基于图论的聚类方法。 将带权无向图划分为两个或两个以上的最优子图，使子图内部尽量相似，而子图间距离尽量距离较远，以达到常见的聚类的目的。 "带权无向图"这个词太学术了，我们换一种叫法，即：相似度矩阵。 假设我们有一个相似度矩阵，矩阵中存的是所有对象的两两相似度。 ...
- 【机器学习】逻辑回归（Logistic Regression） 注：最近开始学习《人工智能》选修课，老师提纲挈领的介绍了一番，听完课只了解了个大概，剩下的细节只能自己继续摸索。 从本质上讲：机器学习就是一个模型对外界的刺激（训练样本）做出反应，趋利避害（评价标准）。 1. 什么是逻辑回归？ 许... 【机器学习】逻辑回归（Logistic Regression） 注：最近开始学习《人工智能》选修课，老师提纲挈领的介绍了一番，听完课只了解了个大概，剩下的细节只能自己继续摸索。 从本质上讲：机器学习就是一个模型对外界的刺激（训练样本）做出反应，趋利避害（评价标准）。 1. 什么是逻辑回归？ 许...
- 动态slimmable网络：高性能的网络轻量化方法！对比slimmable涨点5.9% 论文链接： https://arxiv.org/abs/2103.13258 代码： https://github.com/changlin31/DS-Net 一、研究动机 动态剪枝算法及其问题 动态网络为每... 动态slimmable网络：高性能的网络轻量化方法！对比slimmable涨点5.9% 论文链接： https://arxiv.org/abs/2103.13258 代码： https://github.com/changlin31/DS-Net 一、研究动机 动态剪枝算法及其问题 动态网络为每...
- 人工智能研究网 www.studyai.cn 下面的代码通过计算图像中给定区域的方向梯度直方图来估计图像的旋转角度 主要内容包括： 一、计算局部图像块方向梯度直方图的函数 二、把给定图像按照给定的角度旋转 三、如何利用旋转后的图像的方向梯度直方图和原图像的方向梯度直方图来估计旋转角度 四、绘制方向梯度直方图 计算效果如下次： 主要代码如下： ... 人工智能研究网 www.studyai.cn 下面的代码通过计算图像中给定区域的方向梯度直方图来估计图像的旋转角度 主要内容包括： 一、计算局部图像块方向梯度直方图的函数 二、把给定图像按照给定的角度旋转 三、如何利用旋转后的图像的方向梯度直方图和原图像的方向梯度直方图来估计旋转角度 四、绘制方向梯度直方图 计算效果如下次： 主要代码如下： ...
- 随机森林原理 2017-08-06 18:56 80人阅读 评论(0) 收藏 举报 分类： 机器学习（17） 转载自：http://www.zilhua.com/629.html &nb... 随机森林原理 2017-08-06 18:56 80人阅读 评论(0) 收藏 举报 分类： 机器学习（17） 转载自：http://www.zilhua.com/629.html &nb...
- 把Cross Entropy梯度分布拉平 来源：PaperWeekly 单阶段物体检测（One-stage Object Detection）方法在模型训练过程中始终面临着样本分布严重不均衡的问题，来自香港中文大学的研究者们在论文 Gradient Harmonized Single-stage Detector提出了一个新的视角——梯度分布上看... 把Cross Entropy梯度分布拉平 来源：PaperWeekly 单阶段物体检测（One-stage Object Detection）方法在模型训练过程中始终面临着样本分布严重不均衡的问题，来自香港中文大学的研究者们在论文 Gradient Harmonized Single-stage Detector提出了一个新的视角——梯度分布上看...
- torch yolov3梯度发散 原因： 每次计算之前zero_grad，梯度清0，如果没有这句 梯度会累加，产生一个很大的值，后面会梯度发散。 imgs = Variable(imgs.type(Tensor)) targets = Variable(targets.type(Tensor), requires_grad=False) optimizer.zero_gra... torch yolov3梯度发散 原因： 每次计算之前zero_grad，梯度清0，如果没有这句 梯度会累加，产生一个很大的值，后面会梯度发散。 imgs = Variable(imgs.type(Tensor)) targets = Variable(targets.type(Tensor), requires_grad=False) optimizer.zero_gra...
- https://github.com/implus/GFocal 最小的模型，247m，时间100ms一张图片 ModelMulti-scale trainingAP (minival)AP (test-dev)FPSLinkGFL_R_50_FPN_1xNo40.240.319.4GoogleGFL_R_50_FPN_2xYes42.843.119.4G... https://github.com/implus/GFocal 最小的模型，247m，时间100ms一张图片 ModelMulti-scale trainingAP (minival)AP (test-dev)FPSLinkGFL_R_50_FPN_1xNo40.240.319.4GoogleGFL_R_50_FPN_2xYes42.843.119.4G...
- 北大、字节跳动等利用增量学习提出超像素分割模型LNSNet 模型52k，cpu版，运行一张图片需要2.4s，速度挺慢。 网络结构值得学习。 因此为保证超像素分割既可以更好的借助深度学习进行有效的特征提取，又可以同时兼顾传统超像素分割方法高效、灵活、迁移性强的特点，本研究从持续学习的视角看待超像素分割问题，并提出了一种新型的超像素分割模型可以更好的支持无监... 北大、字节跳动等利用增量学习提出超像素分割模型LNSNet 模型52k，cpu版，运行一张图片需要2.4s，速度挺慢。 网络结构值得学习。 因此为保证超像素分割既可以更好的借助深度学习进行有效的特征提取，又可以同时兼顾传统超像素分割方法高效、灵活、迁移性强的特点，本研究从持续学习的视角看待超像素分割问题，并提出了一种新型的超像素分割模型可以更好的支持无监...
- 如果您想下采样/常规调整大小，您应该使用interpolate()方法，这里的上采样方法已经不推荐使用了。 Upsample CLASS torch.nn.Upsample(size=None, scale_factor=None, mode='nearest', align_corners=None) 上采样一个给定的多通道的 1D (temporal,如向... 如果您想下采样/常规调整大小，您应该使用interpolate()方法，这里的上采样方法已经不推荐使用了。 Upsample CLASS torch.nn.Upsample(size=None, scale_factor=None, mode='nearest', align_corners=None) 上采样一个给定的多通道的 1D (temporal,如向...
- VariFocalNet | IoU-aware同V-Focal Loss全面提升密集目标检测(附YOLOV5测试代码) 观察到，核心网络是resnet50，resnet101 如果推理报错，参考： https://github.com/hyz-xmaster/VarifocalNet/issues/1 准确地对大量候选检测器进行排名是高性能密集目标检测器的关键。尽管... VariFocalNet | IoU-aware同V-Focal Loss全面提升密集目标检测(附YOLOV5测试代码) 观察到，核心网络是resnet50，resnet101 如果推理报错，参考： https://github.com/hyz-xmaster/VarifocalNet/issues/1 准确地对大量候选检测器进行排名是高性能密集目标检测器的关键。尽管...
- a表示底数，n表示指数，a^n叫做幂。 幂就是一个数和它自己相乘的积,二个乘是二次幂,三个乘是三次幂,四个乘是四次幂, 象三,五这样的幂是奇次幂,二,四是偶次幂负数乘负数是正数,负数乘正数是负. 幂函数与指数函数的区别： 指数函数：自变量 x 在指数的位置上，y=a^x（a>0，a 不等于 1）性质：当 a>1 时，函数是递增函数，且 y>0;... a表示底数，n表示指数，a^n叫做幂。 幂就是一个数和它自己相乘的积,二个乘是二次幂,三个乘是三次幂,四个乘是四次幂, 象三,五这样的幂是奇次幂,二,四是偶次幂负数乘负数是正数,负数乘正数是负. 幂函数与指数函数的区别： 指数函数：自变量 x 在指数的位置上，y=a^x（a>0，a 不等于 1）性质：当 a>1 时，函数是递增函数，且 y>0;...
- 原文：http://www.jianshu.com/p/6eecdeee5012 决策树是一种简单高效并且具有强解释性的模型，广泛应用于数据分析领域。其本质是一颗由多个判断节点组成的树，如： 决策树 在使用模型进行预测时，根据输入参数依次在各个判断节点进行判断游走，最后到叶子节点即为预测结果。 如何构造决策树 决策树算法的... 原文：http://www.jianshu.com/p/6eecdeee5012 决策树是一种简单高效并且具有强解释性的模型，广泛应用于数据分析领域。其本质是一颗由多个判断节点组成的树，如： 决策树 在使用模型进行预测时，根据输入参数依次在各个判断节点进行判断游走，最后到叶子节点即为预测结果。 如何构造决策树 决策树算法的...
- 原文：https://www.cnblogs.com/zongfa/p/8971213.html Softmax函数详解与推导 一、softmax函数 softmax用于多分类过程中，它将多个神经元的输出，映射到（0,1）区间内，可以看成概率来理解，从而来进行多分类！ 假设我们有一个数组，V，Vi表示V中的第i个元素，那么这个元素的softmax值就是... 原文：https://www.cnblogs.com/zongfa/p/8971213.html Softmax函数详解与推导 一、softmax函数 softmax用于多分类过程中，它将多个神经元的输出，映射到（0,1）区间内，可以看成概率来理解，从而来进行多分类！ 假设我们有一个数组，V，Vi表示V中的第i个元素，那么这个元素的softmax值就是...
上滑加载中
推荐直播
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中
热门标签