- 文章目录 相关分析 皮尔逊相关系数 连续变量的相关分析 Pearson.相关系数 协方差 计算与检验 相关系数的显著性检验 斯皮尔曼等级变量的相关分析 斯皮尔曼等级相关 斯皮尔曼实例 等级相关系数的显著性检验 肯德尔和谐系数( Kendall) 实例1:同一评价者无相同等级评定时 实例2:同一评价者有相同等级评定时 肯... 文章目录 相关分析 皮尔逊相关系数 连续变量的相关分析 Pearson.相关系数 协方差 计算与检验 相关系数的显著性检验 斯皮尔曼等级变量的相关分析 斯皮尔曼等级相关 斯皮尔曼实例 等级相关系数的显著性检验 肯德尔和谐系数( Kendall) 实例1:同一评价者无相同等级评定时 实例2:同一评价者有相同等级评定时 肯...
- 文章目录 一.简介 二. 代码实现 三. 校验 训练模型 查看loss值变化 绘制决策边界： 与sklearn对比 损失函数为何不用mse? 一.简介 逻辑回归(LogisticRegression)简单来看就是在线性回归模型外面再套了一个 S i g m o i d Sigmoid 文章目录 一.简介 二. 代码实现 三. 校验 训练模型 查看loss值变化 绘制决策边界： 与sklearn对比 损失函数为何不用mse? 一.简介 逻辑回归(LogisticRegression)简单来看就是在线性回归模型外面再套了一个 S i g m o i d Sigmoid
- 编·译作者 | 王建民 人工智能(AI)最早描述于1955年，是制造智能计算机程序的科学和工程。AI可以被描述为 "一个实体（或一组合作实体的集体），能够从环境中接收输入，从这些输入中解释和学习，并表现出相关的和灵活的行为和行动，帮助实体在一段时间内实现特定的目标或目的"。人工智能的最终目标是利用机器模拟人类的智能过程，如学习、推理、自我修正等，模仿人类的决... 编·译作者 | 王建民 人工智能(AI)最早描述于1955年，是制造智能计算机程序的科学和工程。AI可以被描述为 "一个实体（或一组合作实体的集体），能够从环境中接收输入，从这些输入中解释和学习，并表现出相关的和灵活的行为和行动，帮助实体在一段时间内实现特定的目标或目的"。人工智能的最终目标是利用机器模拟人类的智能过程，如学习、推理、自我修正等，模仿人类的决...
- 今天给大家介绍的是浙江工业大学智能制药研究院的段宏亮教授研究团队发表在Chemical Communications上的文章 "Heck reaction prediction using a transformer model based on a transfer learning strategy"。 迁移学习是一种将某个领域或任务中学习到的基础知识或... 今天给大家介绍的是浙江工业大学智能制药研究院的段宏亮教授研究团队发表在Chemical Communications上的文章 "Heck reaction prediction using a transformer model based on a transfer learning strategy"。 迁移学习是一种将某个领域或任务中学习到的基础知识或...
- @Author：Runsen 计算机视觉中具有挑战性的主题之一，对象检测，可帮助组织借助数字图片作为输入来理解和识别实时对象。大量的论文基于常见的目标检测的开源数据集而来，因此需要了解常见的目标检测的开源数据集 https://public.roboflow.com/object-detection CIFAR-10 CIFAR-10 是一个综合数据集，由 10... @Author：Runsen 计算机视觉中具有挑战性的主题之一，对象检测，可帮助组织借助数字图片作为输入来理解和识别实时对象。大量的论文基于常见的目标检测的开源数据集而来，因此需要了解常见的目标检测的开源数据集 https://public.roboflow.com/object-detection CIFAR-10 CIFAR-10 是一个综合数据集，由 10...
- @Author：Runsen 多层感知机（MLP）有着非常悠久的历史，多层感知机(MLP)是深度神经网络(DNN)的基础算法 MLP基础知识 目的：创建用于简单回归/分类任务的常规神经网络（即多层感知器）和Keras MLP结构 每个MLP模型由一个输入层、几个隐藏层和一个输出层组成 每层神经元的数目不受限制 具有一个隐藏层的MLP ... @Author：Runsen 多层感知机（MLP）有着非常悠久的历史，多层感知机(MLP)是深度神经网络(DNN)的基础算法 MLP基础知识 目的：创建用于简单回归/分类任务的常规神经网络（即多层感知器）和Keras MLP结构 每个MLP模型由一个输入层、几个隐藏层和一个输出层组成 每层神经元的数目不受限制 具有一个隐藏层的MLP ...
- 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...
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。
即将直播
热门标签