圖像分類案例2 1、對于本節(jié)課中整理數(shù)據(jù)集后得到的train、valid、train_valid和test數(shù)據(jù)集，下列說法中錯誤的是： A、找到一組合適的超參數(shù)后，用trai...
發(fā)簡信
IP屬地：北京
-
《動手學(xué)深度學(xué)習(xí)》task08 圖像分類案例2；GAN；DCGAN 課后作業(yè)
-
《動手學(xué)深度學(xué)習(xí)》task07 目標(biāo)檢測基礎(chǔ)；圖像風(fēng)格遷移；圖像分類案例1 課后作業(yè)
目標(biāo)檢測基礎(chǔ) 1、我們一般通過哪些參數(shù)來生成一組錨框 A、錨框左上角xy坐標(biāo)和右下角xy坐標(biāo) B、錨框中心像素xy坐標(biāo)和錨框長寬 C、錨框中心像素xy坐標(biāo)、錨框大小和寬高比 ...
-
卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)note
主要是卷積層和池化層，并解釋填充、步幅、輸入通道和輸出通道的含義。 補充內(nèi)容： 卷積是什么 不管是什么算法，當(dāng)牽扯到數(shù)學(xué)層面的時候，都不太好理解 (￣m￣），但是理解之后都會...
-
機器翻譯相關(guān)技術(shù)note
機器翻譯和數(shù)據(jù)集 機器翻譯（MT）：將一段文本從一種語言自動翻譯為另一種語言，用神經(jīng)網(wǎng)絡(luò)解決這個問題通常稱為神經(jīng)機器翻譯（NMT）。 主要特征：輸出是單詞序列而不是單個單詞。...
-
《動手學(xué)》：過擬合、欠擬合->note
fitting:擬合，就是說這個曲線能不能很好的描述這個樣本，有比較好的泛化能力 過擬合（OverFititing）：太過貼近于訓(xùn)練數(shù)據(jù)的特征了，在訓(xùn)練集上表現(xiàn)非常優(yōu)秀，近乎...
-
《動手學(xué)深度學(xué)習(xí)》：線性回歸重點
線性回歸 主要內(nèi)容包括： 線性回歸的基本要素 線性回歸模型從零開始的實現(xiàn) 線性回歸模型使用pytorch的簡潔實現(xiàn) 重點記錄： 損失函數(shù) 在模型訓(xùn)練中，我們需要衡量價格預(yù)測值...