首页
沸点
课程
APP
AI用量
作品广场
专家标注
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
确定删除此收藏集吗
删除后此收藏集将被移除
取消
确定删除
确定删除此文章吗
删除后此文章将被从当前收藏集中移除
取消
确定删除
编辑收藏集
名称:
描述:
0
/100
公开
当其他人关注此收藏集后不可再更改为隐私
隐私
仅自己可见此收藏集
取消
确定
深度学习知识
订阅
小R999
更多收藏集
微信扫码分享
微信
新浪微博
QQ
13篇文章 · 0订阅
CV大模型系列之:MoCo v1,利用对比学习在CV任务上做无监督训练
MoCo v1(Momentum Contrast,v1版),一种在CV任务上,通过对比学习(contrast learning)做无监督(unsupervised)训练的方法
对比学习(Contrastive Learning)在CV与NLP领域中的研究进展
对比学习方法(CV) 对比学习要做什么? 有监督训练的典型问题,就是标注数据是有限的。 目前NLP领域的经验,自监督预训练使用的数据量越大,模型越复杂,那么模型能够吸收的知识越多,对下游任务效果来说越
对比学习算法在转转的实践
CL 的技术源泉来自度量学习,大概的思想是:定义好样本的正例和负例,以及映射关系(将实体映射到新的空间),优化目标是让正例在空间中与目标样本的距离近一些,而负例要相对远一些。
算法金 | 最难的来了:超参数网格搜索、贝叶斯优化、遗传算法、模型特异化、Hyperopt、Optuna、异步并行优化
今日 215/10000 抱个拳,送个礼 为模型找到最好的超参数是机器学习实践中最困难的部分之一 1. 超参数调优的基本概念 机器学习模型中的参数通常分为两类:模型参数和超参数。模型参数是模型通过
什么是ROC曲线?什么是AUC?
ROC曲线是一种广泛用于分类问题中评价模型性能的方法。ROC曲线是Receiver Operating Characteristic曲线的缩写,它可以帮助我们探究模型的真正阳性率和假正阳性率之间的权衡
混淆矩阵、AUC、ROC,傻傻分不清楚?来看这篇就对了
今天是机器学习专题的第18篇文章,我们来看看机器学习领域当中,非常重要的其他几个指标。 在上一篇文章当中,我们在介绍召回率、准确率这些概念之前,先讲了TP、FP、FN、和FP这几个值。我们再来简单地回顾一下,我们不能死记硬背这几个指标,否则很容易搞错,并且还容易搞混。我们需要从…
K-Fold加了分层能升级,你知道嘛?
如果你知道分层交叉验证(StratifiedKFold),你一定会被它惊到的,它比k折交叉验证(KFold)好用多了,尤其是面向类别不均衡的数据,来看就是了!
[深度概念]·K-Fold 交叉验证 (Cross-Validation)的理解与应用
个人主页-->http://www.yansongsong.1.在机器学习建模过程中,通行的做法通常是将数据分为训练集和测试集。测试集是与训练独立的数据,完全不参与训练,用于最终模型的评估。在训练过程中,经常会出现过拟合的问题,就是模型可以很好的匹配训练数据,却不能很好在预测训练...
一文看懂分类模型的评估指标:准确率、精准率、召回率、F1、ROC曲线、AUC曲线
机器学习评估指标大全所有事情都需要评估好坏,尤其是量化的评估指标。高考成绩用来评估学生的学习能力杠铃的重量用来评估肌肉的力量跑分用来评估手机的综合性能机器学习有很多评估的指标。有了这些指标我们就横向的
深度学习模型压缩方法概述
模型压缩算法旨在将一个大模型转化为一个精简的小模型。工业界的模型压缩方法有:知识蒸馏、轻量化模型架构、剪枝、量化。