zyriix

本质与目的：正则化的本质，就是通过抑制权重的大小，让尽可能少的输入值产生作用，达到不过度依赖某一部分特征的效果。（这与我们常说的控制过拟合是否有区别？待填坑） 常用方法：L1-正则，L2-正则 L1-

深度学习优化器整理，介绍了SGD、Mini-Batch、AdaGrad、Adam等优化器算法。最朴素的思想就是将整个数据集计算出一个梯度，并进行更新，这就是BatchGradientDescent。

总结了机器学习常见的损失函数，包括绝对值、平方差、对数、Hingle、交叉熵损失函数等。并分析了 其优点和缺点

由于maskrcnn发布的时候torch刚发布到1.0.1版本，而在安装指南中写到必须使用1.0.0NightRelease版本，而现在torch已经发布到了1.4版本，究竟应该用哪个版本来编译让我感觉非常迷惑。最后实践发现，1.2.0版本能够成功编译，而该版本应该也对应了1.…

咦，这上面显示你是满分，但是测试用例没有全部通过，奇怪。那你讲一下RCNN和Attention的区别吧 Attention主要解决了RCNN在长期依赖的问题，在传统的Seq2Seq架构中，解码时RCNN只使用最后一个隐向量作为输出，当源序列过长的时候，会导致序列前端的数据被忽视…

二维层面，因为车辆他不存在一个上下关系，不可能存在一个车在另外一个车上面的情况，所以用雷达数据转为二维坐标似乎也可行，按照近大远小应该可以用一些规则或者算法进行匹配。不过如果存在遮挡的情况，可能效果就不是很好，考虑到我们是一个安全场景下的应用，可以把视觉数据里最大的坐标优先进行…

faster-rcnn一共有四个小的损失函数，在反向传播过程中有两个大的损失函数。其中RPN部分，前景/背景分类有一个损失函数，bbox-regression有一个损失函数，这两个函数加起来作为多任务损失函数在反向传播过程中一起进行传播。后面的fast-rcnn网络中，多分类有…