随笔分类 -  Deep Learning

深度学习笔记
【Deep Learning Environment】 Windows上MMCV安装
摘要：https://blog.csdn.net/m0_46819545/article/details/132866015 亲测有效！ 阅读全文
posted @ 2023-12-14 14:43 AirCL 阅读(70) 评论(0) 推荐(0)
【Deep Learning】DDPM
摘要：DDPM 1. 大致流程 1.1 宏观流程 1.2 训练过程 1.3 推理过程 2. 对比GAN 2.1 GAN流程 2.2 相比GAN优点 训练过程更稳定，损失函数指向性更强（loss数值大小指示训练效果好坏） 3. 详细流程 3.1 扩散阶段 如下图，X0为初始干净图像，XT由X0逐步添加噪声所 阅读全文
posted @ 2023-04-04 22:02 AirCL 阅读(335) 评论(0) 推荐(0)
【Deep Learning】L1 Loss、L2 Loss、Smooth L1 Loss
摘要：L1 Loss、L2 Loss、Smooth L1 Loss L1 Loss L1 Loss别称：L1 范数损失、最小绝对值偏差（LAD）、最小绝对值误差（LAE）。最常看到的MAE也是指L1 Loss。它是把目标值与模型输出（估计值）做绝对值得到的误差。 什么时候使用？ 回归任务 简单的模型 由于 阅读全文
posted @ 2023-04-04 20:04 AirCL 阅读(436) 评论(0) 推荐(0)
【Deep Learning】有监督、无监督、半监督、自监督、弱监督的区别
摘要：机器学习根据训练模型以及训练数据的不同方式，将机器学习方法分为如下： 有监督：使用有标签的数据进行训练; 无监督：使用无标签的数据进行训练; 半监督：同时用有标签和无标签的数据进行训练。通常是两阶段的训练，先用（较小规模的）有标签数据训练一个Teacher模型，再用这个模型对（较大规模的）无标签数据 阅读全文
posted @ 2023-01-31 10:14 AirCL 阅读(1165) 评论(0) 推荐(0)
【Deep Learning Based On Pytorch】张量
摘要：Pytorch中张量与Tensor() 一、张量Tensor 张量是一个统称，其中包含很多类型： 0阶张量: 标量、常数，0-D Tensor 1阶张量: 向量，1-D Tensor 2阶张量: 矩阵，2-D Tensor 3阶张量 ... N阶张量 二、Pytorch中使用torch.Tensor 阅读全文
posted @ 2023-01-11 15:33 AirCL 阅读(62) 评论(0) 推荐(0)
【Deep Learning Based On PyTorch】神经网络介绍
摘要：神经网络 概念 人工神经网络（简称神经网络），是一种模仿生物神经网络的结构和功能的数学模型，用于对函数进行估计或近似。 和其它的机器学习方法一样，神经网络已经被用于解决各种各样的问题。 神经元 在生物神经网络中，每个神经元与其他神经元相连，当它兴奋时，就会向相连的神经元发送化学物质，从而改变这些神经 阅读全文
posted @ 2022-11-11 23:25 AirCL 阅读(130) 评论(0) 推荐(0)
【Deep Learning Based On PyTorch】深度学习简介
摘要：深度学习 深度学习是机器学习的分支，是以人工神经网络为基础，对数据的特征进行学习的方法。 机器学习与深度学习的区别 a. 特征的提取：机器学习是人工提取，深度学习是自动提取； b. 数据量：机器学习数据少，效果不好，深度学习数据多，效果更好； 场景 a. 图像识别 物体识别 场景识别 人脸检测跟踪 阅读全文
posted @ 2022-11-11 21:25 AirCL 阅读(38) 评论(0) 推荐(0)