deephub

摘要： 卷积神经网络设计史上的主要里程碑：模块化、多路径、因式分解、压缩、可扩展 一般来说，分类问题是计算机视觉模型的基础，它可以延申解决更复杂的视觉问题，例如：目标检测的任务包括检测边界框并对其中的对象进行分类。而分割的任务则是对图像中的每个像素进行分类。 卷积神经网络(CNNs)首次被用于解决图像分类问 阅读全文

摘要： PyTorch是一个开源的深度学习框架，它提供了一个用于高级特性的Python包。在本文中，我们将介绍PyTorch中的常见抽样函数。抽样是一个统计过程，它从总体中提取一个子集，通过子集来研究整个总体。 完整文章 https://avoid.overfit.cn/post/17413e750e7e4 阅读全文

摘要： 什么是自相关以及为什么它在时间序列分析中是有用的。 在时间序列分析中，我们经常通过对过去的理解来预测未来。为了使这个过程成功，我们必须彻底了解我们的时间序列，找到这个时间序列中包含的信息。 自相关就是其中一种分析的方法，他可以检测时间系列中的某些特征，为我们的数据选择最优的预测模型。 在这篇简短的文 阅读全文

摘要： 在前一篇文章中，我们介绍了如何使用 GPU 运行的并行算法。这些并行任务是那些完全相互独立的任务，这点与我们一般认识的编程方式有很大的不同，虽然我们可以从并行中受益，但是这种奇葩的并行运行方式对于我们来说肯定感到非常的复杂。所以在本篇文章的Numba代码中，我们将介绍一些允许线程在计算中协作的常见技 阅读全文

摘要： 我们已经介绍过很多解析机器学习模型的方法，例如如pdp、LIME和SHAP，但是这些方法都是用在表格数据的，他们能不能用在神经网络模型呢？今天我们来LIME解释CNN。 图像与表格数据集有很大不同(显然)。如果你还记得，在之前我们讨论过的任何解释方法中，我们都是根据特征重要性，度量或可视化来解释模型 阅读全文

摘要： 条件GAN (cGAN) + Atrous卷积(AC) +带权重块的通道注意力(CAW) 该论文提出了一种基于深度对抗学习的超声图像乳腺肿瘤分割分类方法（cGAN+AC+CAW），论文虽然是2019年提出的，但是他提出了使用GAN进行分割的方法在当时来说却是一个非常新奇的想法，该论文基本上把所有当时 阅读全文

摘要： 近年来基于图的机器学习有了很大的发展。基于图的方法在数据科学中的许多常见问题中都有应用，例如链接预测、社群发现、节点分类等。根据如何组织问题和所拥有的数据，有许多解决问题的方法。本文将提供一个基于图的嵌入算法的高层次的概述。最后还将介绍如何用Python库(如node2vec)来在图上生成各种嵌入。 阅读全文

摘要： 本篇文章将实现AlphaZero的核心搜索算法：蒙特卡洛树搜索 蒙特卡洛树搜索(MCTS) 你可能熟悉术语蒙特卡洛[1]，这是一类算法，反复进行随机抽样以获得某个结果。 例如上图，在单位正方形中选择随机点，计算圆内有多少个点，可以用来估计pi/4的值 本文中我们将详细介绍MCTS的所有步骤。但首先我 阅读全文

摘要： 在本文中，我们将在PyTorch中为Chain Reaction[2]游戏从头开始实现DeepMind的AlphaZero[1]。为了使AlphaZero的学习过程更有效，我们还将使用一个相对较新的改进，称为“Playout Cap Randomization”[3]，以及来自[4]的一些其他技术。 阅读全文

摘要： 医学图像分析，多任务学习，图像分类，图像分割，U-Net，后处理 该论文是18年发布的，提出了一种基于Deep U-Net的多任务学习框架，用于GE-MRI左心房分割，该框架同时执行心房分割和消融前后分类。虽然论文已经很老了，但是改论文提出的多任务和后处理方法到现在还是可以参考的。 多任务U-Net 阅读全文