deephub

摘要： Curriculum Labeling (CL)，在每个自训练周期之前重新启动模型参数，优于伪标签 (PL) Pseudo-Labeling (PL) 通过将伪标签应用于未标记集中的样本以在自训练周期中进行模型训练。Curriculum Labeling (CL)中，应用类似课程学习的原则，通过在每 阅读全文

摘要： 将数据集分解为训练集，可以帮助我们了解模型，这对于模型如何推广到新的看不见数据非常重要。如果模型过度拟合可能无法很好地概括新的看不见的数据。因此也无法做出良好的预测。 拥有适当的验证策略是成功创建良好预测，使用AI模型的业务价值的第一步，本文中就整理出一些常见的数据拆分策略。 简单的训练、测试拆分 阅读全文

摘要： 联合概率P(A∩B) 两个事件一起（或依次）发生的概率。 例如：掷硬币的概率是 ¹⁄₂ = 50%，翻转 2 个公平硬币的概率是 ¹⁄₂ × ¹⁄₂ = ¹⁄₄ = 25%（这也可以理解为 50% 的 50%） P(A ∩ B) = P(A) ⋅ P(B) 对于 2 个硬币，样本空间将是 4 {HH 阅读全文

摘要： 龙与地下城（DND）于1974年发行第一版，现在所有RPG游戏都有它的影子，可以说它影响了全世界的RPG，对于RPG来说，最主要的一个特点就是有着不同类型的怪物，而我们可以通过《dungeon master guide》中提供的Challenge Rating（CR）公式来创建我们自己的怪物，因为我 阅读全文

摘要： 1、Continual Learning for Visual Search with Backward Consistent Feature Embedding Timmy S. T. Wan, Jun-Cheng Chen, Tzer-Yi Wu, Chu-Song Chen https://a 阅读全文

摘要： 在这篇文章中，将介绍如何为成功的面试做准备的，以及可以帮助我们面试的一些资源。 代码开发基础 如果你是数据科学家或软件开发人员，那么应该已经知道一些 Python 和 SQL 的基本知识，这对数据科学家的面试已经足够了，因为大多数的公司基本上是这样的——但是，在你的简历中加入 Spark 是一个很好 阅读全文

摘要： 本篇文章将介绍如何将赛道的图像转换为语义分割后鸟瞰图的轨迹。 如下所示，输入图像为 输出： 总结来说我们的任务是获取输入图像，即前方轨道的前置摄像头视图，并构建一个鸟瞰轨道视图，而鸟瞰轨道视图会分割不同的颜色表示赛道和路面的边界。 仅仅从输入图像中提取出关于走向的信息是相当困难的，因为未来的许多轨道 阅读全文

摘要： 在本文中，我将讨论一种新的半监督，多任务医学成像方法，称为Multimix，Ayana Haque（ME），Abdullah-Al-Zubaer Imran，Adam Wang、Demetri Terzopoulos。该论文在被ISBI 2021收录，并于4月的会议上发表。 MultiMix通过采用 阅读全文

摘要： 在本文中，我们将深入研究超参数优化。 为了方便起见本文将使用 Tensorflow 中包含的 Fashion MNIST[1] 数据集。该数据集在训练集中包含 60,000 张灰度图像，在测试集中包含 10,000 张图像。每张图片代表属于 10 个类别之一的单品（“T 恤/上衣”、“裤子”、“套头 阅读全文

摘要： 我们在训练和验证模型时都会将训练指标保存成起来制作成图表，这样可以在结束后进行查看和分析，但是你真的了解这些指标的图表的含义吗？ 在本文中将对训练和验证可能产生的情况进行总结并介绍这些图表到底能为我们提供什么样的信息。 让我们从一些简单的代码开始，以下代码建立了一个基本的训练流程框架。 场景 1 - 阅读全文