deephub

摘要： Vision Transformer和MLP-Mixer是深度学习领域最新的两个体系结构。他们在各种视觉任务中都非常成功。视觉Vision Transformer的性能略好于MLP-Mixers，但更复杂。但是这两个模型非常相似，只有微小的区别。本文中将对两个模型中的组件进行联系和对比，说明了它们的 阅读全文

摘要： 对于数据科学，Python通常被广泛地用于进行数据的处理和转换，它提供了强大的数据结构处理的函数，使数据处理更加灵活，这里说的“灵活性”是什么意思? 这意味着在Python中总是有多种方法来实现相同的结果，我们总是有不同的方法并且需要从中选择易于使用、省时并能更好控制的方法。 要掌握所有的这些方法是 阅读全文

摘要： 1、伯努利试验与二项分布的区别 伯努利试验仅指单个试验，而二项分布指多个伯努利试验。伯努利有两种可能的结果：成功和失败。 2、你需要采取那些步骤进行抽样才能正确推断总体 样本是随机选择的，需要无偏差地反映所有可满足的状态。如果有偏差则偏差也需要是最小的。 3、为什么我们必须使用推论统计而不是描述统计 阅读全文

摘要： PyMC3(现在简称为PyMC)是一个贝叶斯建模包，它使数据科学家能够轻松地进行贝叶斯推断。 PyMC3采用马尔可夫链蒙特卡罗(MCMC)方法计算后验分布。这个方法相当复杂，原理方面我们这里不做详细描述，这里只说明一些简单的概念，为什么使用MCMC呢？ 这是为了避开贝叶斯定理中计算归一化常数的棘手问 阅读全文

摘要： 基于 transformer 的双向编码器表示(BERT)和微软的图灵自然语言生成(T-NLG)等模型已经在机器学习世界中广泛的用于自然语言处理(NLP)任务，如机器翻译、文本摘要、问题回答、蛋白质折叠预测，甚至图像处理任务。 在本文中，对基于transformer 的工作成果做了一个简单的总结，将 阅读全文

摘要： 在机器学习中，我们通常致力于针对单个任务，也就是优化单个指标。但是多任务学习(MTL)在机器学习的许多应用中都取得了成功，从自然语言处理和语音识别到计算机视觉和药物发现。 MTL最著名的例子可能是特斯拉的自动驾驶系统。在自动驾驶中需要同时处理大量任务，如物体检测、深度估计、3D重建、视频分析、跟踪等 阅读全文

摘要： 计算机视觉是人工智能的一个领域，它训练计算机解释和理解视觉世界。利用来自相机和视频的字图像以及深度学习模型，机器可以准确地识别和分类物体，然后对它们“看到的”做出反应。 本文总结了常用的开源计算机视觉数据集，数据集很多如果放网址会被认定广告，所以请自行通过名字搜索，数据集按照字母顺序排序。 1、CO 阅读全文

摘要： 时间序列是由按时间排序的观察单位组成的数据。可能是天气数据、股市数据。，也就是说它是由按时间排序的观察值组成的数据。 在本文中将介绍和解释时间序列的平滑方法，时间序列统计方法在另一篇文章中进行了解释。本文将解释以下 4 个结构概念： 1、稳态（Stationary） 稳态是指系统的状态不再随时间发生 阅读全文

摘要： 线性回归是机器学习中最简单的算法，它可以通过不同的方式进行训练。 在本文中，我们将介绍以下回归算法：线性回归、Robust 回归、Ridge 回归、LASSO 回归、Elastic Net、多项式回归、多层感知机、随机森林回归和支持向量机。除此以外，本文还将介绍用于评估回归模型的最常用指标，包括均方 阅读全文

摘要： Stable Diffusion是最近在图像生成领域大火的模型，在对他研究的时候我发现它可以作为非常强大的有损图像压缩编解码器。在介绍之前，我们先看看它与高压缩率下的JPG和WebP相比的而结果，所有都是512x512像素的分辨率为单位： 上面这图的细节如下： 这是JPG压缩结果大小为5.66kB 阅读全文