deephub

摘要： 期望最大化（EM）算法被广泛用于估计不同统计模型的参数。它是一种迭代算法，可以将一个困难的优化问题分解为几个简单的优化问题。在本文中将通过几个简单的示例解释它是如何工作的。 这个算法最流行的例子（互联网上讨论最多的）可能来自这篇论文（http://www.nature.com/nbt/journal 阅读全文

摘要： 这些有用的片段在面试中会经常出现，也可以作为日常的numpy练习。 1、导入numpy import numpy as np 2、打印numpy信息 print(np.__version__) np.show_config() 3、创建空向量 Z = np.zeros(10) print(Z) 4、 阅读全文

摘要： Swin Transformer（Liu et al。，2021）是一个基于Transformer的深度学习模型，在视觉任务中取得了最先进的性能。与VIT不同Swin Transformer更加高效并且有更高的精度。由于Swin Transformer的一些特性，现在许多视觉的模型体系结构中，Swi 阅读全文

摘要： 在 Pandas 中有很多种方法可以进行DF的合并。本文将研究这些不同的方法，以及如何将它们执行速度的对比。 合并DF Pandas 使用 .merge() 方法来执行合并。 import pandas as pd # a dictionary to convert to a dataframe d 阅读全文

摘要： “当算法给你一条曲线时，一定要知道这个曲线的含义！” 1、偏差-方差权衡 这是一个总是在机器学习最重要理论中名列前茅的概念。机器学习中的几乎所有算法（包括深度学习）都努力在偏差和方差之间取得适当的平衡，这个图清楚地解释了二者的对立关系。 2、基尼不纯度与熵 Gini（缺乏同质性的度量）和 Entro 阅读全文

摘要： 向量表示是机器学习生态系统中的一个关键概念。无论进行什么样的任务，我们总是试图训练找所掌握的数据的意义而机器学中通常使用数字向量来对数据进行描述，发现隐藏的行为，产生有价值的见解。 随着深度学习则是通过更少的假设和更少的工作获得更有意义的数据表示。例如在NLP领域，最早的 TF-IDF（词频-逆文档 阅读全文

摘要： GAN是一个非常巧妙并且非常有用的模型。当有大量关于 GAN 的论文时，但是你会发现这些论文通常很难理解，你可能会想要一些对初学者更友好的东西。所以本文的对非传统机器学习人员来说，是我能想到的最好的例子。 什么是 GAN？ GANs 或 Generative Adversarial Networks 阅读全文

摘要： 1、3D Convolutional Neural Networks for Dendrite Segmentation Using Fine-Tuning and Hyperparameter Optimization https://arxiv.org/pdf/2205.01167 Jim Ja 阅读全文

摘要： Python 3.11 pre-release已经发布。更新日志中提到： Python 3.11 is up to 10–60% faster than Python 3.10. On average, we measured a 1.25x speedup on the standard benc 阅读全文

摘要： 多目标跟踪（Multiple Object Tracking） MOT 获取单个连续视频并以特定帧速率 (fps) 将其拆分为离散帧以输出 检测每帧中存在哪些对象 标注对象在每一帧中的位置 关联不同帧中的对象是属于同一个对象还是属于不同对象 MOT的典型应用 多目标跟踪（MOT） 用于交通控制、数字 阅读全文