deephub

摘要： Grad-CAM (Gradient-weighted Class Activation Mapping) 是一种可视化深度神经网络中哪些部分对于预测结果贡献最大的技术。它能够定位到特定的图像区域，从而使得神经网络的决策过程更加可解释和可视化。 Grad-CAM 的基本思想是，在神经网络中，最后一个 阅读全文

摘要： 分类模型可以分为两大类:生成式模型与辨别式模型。本文解释了这两种模型类型之间的区别，并讨论了每种方法的优缺点。 完整文章： https://avoid.overfit.cn/post/9dc20966c4824be18ef7e9fd1acabe51 阅读全文

摘要： 使用TensorFlow训练、调优、评估、解释和部署基于树的模型的完整教程 两年前TensorFlow (TF)团队开源了一个库来训练基于树的模型，称为TensorFlow决策森林(TFDF)。经过了2年的测试，他们在上个月终于宣布这个包已经准备好发布了，也就是说我们可以真正的开始使用了。所以这篇文 阅读全文

摘要： 你可以用两种方法来测试时间序列的平稳性: 直观的方法：肉眼评估 统计方法：单位根检验 我们将创建几个示例，使用Hyndman 和 Athanasopoulos的时间序列分析教材《Forecasting: principles and practice》中提到方法解释平稳性的视觉评估，并扩展它们的用法 阅读全文

摘要： 随着CLIP和稳定模型的快速发展，图像生成领域中GAN已经不常见了，但是在表格数据中GAN还是可以看到它的身影。 现实世界的复杂性与许多方面相关(例如，缺失数据、不平衡数据、噪声数据)，但最常见的一个问题是包含异构(或“混合”)数据，即包含数字和分类特征的数据。 由于每种特征类型都可能具有自己的内在 阅读全文

摘要： 如果你刚刚开始学习神经网络，激活函数的原理一开始可能很难理解。但是如果你想开发强大的神经网络，理解它们是很重要的。 但在我们深入研究激活函数之前，先快速回顾一下神经网络架构的基本元素。如果你已经熟悉神经网络的工作原理，可以直接跳到下一节。 完整文章： https://avoid.overfit.cn 阅读全文

摘要： GPT-4发布仅仅三周后，就已经随处可见了。本月的论文推荐除了GPT-4以外还包括、语言模型的应用、扩散模型、计算机视觉、视频生成、推荐系统和神经辐射场。 1、GPT-4 Technical Report https://arxiv.org/abs/2303.08774 Sébastien Bube 阅读全文

摘要： 前几天的文章，我们已经简单的介绍过Pandas 和Polars的速度对比。刚刚发布的Pandas 2.0速度得到了显著的提升。但是本次测试发现NumPy数组上的一些基本操作仍然更快。并且Polars 0.17.0，也在上周发布，并且也提到了性能的改善，所以我们这里做一个更详细的关于速度方面的评测。 阅读全文

摘要： 如果你是一名计算机专业的学生，有对图论有基本的了解，那么你一定知道一些著名的最优路径解，如Dijkstra算法、Bellman-Ford算法和a*算法(A-Star)等。 这些算法都是大佬们经过无数小时的努力才发现的，但是现在已经是人工智能的时代，强化学习算法能够为我们提出和前辈一样好的解决方案吗? 阅读全文

摘要： 卷积神经网络(cnn)是一种神经网络，通常用于图像分类、目标检测和其他计算机视觉任务。CNN的关键组件之一是特征图，它是通过对图像应用卷积滤波器生成的输入图像的表示。 完整文章： https://avoid.overfit.cn/post/1132e4f9872a490e95bcbd0477d384 阅读全文