5,167
社区成员




① 【论文合集】Awesome Object Detection in Aerial Images(@m0_61899108)
[质量分:83;难度等级:高(关键词:论文);新鲜技术:99]
摘要:【代码】【论文合集】Awesome Object Detection in Aerial Images。
② 大模型训练数据多样性的重要性(@herosunly)
[质量分:88;难度等级:中;新鲜技术:99]
摘要:大语言模型是在海量数据集训练而成的,但通常会包含重复数据,要么是通过上采样的方法来扩充数据,要么就是数据预处理不干净造成的。数据重复可能体现在不同的颗粒度上,具体来说是句子、段落和篇章水平上。之前的部分研究工作已经表明了重复数据会对模型起到实质性的副作用。
③ 一步一步详解LSTM网络【从RNN到LSTM到GRU等,直至attention】(@旋转的油纸伞)
[质量分:89;难度等级:中;新鲜技术:99]
摘要:本文主要译至并加上了部分笔者的见解,对于全面理解LSTM有一定的帮助。
④ 【2023 · CANN训练营第一季】进阶班 应用开发:模型转换(@华为账号hw_Zixin 小鱼儿梦想+)
[质量分:84;难度等级:中(关键词:进阶);新鲜技术:87]
摘要:接下来将根据图片分类应用[2中的模型转换介绍实际使用场景。
⑤ 【EfficientDet】《EfficientDet:Scalable and Efficient Object Detection》(@bryant_meng)
[质量分:89;难度等级:初;新鲜技术:99]
摘要:CVPR-2020。
⑥ 【零基础学机器学习 3】机器学习类型简介:监督学习 - 无监督学习 - 强化学习(@程序员半夏)
[质量分:81;难度等级:初(关键词:基础);新鲜技术:99]
摘要:监督学习是一种使用标记数据来训练机器学习模型的机器学习类型。在标记数据中,输出已经是已知的。模型只需要将输入映射到相应的输出。例如,监督学习的一个例子是训练一个识别动物图像的系统。下面附上我们训练的识别猫图片的模型。
⑦ 信息熵、交叉熵、KL散度公式的简单理解(@我不爱机器学习)
[质量分:82;难度等级:初(关键词:简单);新鲜技术:99]
摘要:整理:我不爱机器学习。
⑧ T4--猴痘病识别(@EFFAF@)
[质量分:80;难度等级:初;新鲜技术:65]
摘要:-🍨本文为🔗365天深度学习训练营中的学习记录博客。