5,496
社区成员
① Diffusion Model 深入剖析(@JarodYv)
[质量分:90;难度等级:中(关键词:深入);新鲜技术:95]
摘要:图1. 扩散模型原理概要正向扩散过程 → 为图像添加噪声。反向扩散过程 → 去除图像中的噪声。扩散模型分为正向扩散和逆向扩散两部分。正向扩散可以使用闭合的公式来完成。可以使用经过训练的神经网络完成逆向扩散。为了逼近去噪步骤qqq。
② 基于深度学习的高精度野生动物检测识别系统(PyTorch+Pyside6+YOLOv5模型)(@BestSongC)
[质量分:82;难度等级:中;新鲜技术:99]
摘要:近年来,机器学习和深度学习取得了较大的发展,深度学习方法在检测精度和速度方面与传统方法相比表现出更良好的性能。
③ 【一起啃书】《机器学习》第八章集成学习(@小天才才)
[质量分:88;难度等级:初;新鲜技术:99]
摘要:在一般经验中,如果把好坏不等的个体学习器掺到一起,那么通常结果会是比最坏的要好一些,比最好的要坏一些,要获得好的集成,个体学习器应“好而不同”,即个体学习器要有一定的“准确性”,并且要有“多样性”,也就意味着学习器间具有差异,如下所示。
④ Tensorflow深度学习笔记(@crownyouyou)
[质量分:86;难度等级:初(关键词:学习笔记);新鲜技术:99]
摘要:深度学习(Deep Learning)是一个复杂的机器学习算法,它的概念源于人工神经网络的研究,强调从连续的层(layer)中学习,其中的“”在某种意义上是指神经网络的层数,而“”是指训练这个神经网络的过程。
⑤ 量化投资:股票投资组合优化与评估(@Jerry yolo)
[质量分:86;难度等级:初(领域:Python入门;匹配程度:0.03);新鲜技术:99]
摘要:这个文本主要讨论了投资组合优化和表现评估。为了在市场条件下测试策略,需要模拟算法进行交易并验证其表现。策略评估包括针对历史数据的回测来优化策略参数和针对新的样本数据进行的前向测试来验证样本内表现。目标是避免将策略定制到特定过去情况下的虚假发现。
⑥ GAN在图像转译领域的应用-CycleGAN&Pix2Pix(@春末的南方城市)
[质量分:84;难度等级:初(领域:OpenCV;匹配程度:0.05);新鲜技术:99]
摘要:1.Pix2pix模型必须要求成对数据(paired data)。2.CycleGAN利用非成对数据进行训练(unpaired data)。3.Pix2Pix是有监督的条件GANCycleGAN是非条件GAN。4.Pix2Pix。
⑦ opencv_c++学习(二十六)(@小小小~)
[质量分:83;难度等级:初;新鲜技术:99]
摘要:Step1:选择某个像素点作为中心点P,其像素值为I。Step2:设置判定FAST角点(其方法比较两个像素之间的差值)的像素阈值,例如Tp20%∗Ip。
⑧ 3.运动鞋识别(@梦在黎明破晓时啊)
[质量分:83;难度等级:初;新鲜技术:94]
摘要:关键参数说明: ● input (Tensor):输入Tensor ● dim (int):插入单例维度的索引。● optimizer(Optimizer):是之前定义好的需要优化的优化器的实例名。●gamma(float):学习率衰减的乘法因子。