兴智开发者社区

兴智开发者社区

去全站搜索看看？

登录社区云

登录社区云，与社区用户共同成长

兴智开发者社区

邀请您加入社区

欢迎加入社区

欢迎加入社区

深度学习

深度学习中分类和回归常见损失函数归纳小结

1.引言在深度学习领域中，损失函数定义了模型的预测与目标值之间的距离。因此我们必须正确地选择它，只有这样所有的参数才会根据其值进行更新。损失函数的选择取决于模型的设计。在这篇文章中，我们主要讨论两种常见的的任务，即回归和分类。2.回归损失这里我们首先从损失函数的计算公式以及其背后的数学知识开始讲起。接着，我们提供一些可视化的例子，来将理论知识变得更清晰，方便我们对其有更深入的理解。2.1 MSE

赵卓不凡
2022-02-27 11:36:22

 7844

 7

#深度学习
[深度学习] Practical Deep Learning for Coders 程序员的实用深度学习手册[2]

英文原文：https://fastai.github.io/fastbook2e/book2.html。

Unity尧明
2023-12-24 16:41:18

 753

 1

#深度学习 #人工智能
深度学习入门（6）误差反向传播基础---计算图与链式法则

深度学习入门（6）误差反向传播基础---计算图与链式法则

 阿_旭
2022-11-25 09:34:49

 1212

#深度学习 #人工智能
深度学习神经网络基础知识(一) 模型选择、欠拟合和过拟合

本文讲述神经网络基础知识，具体细节讲述前向传播，反向传播和计算图，同时讲解神经网络优化方法：权重衰减，Dropout等方法，最后进行Kaggle实战，具体用一个预测房价的例子使用上述方法。

青云遮夜雨
2023-02-20 12:05:45

 1727

 1

#深度学习 #神经网络 #机器学习
计算机-基于深度学习的时间序列预测方法

毕业设计-基于深度学习的时间序列预测方法：时间序列是一种广泛存在于现实各领域之中的海量高维数据, 时间序列预测是该领域的一个研究重点. 传统的时间序列预测方法仅仅从时间的维度对时间序列进行分析,忽略了外界影响因素对时间序列可能产生的影响. 针对传统时间序列预测方法存在的问题, 提出一种基于深度学习的时间序列预测模型 DAFDC-RNN (dual-stage attention and full

HaiLang_IT
2022-12-27 19:00:00

 2534

 3

#深度学习 #人工智能 #算法
深度学习理论介绍

深度学习首先是一种机器学习。深度学习的基础，叫做神经网络，这本身就是一种机器学习算法。深度神经网络（Deep Neural Networks，以下简称DNN）是深度学习的基础。代表案例：多层感知机（Multi-Layer perceptron,MLP）

Andy_shenzl
2023-01-19 14:12:10

 2273

#深度学习 #人工智能
AI部署：聊一聊深度学习中的模型权重

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨Oldpan来源丨Oldpan博客编辑丨极市平台导读本文简要介绍了模型权重的统计方法，以及在caffe，pytorch，Ten...

3Ｄ视觉工坊
2021-09-01 07:00:00

 7531

 1

#神经网络 #算法 #人工智能 +1
复习1: 深度学习优化算法 SGD -> SGDM -> NAG ->AdaGrad -> AdaDelta -> Adam -> Nadam 详细解释 + 如何选择优化算法

深度学习优化算法经历了 SGD -> SGDM -> NAG ->AdaGrad -> AdaDelta -> Adam -> Nadam 这样的发展历程。优化器其实就是采用何种方式对损失函数进行迭代优化，也就是有一个卷积参数我们初始化了，之后loss还很大，我们让这个参数根据loss的梯度如何变，每次变多少可以让loss函数在凸曲面上不断变小而找到最优解...

qq_33666011
2020-02-25 23:27:29

 6561

 7

#深度学习 #神经网络
Bishop新著 - 深度学习:基础与概念 - 前言

大神Bishop最新深度学习巨著

 GarryWang1248
2023-12-04 10:06:38

 6095

 22

#深度学习 #人工智能
深度学习笔记（五）：欠拟合、过拟合

前言这里先介绍一个名词，模型容量：通俗的讲，模型的容量或表达能力，是指模型拟合复杂函数的能力。当模型的容量越大时，函数的假设空间就越大，就越有可能找到一个函数更逼近真实分布的函数模型。注：在卷积神经网络中，模型容量通常由网络层数、待优化参数的量来衡量。欠拟合、过拟合（1）当模型的容量过大时，网络模型除了学习到训练集数据的模态之外，还把额外的观测误差也学习进来，导致学习的模型在训练集上面表现...

AI 菌
2020-03-13 22:21:33

 4411

 26

#深度学习
【深度学习-吴恩达】L1-2 神经网络基础作业笔记

【深度学习-吴恩达】L1-2 神经网络基础作业笔记

 JackSerin
2022-07-28 20:54:25

 646

#深度学习 #神经网络 #机器学习
10分钟学会KKT条件~~~

虽然儿童不一定看得懂，但是高中以上学历肯定看得懂，确定不进来看看嘛~

第五季度
2023-05-16 17:48:38

 7170

 30

#深度学习 #机器学习 #人工智能
训练深度学习神经网络的常用5个损失函数

作者：Onepagecode来源：DeepHub IMBA神经网络在训练时的优化首先是对模型的当前状态进行误差估计，然后为了减少下一次评估的误差，需要使用一个能够表示错误函数对权重进行更新，这个函数被称为损失函数。损失函数的选择与神经网络模型从示例中学习的特定预测建模问题（例如分类或回归）有关。在本文中我们将介绍常用的一些损失函数，包括：回归模型的均方误差损失二元分类模型的交叉熵和hinge 损失

 Imagination官方博客
2022-10-18 14:11:16

 538

#python #神经网络 #机器学习 +2
深度学习入门（2）

小白的深度学习笔记

 北白川家的氷菓
2022-09-06 10:34:10

 1126

#深度学习 #cnn #神经网络
神经网络与深度学习作业1：第二章课后题

NNDL课后题

 喝无糖雪碧
2022-09-18 12:59:13

 1174

 3

#深度学习 #人工智能
[深度学习-实践]人脸识别的例子-Tensorflow2.x Keras

人脸识别的例子-Tensorflow2.x Keras1. 前言2. 环境准备3. 数据准备3.1. 模型准备3.2. 数据集准备4. 人脸识别代码讲解1. 前言2. 环境准备pip install mtcnnmtcnn 版本是0.1.0Tensorflow 版本是2.10import mtcnnimport tensorflow as tfprint(mtcnn.__version__)prin

茫茫人海一粒沙
2020-10-28 00:14:00

 3973

 2

#深度学习 #tensorflow
基于机器学习和深度学习的雷达目标分类

对圆柱体目标重复这个过程，得到一个701 × 100的训练数据矩阵，其中包含50个圆柱体和50个圆锥体轮廓。在小波时间散射网络中需要指定的关键参数是每个小波滤波器组中的时不变量的尺度、小波变换的个数以及每个八度的小波数。在这个例子中，我们构造了一个具有两个滤波器组的小波时间散射网络: 第一个滤波器组为每个八度4个小波，第二个滤波器组为每个八度2个小波。在小波散射特征提取中，数据通过一系列的小波变换

 如果我什么都不会，那么阁下如何应对呢？
2023-06-12 12:45:38

 1155

 5

#机器学习 #深度学习 #分类
深度学习框架TensorFlow.NET之数据类型及张量2（C#）

TensorFlow中数据的基本单位为张量，前面例子中我们操作的变量或者常量都是属于张量的一中，我们可以使用张量表示标量(0维度数组)、向量(1维数组)、矩阵(2维数组)、RBG图像(3维数组)、视频(4维数组)等n维数组。如：tf.add(number1, number2)是对number1和number2的值相加，可以相加，都是int类型。通过tf.constant(2,name:"常量2名称

 zxy2847225301
2023-11-05 18:33:05

 2082

 1

#深度学习 #tensorflow #人工智能
从零实现深度学习框架基础框架的构建

深度学习框架本质可以看作一个库，或者称之为包，或者是一个简单的写满了函数声明的py文件，其核心在于用户（调包侠）可以通过调用其中的函数轻松完成深度学习模型（神经网络）的创建和训练工作。其中，PaddlePaddle就是一个深度学习框架。更具体来说，如果不使用深度学习框架，用户需要自行编写模型训练中的求导和梯度反馈逻辑；使用了深度学习框架，用户只需要构造模型结构，而不需要去了解这个模型要怎么进行求导

 AI Studio
2023-02-25 15:13:37

 1094

 1

#深度学习 #人工智能 #机器学习
深度学习--早停策略

【代码】深度学习--早停策略。

aixiaohly
2023-09-05 18:35:53

 652

#深度学习 #人工智能
深度学习简化总结合注意力与循环神经网络推荐的算法

结合注意力与循环神经网络推荐的算法1、简介互联网将全球信息互连形成了信息时代不可或缺的基础信息平台，其中知识分享服务已经成为人们获取信息的主要工具。为了加快互联网知识共享，出现了大量以知乎为代表的问答社区[1] 。用户注册社区后可交互式提出与回答问题达到知识共享和交换。然而，伴随用户急剧增多，平台短时间内积攒了数目巨大、类型多样的问题，进进超过有效回复数，严重降低了用户服务体验。如何将用户提出的问

 苏州程序大白
2021-05-19 15:24:12

 1917

 3

#神经网络 #算法 #深度学习 +1
深度学习：深度学习总体概述

前言在学习深度学习和机器学习也有一段时间了终于有点时间来写写笔记回顾一下之前学到的，本文主要是笔者在阅读和观看一系列深度学习相关的书籍或者视频之后写下自己对深度学习的总体内容概述，如有不全或错误之处还请谅解并指出。一、神经网络深度学习事实上本质是在研究神经网络，其实深度学习本来就是机器学习的一个分支而机器学习分支中的神经网络由于发展较为迅速并逐渐形成新的学名——深度学习，神经网络和传统的机器学习算

 YuriFan
2020-11-28 21:55:20

 1287

 1

#深度学习 #神经网络 #人工智能
[深度学习]--注意力机制--混合域之CBAM--代码实现

注意力机制-混合域CBAM-代码实现

 故障诊断与python学习
2022-01-05 16:06:19

 2726

 1

#深度学习 #pytorch #人工智能
PaddlePaddle的深度学习可视化工具VisualDL

使用pip安装visualdlpython -m pip install visualdl -i https://mirror.baidu.com/pypi/simple这是一个调用VisualDL简单例子，首先打印日志，代码如下：from visualdl import LogWriterif __name__ == '__main__':value = [i/2900.0 for i in r

mm_exploration
2022-04-19 14:24:33

 1383

 1

#paddlepaddle #python #深度学习
深度学习基础篇：常用的损失函数

损失函数是用来度量模型一次预测结果的好坏我们规定输入值为X，则f(X)为预测值，y为真实值。这个时候我们需要一个衡量预测值和真实值之间的差距的函数，我们就称这个函数为损失函数，记作L(y,f(X))用于回归问题均方误差N个平方损失函数之和再求平均值MSE=1N∑i=1N(y(i))−f(x(i)))2MSE = \frac{1}{N}\sum_{i=1}^{N}(y^{(i))} - ...

Bonjour~Bridge
2020-04-18 17:35:45

 1772

#人脸识别 #机器学习 #深度学习 +1
深度学习模型部署-triton

链接：https://www.zhihu.com/question/517971355/answer/2721126560老潘用triton有两年多了，一直想写个教程给大家。顺便自己学习学习，拖了又拖，趁着这次换版本的机会，终于有机会了写了。triton作为一个NVIDIA开源的商用级别的服务框架，个人认为很好用而且很稳定，API接口的变化也不大，我从2020年的20.06切换到2022年的22.

javastart
2022-12-07 13:51:33

 2329

#深度学习 #人工智能
深度学习数据集合集（图片格式）

看到站内这些资源竟然还需要收费路漫漫其修远兮，分享一些免费快捷的东西，你我共勉，别在这些小的事情上浪费时间，加油。链接：https://pan.baidu.com/s/1B2Ag3cZ8ARNNGD0vb1fhOg提取码：u2an链接掉了请及时私信我...

木有丶鱼丸
2021-07-05 15:47:05

 762

 5

#深度学习
深度学习笔记（二）—神经网络基本组成

本篇简单说一下几个层，具体的详见本系列其他博文。当前的物体检测算法虽然各不相同，但第一步通常是利用卷积神经网络处理输入图像，生成深层的特征图，然后再利用各种算法完成区域生成与损失计算，这部分卷积神经网络是整个检测算法的“骨架”，也被称为Backbone。

Redamancy!
2023-10-09 20:57:28

 470

#深度学习 #神经网络 #python
Ubuntu16.04配置深度学习环境-CUDA9.0+cuDNN7+驱动+anaconda3+tensorflow1.12.0

Ubuntu16.04配置深度学习环境文章目录Ubuntu16.04配置深度学习环境1. 确定tensorflow-gpu版本与CUDA和cuDNN版本对应关系[^1]2. 安装CUDA9.0[^2]3. cudnn的安装[^2]4. 安装显卡驱动[^4]5. 安装anaconda36. 使用anaconda安装tensorflow7. 安装必要的软件和库所有引用博客均已在文章尾部标出1. 确定t

迷路爸爸180
2021-03-09 14:01:03

 1648

 4

#ubuntu #linux #深度学习 +1
《深度学习框架PyTorch入门与实践》学习笔记---第四章 torch.nn

# -------神经网络工具箱nn------------------------------------------# torch.nn是专门为深度学习而设计的模块，torch.nn的核心数据结构是Module# 既可以表示神经网络中的某个层（layer），也可以表示包含很多层的神经网络# 实际使用中，最常用的做法是继承nn.Module，撰写自己的网络/层，

小小小毛毛虫~
2021-12-18 14:56:32

 1439

#pytorch #深度学习 #神经网络
深度学习程序占用GPU显存，但计算利用率低的可能原因

nvidia-smi查看GPU情况明明显存和使用率充足，但运行代码后计算利用率（GPU-Util）始终很低。网上查了很多资料说是CPU读写操作太多，但排查后发现主要时间用在模型的前向传播过程。但watch nvidia-smi又发现只有短时间GPU计算利用率不是0%。最后顺手kill掉一些占用GPU的程序，把显存都释放了，发现可以正常运行了，记录下提醒自己及时kill掉因为ctrl+c未及时释放G

大模型联邦学习
2023-08-08 21:46:17

 1940

#深度学习 #人工智能
python深度学习基于pytorch——array(）、multiply（）以及dot()的使用

np.multiply 函数用于数组或矩阵对应元素相乘，输出与相乘数组或矩阵的大小一致，其格式如下:numpy.multiply(x1, x2, /, out=None, *, where=True,casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj])其中x1，x2之间的对应元素相乘遵守广播规则，N

醉Dowry
2022-05-07 15:05:07

 1749

#python #深度学习 #pytorch
基于深度学习的商品识别系统（网页版+YOLOv8/v7/v6/v5代码+训练数据集）

在本博客中，我们深入探讨了基于YOLOv8/v7/v6/v5的商品识别系统，其中核心技术基于YOLOv8。我们全面回顾了国内外在商品识别领域的研究进展，详细介绍了数据集的处理方法、YOLO算法的核心原理、模型构建过程以及训练策略。特别地，本文还展示了如何设计一个基于Streamlit的交互式Web应用界面，该界面不仅支持图像和视频识别，还可以接入实时摄像头进行商品识别。本博客附带了完整的Web界面

 逗逗班学Python
2024-04-03 21:00:00

 1.4w

 40

#深度学习 #目标检测 #python
Sora边玩边赚：10招轻松赚外快（深度学习大模型最新进展）

比如教程、工具，只要是Sora用户可能需要的，都有机会赚钱。以上就是用Sora赚钱的10种方法，简单有趣，谁都能试试。找些Sora相关的产品，通过直播的方式卖给观众。讲解Sora的同时推荐产品，既能提高关注度也能赚钱。来看看这10个简单又好玩的副业点子，让你在Sora的世界里赚得开心！视频火了，你也跟着火，粉丝一多，钱自然就来。把你用Sora做的视频卖给需要的人。有的人想要酷炫的Sora视频，但懒

 DeepMind1
2024-02-18 11:26:53

 1117

 8

#深度学习
深度学习未来发展方向

深度学习未来发展方向

 Alchemist Notes
2022-07-18 11:53:31

 882

#深度学习
基于深度学习的NILM负荷分解

使用keras，TF2，UK数据集，不同的网络结构和算法。从实践中学习和迭代网络。用深度学习网络，来进行负荷分解，预测和电器的识别。日常工作有点忙，不过我争取每周完成两到三篇本周末开始写哈~~需要的同学们可以关注哈，我建个QQ群1070535031先这样本周开始更新这个...

wwb_0218
2020-07-07 19:14:38

 3132

 9

#深度学习 #人工智能 #机器学习 +1
深度学习之优化函数

在计算出模型的损失之后，就需要利用损失值进行模型参数的优化。在在计算出模型的损失之后，就需要利用损失值进行模型参数的优化。在实践操作中最常用到的是一阶优化函数，典型的一阶优化函数包括GD、SGD、 Momentum、Adagrad、Adam 等等。一阶优化函数在优化过程中求解的是参数的一阶导数，这些一阶导数的值就是模型中参数的微调值。这里引入了一个新的概念：梯度。梯度其实就是将多元函数的各...

L枷锁T
2020-02-21 21:54:51

 2253

 1

#深度学习 #神经网络 #机器学习
使用Java+Springboot+Mysql开发个性化新能源汽车推荐系统在线新能源电动车辆推荐平台汽车购物商城基于机器学习、深度学习、人工智能推荐基于协同过滤推荐算法爬虫可视化数据分析

前台用户包含：注册、登录、退出登录、浏览车辆、搜索车辆、信息修改、密码修改、车辆评分、车辆收藏、车辆评论、排行榜、热点推荐、个性化推荐车辆、车辆管理、订单管理等功能；后台管理员包含：数据分析、用户管理、车辆品牌管理、车系管理、车辆管理、评分管理、收藏管理、评论管理、浏览记录管理、订单管理、管理员管理等。个性化推荐功能：游客：热点推荐（根据车辆总评分降序推荐）;登录用户：基于用户的协同过滤推荐算法（

linge511873822
2024-02-02 09:52:39

 1793

 23

#java #人工智能 #spring boot +2
手把手带你入门深度学习（一）：保姆级Anaconda和PyTorch环境配置指南

手把手教你入门深度学习（一）：Pythpn和Anconda环境配置指南，速来搭环境！

百年后封笔
2022-12-30 11:53:05

 6468

 20

#深度学习 #python #人工智能 +1
大数据案例分析（1）——深度学习概述

什么是机器学习？首先明确研究问题，例如二分类问题，我们可以先假设一个模型 y=f(x)=w1x+w0，在机器学习中的模型，通常可以理解为函数，接下来就需要确定其中的两个权重w0、w1，也就是模型参数的取值，接下来用已明确分类结果的样本数据集（训练集）来进行训练，得到参数w0、w1的最终取值，也就是得到了最终的训练模型，我们可以利用该模型对新数据进行分类判别，得到结果。除此以外还有多类...

yaoqinghao
2020-02-18 13:30:12

 2361

 3

#深度学习
跟李沐学深度学习-线性回归

import randomimport torchfrom d2l import torch as d2ldef synthtic_data(w,b,num_examples):X=torch.normal(0,1,(num_examples,len(w)))y=torch.matmul(X,w)+by+=torch.normal(0,0.01,y.shape)#给y加上一个随机噪音return

ciaowzq
2022-05-11 15:13:18

 531

 2

#线性回归 #深度学习
【神经网络与深度学习】卷积神经网络 ① 卷积 ② 互相关 ③ 卷积层和池化层 ④ 四种典型的卷积网络 ⑤ 转置卷积 ⑥ 空洞卷积 ⑦ 微步卷积

【神经网络与深度学习】卷积神经网络 ① 卷积 ② 互相关 ③ 卷积层和池化层 ④ 四种典型的卷积网络 ⑤ 转置卷积 ⑥ 空洞卷积 ⑦ 微步卷积

 Bessie_Lee
2022-01-22 15:16:09

 4324

 1

#神经网络 #深度学习 #cnn
基于深度学习的目标检测和语义分割：机器视觉中的最新进展

传统的两阶段检测器，如Faster R-CNN，已经在准确性和性能方面取得了显著进展。最新的一阶段检测器，如YOLOv4和EfficientDet，在准确性和速度上都有所提高，适用于实时应用。：实例分割是语义分割的进一步扩展，它不仅对每个像素进行类别标记，还对同一类别中的不同实例进行区分。：跨域分割任务旨在将一个领域的训练模型应用于另一个领域，例如将城市景观的分割模型应用于农村景观。这些进展推动了

 matlabgoodboy
2023-10-11 10:15:02

 1230

#深度学习 #目标检测 #人工智能
《吴恩达深度学习》编程作业-第二周

基于神经网络思维模式的逻辑回归_猫识别分类器

 Jerry---
2022-07-21 21:21:09

 3420

 7

#深度学习 #人工智能 #python
《动手学深度学习》---线性回归的从零开始实现的一些理解

李沐《动手学深度学习》---线性回归的从零开始实现的理解和笔记

 小小的香辛料
2022-04-13 19:54:21

 2303

 11

#深度学习 #pytorch #线性回归
论文阅读-2：基于深度学习的大尺度遥感图像建筑物分割研究

一、该网络中采用了上下文信息捕获模块。通过扩大感受野，在保留细节信息的同时，在中心部分进行多尺度特征的融合，缓解了传统算法中细节信息丢失的问题；通过自适应地融合局部语义特征，该网络在空间特征和通道特征之间建立长距离的依赖关系；将原始图像与 E-Net 的 3 通道分割结果作为 D-Net 的 6 通道输入进行级联。二、分割网络：边缘提取网络+细节优化网络。

hx461
2023-07-11 21:01:21

 2059

#深度学习 #论文阅读 #人工智能
【深度学习笔记】目标检测之区域入侵判断代码

这里写自定义目录标题应用背景思路区域入侵代码应用背景目标检测应用落地时，经常会有区域入侵的判断需求，本文主要记录一种简单高效的判断方法。不过区域划分目前只能是矩形，还不支持不规则区域。思路判断目标框是否与矩形区域有重叠。区域入侵代码代码片.#include<iostream>#include<cmath>using namespace std;typedef struct

machnerrn
2022-02-17 11:04:37

 2863

#深度学习 #目标检测 #人工智能
深度学习与应用实践章节测验

深度学习与应用实践章节检测

 YYZen
2023-02-22 12:13:12

 5426

 24

#深度学习
intel oneAPI 黑客松【基于深度学习的多尺度多模态脑肿瘤图像分类】

较大的脑瘤的肿瘤内部结构是不可预测的和具有挑战性的过程，为了减少这种并发症，我们设计了一种基于msmcnn - lstm的肿瘤级LGG和HGG语义分割方法。图1显示了MSMCNN的框图。在这个模型中，来自15个孩子的MRI被作为输入，它有四种模式，如t10， t10c, t20和flair0。为了提高patch结构的性能，采用了多尺度的多路径每一个都使用一个不同大小的patch。每个modalit

猛踢瘸子那条好煺
2023-12-04 22:44:12

 1239

 19

#oneapi #深度学习 #分类
[深度学习][转载]yolov5中3个损失函数含义

在代码中，这几个模型的结构基本一样，不同的是模型深度（depth_multiple）和模型宽度（width_multiple）两个参数。通过这些损失函数，YOLOv5可以非常准确的识别图像中的目标，并定位到目标的具体位置。，指的是模型预测的目标框bounding box与GTbox的CIOU，计算的是所有样本，仍然采用的是BCE loss；，有助于确保模型能够准确地定位对象，只计算正负样本的定位损

 FL1623863129
2023-02-22 13:33:30

 4599

#机器学习 #深度学习 #python

加载更多

回到
顶部

提供社区服务与技术支持

提供社区服务与技术支持

©1999-2023北京创新乐知网络技术有限公司京ICP备19004658号