深度学习中的子空间、线性变换和矩阵概念应用
1.表示子空间 在深度学习中，“不同的表示子空间”通常是指模型通过不同的参数（例如权重矩阵）将输入数据映射到不同的高维空间，这些空间被称为表示子空间。每个子空间都能够捕获输入数据中不同的特征或模式。以下是一些详细解释： 1. 特征表示： 在机器学习中，特征表示是指数据在某个空间中的表示形式。一个模型的目的是找到一个良好的特征表示，使得数据中的模式和关系能够被容易地识别和利用。 ...
动手学深度学习——矩阵
tensor(6.), tensor(1.5000), tensor(9.)) 1.2 向量 向量泛化自标量，可以被视为标量值组成的列表，相当于把标量从零阶推广到一阶，这些标量值被称为向量的元素。 在深度学习中，使用一维张量表示向量，可以理解为一维数组。 使用下标来引用向量的任一元素。向量的长度通常称为向量的维度。可以通过张量的.shape属性访问向量的长度。 形状（shape）列出了张量沿每个轴的长度（...
【深度学习实战（25）】搭建训练框架之ModelEMA
一、什么是ModelEMA： 在深度学习中，经常会使用EMA（指数移动平均）这个方法对模型的参数做平均，以求提高测试指标并增加模型鲁棒。 指数移动平均（Exponential Moving Average）也叫权重移动平均（Weighted Moving Average），是一种给予近期数据更高权重的平均方法。 二、如何实现ModelEMA 创建EMA eval mode，去并行化 self.ema =...
在图像处理领域，机器学习方法和深度学习方法的优势
在图像处理领域，机器学习方法和深度学习方法都被广泛应用，但两者有一些不同点和各自的优势。 机器学习 机器学习方法是利用数据和统计学方法来构建模型和算法，从而对图像进行分类、分割、特征提取等任务。常见的机器学习方法包括支持向量机（SVM）、随机森林（Random Forest）、决策树等。它们通常需要手动选择和提取图像的特征，然后通过训练模型来学习特征与标签之间的关系。机器学习方法的优点是对于小规模数据集...
【PyTorch与深度学习】5、深入剖析PyTorch DataLoader源码
课程地址 最近做实验发现自己还是基础框架上掌握得不好，于是开始重学一遍PyTorch框架，这个是课程笔记，此节课很详细，笔记记的比较粗 1. DataLoader 1.1 DataLoader类实现 1.1.1 构造函数__init__实现 构造函数有如下参数： dataset：传入自己定义好的数据集类Datasetbatch_size：默认值为1，它代表着每批次训练的样本的个数shuffle：布尔类型...
【深度学习实战（29）】后处理之NMS（非极大值抑制）
一、NMS工作原理 NMS 的工作原理： 置信度排序：对于每个类别，NMS 首先根据每个边界框的置信度（即预测框中含有目标的概率）进行排序。选择最高置信度框：从置信度最高的边界框开始，将其作为当前考虑的“最大”候选。计算交并比（IoU）：计算当前最大候选与所有其他边界框的交并比（Intersection over Union）。IoU 是两个边界框交集面积与并集面积的比值，用于衡量边界框之间的重叠程度。...
PyTorch与NLP：自然语言处理的深度学习实践
如何看待AIGC技术？ 目录 如何看待AIGC技术？ 一、引言 二、PyTorch与深度学习基础 2.1 PyTorch概述 2.2 深度学习基础 三、自然语言处理基础 3.1 文本表示 3.2 常见NLP任务 四、PyTorch在NLP中的应用 4.1 文本预处理 4.2 模型搭建 4.3 模型训练与评估 五、案例实践 5.1 情感分析 5.2 命名实体识别 六、进阶与扩展 6.1 模型优化 6.2 迁...
计算机毕业设计hadoop+spark+hive美食推荐系统 知识图谱美团餐厅推荐系统 美团推荐系统 美食价格预测 美团爬虫 美食数据分析 美食可视化大屏 机器学习 深度学习 人工智能 大数据毕业设计
毕业论文（设计）开题报告 核心算法代码分享如下： 在yarn-site.xml中加入如下配置：<property> <name>yarn.nodemanager.resource.memory-mb</name> <value>20480</value> </property> <property> <name>yarn.scheduler.minimum-allocation-mb</name> <v...
【PyTorch与深度学习】4、PyTorch的Dataset与DataLoader详细使用教程
课程地址 最近做实验发现自己还是基础框架上掌握得不好，于是开始重学一遍PyTorch框架，这个是课程笔记，这个课还是讲的简略，我半小时的课听了一个半小时。 1. Dataset与DataLoader Dataset类是处理单个训练样本的，也就是它是实现如何从磁盘中读取训练数据集，包括它的标签，还会做一些数据预处理，最后变成x和y的训练对象。（构建数据集） DataLoader：我们通过Dataset读取...
【深度学习基础（1）】什么是深度学习，深度学习与机器学习的区别、深度学习基本原理，深度学习的进展和未来
文章目录 一. 深度学习概念二. 深度学习与机器学习的区别三. 理解深度学习的工作原理1. 每层的转换进行权重参数化2. 怎么衡量神经网络的质量3. 怎么减小损失值 四. 深度学习已取得的进展五. 人工智能的未来 - 不要太过焦虑跟不上 一. 深度学习概念 先放一张图来理解下人工智能、机器学习、神经网络和深度学习之间的关系。 深度学习是机器学习的一个分支领域：它从数据中学习表示，强调从连续的层中学习...