建议使用以下浏览器，以获得最佳体验。 IE 9.0+以上版本 Chrome 31+ 谷歌浏览器 Firefox 30+ 火狐浏览器
温馨提示

确定
✖
温馨提示

您尚未绑定手机号，请绑定后再进行评论！

前往认证 ✖
温馨提示

确定
✖
设置昵称

在此一键设置昵称，即可参与社区互动！

确定
确定
我再想想
温馨提示

登录超时或用户已下线，请重新登录！！！

确定
取消
✖
提示

您发布的内容检测到敏感词”

如点击继续发布，敏感词将以“*”代替

返回修改
继续发布
✖

作者小头像 Lv.3
更多个人资料
256 成长值
2 关注
5 粉丝
+ 关注 私信

个人介绍

阿巴巴巴阿巴巴

感兴趣或擅长的领域

人工智能、编程语言
个人勋章
TA还没获得勋章~
成长雷达
230
6
0
0
20

个人资料

个人介绍

阿巴巴巴阿巴巴

感兴趣或擅长的领域

人工智能、编程语言

达成规则

以上满足项可达成此勋章

  • 博客
  • 关注
  • 粉丝
  • 论坛
全部时间
全部时间
最近三天
最近一周
最近一月
  • 全部
  • 暂无专栏分类
浅谈深度学习中的混合精度训练
大家好，本次博客为大家介绍一下深度学习中的混合精度训练，并通过代码实战的方式为大家讲解实际应用的理论，并对模型进行测试。
机器学习
作者小头像 李长安 2023-03-28 18:35:19
5538
1
0
2023-03-28 18:35:19
999+
1
0
CoordConv：给你的卷积加上坐标
是一篇考古的论文复现项目，在2018年Uber团队提出这个CoordConv模块的时候有很多文章对其进行批评，认为这个不值得发布一篇论文，但是现在重新看一下这个idea，同时再对比一下目前Transformer中提出的位置编码（Position Encoding），你就会感概历史是个圈，
神经网络
作者小头像 李长安 2023-03-28 18:34:05
8727
0
0
2023-03-28 18:34:05
999+
0
0
Laplace分布算子开发经验分享
Laplace分布算子开发经验分享 1、关于本次开源贡献的一些感想  其他形式的开源以前做过一些，但是黑客松还是第一次参加（因为发现这个是有奖金的，hhh），个人觉得开源贡献，包括本次的黑客松活动，是有一定门槛的，但是这个门槛却不是很高。设计文档的提交你只要会push到对应的代码库，能够提交PR即可，和日常工作中的代码开发是类似的。此外，在代码的开发过程中你也需要有Debug的能力，需要能...
API 网络
作者小头像 李长安 2023-03-28 15:58:05
4014
0
0
2023-03-28 15:58:05
999+
0
0
CosineWarmup理论介绍与代码实战
CosineWarmup是一种非常实用的训练策略，本次教程将带领大家实现该训练策略。教程将从理论和代码实战两个方面进行。
机器学习
作者小头像 李长安 2023-03-18 12:39:11
8131
0
0
2023-03-18 12:39:11
999+
0
0
对于池化层和步长为2的卷积层的一些思考
对于池化层和步长为2的卷积层来说，个人的理解是这样的，池化层是一种先验的下采样方式，即人为的确定好下采样的规则；而对于步长为2的卷积层来说，其参数是通过学习得到的，采样的规则是不确定的。
神经网络
作者小头像 李长安 2023-03-17 12:51:36
8385
0
0
2023-03-17 12:51:36
999+
0
0
重新思考神经网络的激活函数：Dynamic ReLU 与ACON激活函数复现
重新思考神经网络的激活函数：Dynamic ReLU 与ACON激活函数复现
机器学习 深度学习 神经网络
作者小头像 李长安 2023-03-17 12:32:12
4640
0
0
2023-03-17 12:32:12
999+
0
0
低配版PP-YOLO实战
低配版PP-YOLO实战
图像处理 深度学习 神经网络
作者小头像 李长安 2023-03-16 19:19:23
4270
0
0
2023-03-16 19:19:23
999+
0
0
目标检测理论与YOLOv4详解
对计算机而言，能够“看到”的是图像被编码之后的数字，所以它很难理解高层语义概念，比如图像或者视频帧中出现的目标是人还是物体，更无法定位目标出现在图像中哪个区域。目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别，并在该目标周围绘制边界框，标示出每个目标的位置
图像处理 神经网络
作者小头像 李长安 2023-02-24 16:30:17
5821
0
0
2023-02-24 16:30:17
999+
0
0
ATK Loss论文复现与代码实战
当数据存在多分布或类别分布不均衡的时候，最小化平均损失会牺牲掉小类样本以达到在整体样本集上的损失最小；当数据存在噪音或外点的时候，最大损失对噪音非常的敏感，学习到的分类边界跟Bayes最优边界相差很大；当采取损失最为聚合损失的时候（如k=10），可以更好的保护小类样本，并且其相对于最大损失而言对噪音更加鲁棒。
机器学习
作者小头像 李长安 2023-02-24 16:25:30
9538
0
0
2023-02-24 16:25:30
999+
0
0
手把手教你打比赛-螺母缺陷检测
本次教程将带领大家完整的走一遍比赛流程。经过前面一系列教程，相信大家对飞桨已经熟悉了，但是我们不能一直纸上谈兵，所以本次就带领大家完成一个实际的比赛项目。
机器学习
作者小头像 李长安 2023-02-24 16:23:56
9025
0
0
2023-02-24 16:23:56
999+
0
0
总条数：31
10
10
20
50
100
  • 1
  • 2
  • 3
  • 4

上滑加载中

https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=0&rsv_idx=1&tn=baidu&wd=sed%20%E6%9B%BF%E6%8D%A2%E5%AD%97%E7%AC%A6%E4%B8%B2&rsv_pq=c7db61a600035dc5&rsv_t=5e19yEsbV9N5fIvdlGRU
作者小头像
作者小头像
快速交付
+ 关注

确定

确定