相關(guān)文章

• 

  機(jī)器學(xué)習(xí)和深度學(xué)習(xí)-- 李宏毅（筆記與個(gè)人理解）Day10

  這節(jié)課主要介紹機(jī)器學(xué)習(xí)和深度學(xué)習(xí)任務(wù)中常見的問題分類以及相應(yīng)的解決之道 這張圖總體的概述了一個(gè)任務(wù)中的大小坎坷，不認(rèn)得英文？ 去Google吧~ training Loss 不夠的case Loss on Testing data over fitting 為什么over fitting 留到下下周哦~~ 期待 solve CNN卷積神經(jīng)網(wǎng)絡(luò) Bias-Conplexiy Trade

  2024年04月17日

  瀏覽(26)
• 

  機(jī)器學(xué)習(xí)和深度學(xué)習(xí)--李宏毅（筆記與個(gè)人理解）Day9

  中間打了一天的gta5，圖書館閉館正好+npy 不舒服那天+天氣不好，哈哈哈哈哈總之各種理由吧，導(dǎo)致昨天沒弄起來，今天補(bǔ)更！ 這里重點(diǎn)注意一下， 這個(gè) output值是概率哈，也就是說式子整體表示的含義是 x 屬于c1的概率是多大 這個(gè)老師真的是講到我的心坎子里區(qū)了，這個(gè)lo

  2024年04月17日

  瀏覽(31)

• OpenCV數(shù)據(jù)類型及CV_16UC1深度圖ros訂閱

  最近用到深度圖，對其數(shù)據(jù)類型及顯示有些迷惑，記筆記于此：

  2024年02月05日

  瀏覽(20)

• 【深度學(xué)習(xí)筆記】徹底理解torch中的tensor與numpy中array區(qū)別及用法

  剛接觸深度學(xué)習(xí)的同學(xué)，很多開源項(xiàng)目代碼中， 張量tensor 與 數(shù)組array 都有使用，不清楚兩者有什么區(qū)別，以及怎么使用，如何相互轉(zhuǎn)換等。博主起初也有類似的疑惑，經(jīng)過查閱資料以及實(shí)踐，逐漸有了深入了解，本文將記錄并分享自己對兩者的理解，可供參考。 提示：以下

  2023年04月08日

  瀏覽(82)
• 

  C語言中的float（單精度浮點(diǎn)數(shù)）

  本文主要記錄一下Float的一些基礎(chǔ)知識。 在計(jì)算機(jī)界，有個(gè)規(guī)定叫IEEE754，它規(guī)定了如何以二進(jìn)制的方式來存儲10進(jìn)制的數(shù)。 按照這個(gè)規(guī)定，單精度浮點(diǎn)數(shù)（float）這個(gè)數(shù)據(jù)類型所占內(nèi)存大小為4個(gè)字節(jié)，也就是32位，所以單精度浮點(diǎn)數(shù)也叫32位浮點(diǎn)數(shù)，它在內(nèi)存或硬盤中要占用

  2024年02月07日

  瀏覽(25)

• 【深度學(xué)習(xí)】 NLP和神經(jīng)網(wǎng)絡(luò)表示

  ????????關(guān)于NLP一直處于動態(tài)研究中，從各個(gè)側(cè)面去描述NLP的本質(zhì)，多篇論文，各種側(cè)面去理解這個(gè)題目是很有必要的，因此本文側(cè)重文法或句法的合法性，介紹詞嵌入和N-grame用法在句法的合理性設(shè)計(jì)或安排。 ? ????????在過去的幾年里，深度神經(jīng)網(wǎng)絡(luò)主導(dǎo)了模式識別

  2024年02月15日

  瀏覽(23)

• 深度學(xué)習(xí)-雙精度

  浮點(diǎn)數(shù)據(jù)類型主要分為雙精度（Fp64）、單精度（Fp32）、半精度（FP16）。 首先來看看為什么需要混合精度。使用FP16訓(xùn)練神經(jīng)網(wǎng)絡(luò)，相對比使用FP32帶來的優(yōu)點(diǎn)有： 減少內(nèi)存占用 ：FP16的位寬是FP32的一半，因此權(quán)重等參數(shù)所占用的內(nèi)存也是原來的一半，節(jié)省下來的內(nèi)存可以放更

  2024年02月03日

  瀏覽(18)
• 

  C#的String轉(zhuǎn)換成float防止精度丟失問題

  ? 1、精度問題： float x = float.Parse(s); 在提交小數(shù)的時(shí)候會出現(xiàn)精度丟失問題, 舉個(gè)例子，unity中的Position中的x，y，z為2.073282，-1.106536，轉(zhuǎn)換成float肯定會丟失值 ? f loat:浮點(diǎn)型，含字節(jié)數(shù)為4，32bit，數(shù)值范圍為-3.4E38~3.4E38（7個(gè)有效位） ?double:雙精度實(shí)型，含字節(jié)數(shù)為8，64bit數(shù)

  2024年02月13日

  瀏覽(23)

• Kotlin浮點(diǎn)數(shù)Float整數(shù)Int乘*除/精度損失

  Kotlin浮點(diǎn)數(shù)Float整數(shù)Int乘*除/精度損失 ? ? 0.85 0 0.85 2 2.5 8.5 ? ? ? ? Java小數(shù)點(diǎn)數(shù)字和百分號數(shù)字之間的轉(zhuǎn)換_將浮點(diǎn)型轉(zhuǎn)為百分比 java-CSDN博客 文章瀏覽閱讀5.7k次，點(diǎn)贊3次，收藏5次。Java小數(shù)點(diǎn)數(shù)字和百分號數(shù)字之間的轉(zhuǎn)換小數(shù)點(diǎn)數(shù)字和百分號（百分比）數(shù)字之間的轉(zhuǎn)換在證

  2024年01月21日

  瀏覽(33)
• 

  深度學(xué)習(xí)記錄--神經(jīng)網(wǎng)絡(luò)表示及其向量化

  如下圖 就這個(gè)神經(jīng)網(wǎng)絡(luò)圖來說，它有三層，分別是 輸入層 ( Input layer )， 隱藏層 ( Hidden layer )， 輸出層 ( Output layer ) 對于其他的神經(jīng)網(wǎng)絡(luò)，隱藏層可以有很多層 一般來說，不把輸入層算作一個(gè)標(biāo)準(zhǔn)的層，所以這是一個(gè) 雙層神經(jīng)網(wǎng)絡(luò) 對于每一層的每個(gè)節(jié)點(diǎn)，以logistic為例，每

  2024年02月04日

  瀏覽(16)