Xception是Google公司继Inception后提出的对 Inception-v3 的另一种改进。作者认为，通道之间的相关性与空间相关性最好要分开处理。于是采用 Separable Convolution来替换原来 Inception-v3中的卷积操作。传统卷积的实现过程：Depthwise Separable Convolution 的实现过程：深度可分离卷积 Depthwise Sep

整个过程一般可以概括为四部分，语料预处理->特征工程->模型训练->指标评价第一部分：语料预处理通过语料清洗、分词、词性标注、去停用词四个大的方面来完成语料的预处理工作。（1）语料清洗数据清洗，顾名思义就是在语料中找到我们感兴趣的东西，把不感兴趣的、视为噪音的内容清洗删除，包括对于原始文本提取标题、摘要、正文等信息。对于爬取的网页内容，去除广告、标签、HTML、JS 等代码和注释

SENet 对离散特征做field-wise加权，如果有𝑚 个fields，那么权重向量是𝑚 维。FiBiNet可以理解为同时考虑了SENet 结合 Field 间特征交叉。之前提到过的召回、排序模型中的神经网络可以用任意网络结构；LHUC起源于语⾳识别，快⼿将LHUC应⽤在推荐精排，称作PPNet。深度交叉网络就是两个分支，一边是全连接，一边是交叉网络。线性模型预测是特征的加权和。交叉网络就

YOLOV8

离散特征可以用Embedding Layers，连续特征可以归一化、分桶等处理。Swing额外考虑重合的⽤户是否来⾃⼀个⼩圈⼦，两个⽤户重合度⼤，则可能来⾃⼀个⼩圈⼦，权重降低。简单负样本可以是全体物品（考虑非均匀采样打压热门物品）或者Batch内负样本。⽤户兴趣动态变化，⽽物品特征相对稳定，事先存储物品向量𝐛，线上现算⽤户向量𝐚。困难负样本主要考虑被召回，但是被排序淘汰的样本。一个物品的两个

OpenCV扩大图像数据库由于无论使用何种算法和框架对神经网络进行训练，图片的数据量始终是一个决定训练模型好坏的重要前提。数据扩展是训练模型的一个常用手段，对于模型的鲁棒性以及准确率都有非常重要的帮助。1 图像的随机裁剪图片的随机裁剪是一个常用的扩大图像数据库的手段，好处是对于大多数的图片数据，进行模型之前都需变成统一的大小。虽图片的大小相同，但不同的裁剪位置却能够提供更多的数据...

0.线性回归的基本假定①所有解释变量之间互不相关（无多重共线性）②③假设变量（偏差）与随机变量不相关④随机扰动项满足正太分布⑤数据基本服从线性回归1.一元线性回归[数据计算方式]1.1 批量输入 and 批量计算下部程序中在进行最后的数值迭代过程中，使用的是批量计算的方式进行计算优点：一次性将所有数据加载到内存中，让计算模型在短时间内对数据进行处理缺点...

1.tensorflow简介TensorFlow是google基于distbelief开发的第二代人工智能学习系统，tensor(张量)意味着N维数组，Flow（流）意味着数据流图的计算，tensorFlow为流图从一端流向另外一端的计算，是将复杂的数据结构传输至人工智能神经网中进行分析和处理的系统。其可被运用于图像识别、语音识别、计算机视觉和广告等多项机器学习和深度学习领域，可在智能手机...

1.过拟合定义+处理1.1 过拟合概述（低偏差，高方差）定义：过拟合简单的描述就是在训练集上的表现很好，但在未见过的测试集上的表现却较差。专业一点的定义就是：给定一个假设空间H，一个假设h属于H，如果存在其他的假设h'也属于H，使得在训练样例上h的错误率小于h'，但是在整个实例分布上h'比h的错误率小，那么则称假设h过度拟合训练数据。危害：一个过拟合的模型试图连“误差”都去解...

YOLOV8