- @flyfish1986
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
目标检测 YOLOv5 - 如何提高模型的指标，提高精确率，召回率，mAP等flyfish文中包括了YOLOv5作者分享的提高模型指标小技巧和吴恩达（Andrew Ng）在做缺陷检测项目（ steel sheets for defects）时遇到的需要提高模型指标的问题是如何解决的。1 YOLOv5获得最佳训练效果指南大多数情况下，只要数据集足够大且良好标注(provided your datas
本文属于《从零实现Transformer》系列教程。本系列将基于 PyTorch 从零逐层搭建 Transformer 完整架构。深入拆解每一个组件（注意力机制、嵌入层、编码器、解码器等），夯实底层原理，亲手实现并训练属于自己的 Transformer 模型。
本文属于《从零实现Transformer》系列教程。本系列将基于 PyTorch 从零逐层搭建 Transformer 完整架构。深入拆解每一个组件（注意力机制、嵌入层、编码器、解码器等），夯实底层原理，亲手实现并训练属于自己的 Transformer 模型。
本文属于《从零实现Transformer》系列教程。本系列将基于 PyTorch 从零逐层搭建 Transformer 完整架构。深入拆解每一个组件（注意力机制、嵌入层、编码器、解码器等），夯实底层原理，亲手实现并训练属于自己的 Transformer 模型。
本文属于《从零实现Transformer》系列教程。本系列将基于 PyTorch 从零逐层搭建 Transformer 完整架构。深入拆解每一个组件（注意力机制、嵌入层、编码器、解码器等），夯实底层原理，亲手实现并训练属于自己的 Transformer 模型。
本文属于《从零实现Transformer》系列教程。本系列将基于 PyTorch 从零逐层搭建 Transformer 完整架构。深入拆解每一个组件（注意力机制、嵌入层、编码器、解码器等），夯实底层原理，亲手实现并训练属于自己的 Transformer 模型。
本文属于《从零实现Transformer》系列教程。本系列将基于 PyTorch 从零逐层搭建 Transformer 完整架构。深入拆解每一个组件（注意力机制、嵌入层、编码器、解码器等），夯实底层原理，亲手实现并训练属于自己的 Transformer 模型。
本文属于《从零实现Transformer》系列教程。本系列将基于 PyTorch 从零逐层搭建 Transformer 完整架构。深入拆解每一个组件（注意力机制、嵌入层、编码器、解码器等），夯实底层原理，亲手实现并训练属于自己的 Transformer 模型。
deeplearning.ai 总结 - 如何计算神经网络各部分的shapeflyfish标记方法采用deeplearning.ai的标记方法输入层（Input layer）隐藏层（Hidden layer）输出层（Output layer）。上图中是两层神经网络，输出层不算。输入矩阵X记为a[0]a[0]a^{[0]}，隐藏层输出记为a[1]a[1]a^{[1...