logo
publist
写文章

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

机器学习和深度学习算法

机器学习算法和深度学习算法

文章图片
#人工智能
anaconda、cuda、pytorch安装(深度学习环境配置简洁版)

是开源的python和R语言发行版和包管理器,内置有几百个python的第三方库、包管理工具conda、可视化界面Navigator、IDE。我们使用anaconda进行python运行环境和工具包的管理。cuda是nvidia推出的基于nvidia显卡的通用并行计算架构,可以提高nvidia显卡的性能。CUDA提供了对其它编程语言的支持,如C/C++,Python,Fortran等语言。只有安装

文章图片
#python#pytorch#开发语言
机器学习和深度学习算法

机器学习算法和深度学习算法

文章图片
#人工智能
深度学习之正则化方法

正则化(Regularization)是一种用于防止过拟合、提高模型泛化能力的机器学习和统计建模技术。过拟合指的是模型在训练数据上表现很好,但在测试数据或新数据上表现较差的现象。为了提高模型在新数据上的泛化能力,正则化通过在原始损失函数中添加一个惩罚项来平衡模型的复杂度与拟合优度。

文章图片
#深度学习#人工智能
深度学习相关概念整理

残差连接(Residual Connection)是一种在深度学习领域,特别是在深度神经网络架构设计中的关键技术。它最初由何凯明等人在2015年的论文《Deep Residual Learning for Image Recognition》中提出,并应用于ResNet(Residual Network)中,极大地推动了深度神经网络的发展,尤其是在图像识别任务上的突破。残差连接的核心思想是引入“捷

文章图片
#深度学习#人工智能
深度学习之正则化方法

正则化(Regularization)是一种用于防止过拟合、提高模型泛化能力的机器学习和统计建模技术。过拟合指的是模型在训练数据上表现很好,但在测试数据或新数据上表现较差的现象。为了提高模型在新数据上的泛化能力,正则化通过在原始损失函数中添加一个惩罚项来平衡模型的复杂度与拟合优度。

文章图片
#深度学习#人工智能
anaconda、cuda、pytorch安装(深度学习环境配置简洁版)

是开源的python和R语言发行版和包管理器,内置有几百个python的第三方库、包管理工具conda、可视化界面Navigator、IDE。我们使用anaconda进行python运行环境和工具包的管理。cuda是nvidia推出的基于nvidia显卡的通用并行计算架构,可以提高nvidia显卡的性能。CUDA提供了对其它编程语言的支持,如C/C++,Python,Fortran等语言。只有安装

文章图片
#python#pytorch#开发语言
机器学习和深度学习算法

机器学习算法和深度学习算法

文章图片
#人工智能
anaconda、cuda、pytorch安装(深度学习环境配置简洁版)

是开源的python和R语言发行版和包管理器,内置有几百个python的第三方库、包管理工具conda、可视化界面Navigator、IDE。我们使用anaconda进行python运行环境和工具包的管理。cuda是nvidia推出的基于nvidia显卡的通用并行计算架构,可以提高nvidia显卡的性能。CUDA提供了对其它编程语言的支持,如C/C++,Python,Fortran等语言。只有安装

文章图片
#python#pytorch#开发语言
性能指标、参数概念

在Evo模型的研究中,Spearman相关系数被用来量化模型预测的序列概率(如序列似然性或伪似然性)与实验测量的适应度值(代表分子功能的实验评估结果)之间的关联性。也称均方根差(RMSE),是观测值与真值偏差的平方和与观测次数m比值的平方根,是用来衡量观测值同真值之间的偏差。RMSE是一种常用的测量数值之间差异的量度,其数值常为模型预测的量或是被观察到的估计量。具体来说,它会计算机器生成的句子和参

文章图片
#人工智能#机器学习
    共 14 条
  • 1
  • 2
  • 请选择