一.循环核二.RNN实现字母预测。2.1 输入一个字母预测下个字母该例实现对于a,b,c,d,e五个字母，对于5个字母进行训练，要求最终可以通过输入字母a网络可以输出b,输入b网络预测出c，…。对于5个字母进行one-hot编码import tensorflow as tfimport numpy as npfrom tensorflow.keras.layers import Dense, Si

所有代码来自博主Bubbliiiing，十分感谢1.相关函数（1）上采样函数Interpolate(2)交叉熵损失函数CrossEntropyLoss二.损失先贴一段训练时的损失计算代码import torchimport torch.nn as nnimport torch.nn.functional as Ffrom torch import nndef CE_Loss(inputs, tar

一.IOU理解在语义分割的问题中，交并比就是该类的真实标签和预测值的交和并的比值单类的交并比可以理解为下图：TP:预测正确，真正例，模型预测为正例，实际是正例FP:预测错误，假正例，模型预测为正例，实际是反例FN: 预测错误，假反例，模型预测为反例，实际是正例TN: 预测正确，真反例，模型预测为反例，实际是反例IoU = TP / (TP + FN + FP)二.MIoUMIOU就是该数据集中的每

文章目录引言1 混淆矩阵2 语义分割PA：像素准确率CPA：类别像素准确率MPA：类别平均像素准确率IoU：交并比MIoU：平均交并比3 综合实例步骤一：输入真实、预测图片步骤二：求出混淆矩阵步骤三：评价指标计算PACPAMPAIoUMIoU4 测试代码参...