markdown和code能一起使用真是非常方便，在本地使用jupyter notebook书写笔记，然后上传到github上，不仅自己复习的时候方便查阅，还能帮到其他有需要的人。在github上查看ipynb文件以及大文件时，需要加载很长时间，而且经常加载失败。使用起来很不方便而且让人头疼、浪费时间。比如我查看优达学城的一个。...

为了减少医生受到的X线辐射量，可以在术前进行3D血管影像的采集，在术中进行2D的实时血管造影影像采集，然后将2D图像配准到3D影像中，从而减少医生经验的依赖性。为了提升医疗AI辅助诊断的分类准确率，可以使用传统图像配准方法（比如基于SIFT算子的特征点匹配）进行图像的旋转与缩放校正，也可以使用在深度学习网络中额外接入一个Spatial Transform Network。常规的手术规划依赖于丰富经

多模态多模态机器学习，英文全称 MultiModal Machine Learning (MMML)，旨在通过机器学习的方法实现处理和理解多源模态信息的能力。每一种信息的来源或者形式，都可以称为一种模态。例如，人有触觉，听觉，视觉，嗅觉；信息有语音、视频、文字等媒介；多种多样的传感器，如雷达、红外、加速度计等。以上的每一种都可以称为一种模态。模态也可以有非常广泛的定义，比如我们可以把两种不同的语言

凸函数凸函数与凹函数凸函数判断：如果是一元函数 f(x)f(x)f(x) ，我们可以求二阶导数 f′′(x)f''(x)f′′(x) ，如果二阶导 f′′(x)f''(x)f′′(x) 总是非负，即总是大于等于0， f(x)f(x)f(x)就是凸函数。如果是多元函数 f(X)f(X)f(X) ，我们可以通过Hessian矩阵（由多元函数的二阶导数组成的方阵），如果Hessian矩阵是半正定矩阵，则

coco数据集是一个大型的物体检测、分割和字符的数据集。coco数据集任务coco数据集的特点共330k图片（>200k被标记）150w对象实例80个对象类别['人', '自行车', '汽车', '摩托车', '飞机', '公交车', '火车', '卡车', '船', '红绿灯', '消防栓', '停止标志','停车收费表', '长凳', '鸟', '猫', '狗', '马', '羊', '

在得到模型后，你需要借助一些指标来评估这个模型的好坏。人在学习后，会通过考试来评价学习效果，最终会评出优等生、差等生。机器学习也是一样的。区别只是机器学习会根据问题的不同，用不同的指标来进行模型效果的评估。对于分类问题，混淆矩阵是一种直观的模型效果分析方法。假设有个二分类模型，可以对一件事的正（P）负（N）作出判断。这样，在一次判断中，存在真实结果 y^\hat{y}y^​ 和预则结果y。如果二者

KNN可以说是最简单的分类算法之一，同时，它也是最常用的分类算法之一，注意KNN算法是有监督学习中的分类算法，它看起来和另一个机器学习算法K-means有点像（K-means是无监督学习算法），但却是有本质区别的。KNN的全称是K Nearest Neighbors，意思是K个最近的邻居，从这个名字我们就能看出一些KNN算法的蛛丝马迹了。K个最近邻居，毫无疑问，K的取值肯定是至关重要的。那么最近的

在自下而上的数据科学方法中，我们将部分业务流程委托给机器学习模型。此外，全新的商业创意可通过机器学习实现。自下而上的数据科学通常将手动和部分困难任务自动化。例如制造公司可以将传感器放在他们的机器上并进行预测维护。因此，维护工程师可以更高效地工作，而无需执行昂贵的定期检查。模型可解释性对于验证模型的行为是否符合您的期望是很有必要的，并且它可以与用户建立信任关系，并且可以简化从手动过程到自动化过程的过

【知识蒸馏】使用CoatNet蒸馏ResNet图像分类模型

Diganta Misra的一篇题为“Mish: A Self Regularized Non-Monotonic Neural Activation Function”的新论文介绍了一个新的深度学习激活函数，该函数在最终准确度上比Swish(+.494%)和ReLU(+ 1.671%)都有提高。他们的小型FastAI团队使用Mish代替ReLU，打破了之前在FastAI全球排行榜上准确性得分记录