基于深度学习推荐系统1. 基础知识（1）one-hot编码带来的问题我们知道，当我们遇到标签类/离散/类别型的数据，我们通过会把它变成one-hot编码。但是这样会使得数据特别庞大而且稀疏。而广告计算和推荐算法很多数据的特征是非常多的，而且大部分会是离散的数据，这样一来数据的稀疏性就会变得非常大。因此，FM主要就是为了解决数据稀疏的情况下，特征怎样组合的问题。（2）因式分解机（FM）因式分解机是一

通过这个链接????进行复习学习。https://github.com/scutan90/DeepLearning-500-questions目标检测 two-stage目标检测（Object Detection）就是要从图像上找到目标。存在的难点主要有：同一种目标可能有不同外观、形状、姿态；同一张图片场景可能有不同的环境因素干扰（光照、遮挡、色差）；目标检测要检测目标在图像中的位置，目标可能会出

基于深度学习推荐系统1. 基础知识（1）one-hot编码带来的问题我们知道，当我们遇到标签类/离散/类别型的数据，我们通过会把它变成one-hot编码。但是这样会使得数据特别庞大而且稀疏。而广告计算和推荐算法很多数据的特征是非常多的，而且大部分会是离散的数据，这样一来数据的稀疏性就会变得非常大。因此，FM主要就是为了解决数据稀疏的情况下，特征怎样组合的问题。（2）因式分解机（FM）因式分解机是一

我公司的科室开始在公众号上规划一些对外的技术文章了，包括实战项目、模型优化、端侧部署和一些深度学习任务基础知识，而我负责人体图象相关技术这一系列文章，偶尔也会出一些应用/代码解读等相关的文章。文章在同步发布至公众号和博客，顺带做一波宣传。有兴趣的还可以扫码加入我们的群。（文章有写的不好的地方请见谅，另外有啥错误的地方也请大家帮忙指出。）微信公众号：AI炼丹术技术交流群可以从公众号上获取，可以备注是

我公司的科室开始在公众号上规划一些对外的技术文章了，包括实战项目、模型优化、端侧部署和一些深度学习任务基础知识，而我负责人体图象相关技术这一系列文章。文章在同步发布至公众号和博客，顺带做一波宣传。有兴趣的还可以扫码加入我们的群。（文章有写的不好的地方请见谅，另外有啥错误的地方也请大家帮忙指出。）微信公众号：AI炼丹术技术交流群可以从公众号上获取，可以备注是咸鱼的博客上来的。????行人检测数据集

生成对抗神经网络1. 流派:GAN、FLOW流、VAE、pixeLCM、pixeLRM2.GAN（无监督）（1）判别网络用神经网络充当loss。即判别器获取输入图片（随机分布生成）和真实图片对比，利用反向传播算法使随机生成图片逼近真实图片。（2）生成网络第一次固定权重，按随机分布生成图片，放入判别器。生成的图片服从分布。（3）训练目标判别器训练：判别生成图片和真实图片的真假越来越准确。生成器训练：

机器学习：回归1. 线性回归有一组数据：（x，y）找出一个线性方程，使得数据到线上的距离总和最小。距离最小化：梯度下降法/最小二乘法……对于普通最小二乘的系数估计问题，其依赖于模型各项的相互独立性。当各项是相关的，且设计矩阵的各列近似线性相关，那么，设计矩阵会趋向于奇异矩阵，这种特性导致最小二乘估计对于随机误差非常敏感，可能产生很大的方差，W过大，就会导致模型过拟合。（即，输入的数据的特征之间，越

tensorboard1. 安装tensorboard如果有安装tensorflow的话，应该会默认安装对应版本的tensorboard。因为我这边开发环境用的pytorch，所以没有安装tensorboard。可以通过pip安装。pip install tensorboard2. 代码块在自己的代码模块中添加这一块内容，我这里写的是每个epoch保存一次数据，当然数据量大，模型跑一个epoch慢

Python-opencv 实现PS操作最近有个项目要做颜色变换，而对于我这种对色彩不敏感的人可是相当难受。调半天opencv色调，都不知道自己调的是啥。于是乎。。。。有了个idea!!!我找了个做美工设计的朋友帮我做了效果图。（photoshop）然后把操作思路和过程都给到我，这下子就只差复现photoshop的操作了。所以就有了我在网上寻找总结的这一系列，用python-opencv实现的ph

深度学习方案 - TTS流程以及代码梳理 - fastspeech2参考源码：https://github.com/ming024/FastSpeech2最近好长一阵子没有写文章了，一方面是公司里做的一些项目不好公开写成文章，另一方面由于教育双减政策的影响，很多项目临时被停止了，所以这阵子，对原项目的维护以及新领域（音频）方面的自研学习，基本都在忙着，个人时间很少。另外打个小广告，科室这边也逐渐对