那抹阳光1994

摘要： 一般来说PyTorch有两种保存和读取模型参数的方法。但这篇文章我记录了一种最佳实践，可以在加载模型时避免掉一些问题。 传统方案： 第一种方案是保存整个模型： torch.save(model_object, 'model.pth') 第二种方法是保存模型网络参数： torch.save(model 阅读全文

摘要： 理解：用变分推断统一理解深度生成模型（VAE、GAN、AAE、ALI（BiGAN）） https://blog.csdn.net/u013972559/article/details/85244749 https://kexue.fm/archives/5716 https://zhuanlan.z 阅读全文

摘要： pytorch Windows常见问题汇总 https://ptorch.com/news/166.html#usage-multiprocessing 阅读全文

摘要： 深度学习的许多应用中需要将提取的特征还原到原图像大小，如图像的语义分割、生成模型中的图像生成任务等。通过卷积和池化等技术可以将图像进行降维，因此，一些研究人员也想办法恢复原分辨率大小的图像，特别是在语义分割领域应用很成熟。 常见的上采样方法有双线性插值、转置卷积、上采样（unsampling）、上池 阅读全文

摘要： 正则化方法：防止过拟合，提高泛化能力 避免过拟合的方法有很多：early stopping、数据集扩增（Data augmentation）、正则化（Regularization）包括L1、L2（L2 regularization也叫weight decay），dropout。 权重衰减（weigh 阅读全文

摘要： 子类构造函数调用super().init() class Person: def __init__(self, name = 'Person'): self.name = name class Puple(Person): # 直接继承Person，可调用name pass class Puple_ 阅读全文

摘要： 条件独立定义 这种独立性不能简单地进行传播 类似的 阅读全文

摘要： https://blog.csdn.net/drilistbox/article/details/80506249 机器学习方法原理及编程实现--07.隐马尔科夫及其在卡尔曼滤波中的应用 https://blog.csdn.net/drilistbox/article/details/7988671 阅读全文

摘要： 全部定义 边际似然 marginal likelihood (ML) 边际似然计算算法实例 《Marginal likelihood calculation with MCMC methods 》 参考Haasteren R V . Marginal Likelihood Calculation w 阅读全文

摘要： 声明：本文为原创文章，发表于nebulaf91的csdn博客。欢迎转载，但请务必保留本信息，注明文章出处。 本文作者: nebulaf91 本文原始地址：http://blog.csdn.net/u011508640/article/details/72815981 频率学派与贝叶斯派 在说极大似然 阅读全文