- 综合排序
- 最热优先
- 最新优先
- 来自专栏我还不懂对话
【论文阅读】- 怎么快速阅读ML论文？
主题框架翻译于Eric Jang的博客https://blog.evjang.com/2021/01/understanding-ml.html，加了一些个人观点。 机器学习的论文很多，怎么从Arxiv上泛滥的文章中选择论文阅读，那么我们就需要快速地了解论文内容概要，从而决定是否精读。 ML模型是去拟合偏差和数据。有时候数据中偏差很大，有时候很小，为了确保模型泛化很好（拟合数据而非偏差）需要更多的偏差和数据，最好是无偏数据。 论文里面的说法是否可靠？个人理解，是说论文里面指标是否靠谱，方法是否实用等。凭我自己的经验，一般可以从以下几点来看：论文方法是否过于trick，是否非常复杂（奥卡姆剃刀原理）。 Referencehttps://blog.evjang.com/2021/01/understanding-ml.html图片
73120编辑于 2022-10-08 - 来自专栏YoungGy
ML基石_11_HazardOfOverfitting
学习曲线来说，当数据量N很小的时候，large generation会造成很大的Eout。 造成overfit的主要有四种因素： 1. 资料量不够 2. stochastic noise
54750发布于 2018-01-02 - 来自专栏腾讯Bugly的专栏
iOS 11: CORE ML—浅析
一、CORE ML是什么？ 二、CORE ML涉及到的相关技术 Core ML是机器学习的一个基础框架，Vision、GameplayKit都有利用Core ML做相应的处理。 四、利用Core ML在图像识别方面实践 需要 Xcode 9 Beta1 或更新的版本、以及 iOS 11环境，可以下载Demo 项目中允许用户从照片库中选择一张图片，分别选择物体分类识别和矩形区域数字识别 Core ML 格式。 你需要使用离线工具包来进行训练，然后将它们转换到 Core ML 格式 如果 Core ML 并不是支持所有的layer。在这一点上，你不能使用自己的 kernel 来扩展 Core ML。
2.1K80发布于 2018-03-23 - 来自专栏MelonTeam专栏
Core ML and Vision Framework on iOS 11
导语 :机器学习和计算机视觉在 iOS 上虽然早已有了系统级的支持，但 WWDC 17 发布的 iOS 11 将它们的使用门槛大大降低。 Core ML 简介 Core ML 大大降低了开发者在苹果设备上使用机器学习技术预测模型的门槛和成本。 当然，这些也都是建立在 MPS 更新的基础上，MPS 在 iOS 11 中拓展了支持向量和矩阵的数据结构 MPSVector 与 MPSMatrix，以及它们之间相乘的 API。 Demo: 与 Core ML 集成 Core ML 具有更好的性能，Vision 可为其提供图片处理的流程。 Core ML 功能强大，支持的模型种类很多。与此同时，MPS 在 iOS 11 也得到了升级，新增的数据类型更方便使用。
1.8K50发布于 2018-01-04 - 来自专栏DeepHub IMBA
2022 年 4 月 10篇 ML 研究论文推荐
NVidia 的新 H100 GPU已经发布了，我们也很久没有发论文推荐了，这是4月份的论文推荐：Google 的 5400 亿参数 PaLM、Pathways、Kubric、Tensor Programs 论文的这项工作展示了如何更有效地完成超参数调整。 为了训练神经网络，必须选择合适的超参数。 论文中提到的方法可以在小型模型中找到最佳超参数，然后扩展模型到大型模型进行最终的资源密集型训练运行。 3、Pathways: Asynchronous Distributed Dataflow for ML and PaLM: Scaling Language Modeling with Pathways 架构在 ML 中的作用是否会进一步缩小？论文的回答是：是的。
63020编辑于 2022-04-14 - 来自专栏量化投资与机器学习
【代码+论文】通过ML、Time Series模型学习股价行为
今天编辑部给大家带来的是来自Jeremy Jordan的论文，主要分析论文的建模步骤和方法，具体内容大家可以自行查看。 sample_text_google) if word not in w2v]) print(' -- '.join(not_in_vocab)) motofone -- segment's -- we're -- ml910 one-step prediction') plt.legend() pred_dynamic = results.get_prediction(start = pd.to_datetime('2013-11
1.8K80发布于 2018-01-30 - 来自专栏信数据得永生
TensorFlow Lite，ML Kit 和 Flutter 移动深度学习：6~11
在那些年里，SVM 和其他更严格定义的技术被用来解决这类问题，但是有关 CNN 的基础论文表明，与当时的现有方法相比，神经网络的表现可以与之媲美或更好。 微小的卷积内核的想法破坏了 LeNet 及其后继者 Alexnet 的最初想法，后者最初使用的过滤器高达11x11过滤器，但复杂得多且表现低下。 从鸟瞰图可以用下图描述该项目： 将低分辨率图像放入模型中，该模型是从 Firebase 上托管的 ML Kit 实例中获取的，并放入 Flutter 应用中。 您可以在此处阅读图像动画研究论文。 总结 在本章中，我们讨论了一些最流行的移动应用，这些应用因其在业务产品中最前沿地使用 DL 而著称，还讨论了 DL 影响其增长的方式。 接下来，我们将研究如何配置 Firebase 以提供 ML Kit 和自定义模型。 配置 Firebase Firebase 提供了可促进应用开发并帮助支持大量用户的工具。
26.3K10编辑于 2023-04-27 - 来自专栏数据派THU
收藏｜最优论文+代码查找神器，覆盖AI全领域（966个ML任务、8500+论文）
本文介绍了查找论文及对应源码神器的最新版本，从应用领域到具体任务再到实现一步到位。 目前该网站已经完成了代码与论文的自动化链接，正在研究自动提取论文中的评估数据。 每一个分类下面所列出的项目包含：论文标题、机构、发表日期、摘要、任务分类等信息。 ? 使用 现在，我们来看看这个 ML SOTA 浏览器怎么用吧。 我们可以看到 5 个数据集的 SOTA 论文，每一行分别列出了数据集名称、SOTA 模型名称、论文、源代码等。 如下图所示，点击“See all”之后，页面跳转到在 PASCAL VOC 2012 数据集上的排行榜详细信息，如下图所示，图中绿色点为曾经的 SOTA 论文，图中折线表示趋势图，灰色点表示性能较弱的其他论文
1.6K30发布于 2019-03-08 - 来自专栏DeepHub IMBA
2021 年 10 月推荐阅读的10篇精选ML论文
每个月都会有几千篇的论文在arXiv发布，我们不可能看完所有的文章，但是我们可以从中找到一些趋势： 大型语言模型不再与较小的模型在同一类别中竞争(如训练前+监督数据微调)。为什么? 幸运的是，学者们经常关注这一点，传统上大多数揭示事实的论文都来自大学，就像我们很快就会看到的那篇。 这篇论文的缺点也是它的优点:为进一步优化他们的实验而付出的有限的范围和努力。 但是还有一个重要的警告没有在论文中彻底解决：注意力矩阵中的偏差通过一个 softmax 来抑制远标记的贡献，这就像有一个注意力的“软窗口”。 这本纸质书包含了很多内容:概述、介绍和论文，内容涉及在大量数据的监督下训练的大型神经模型的新兴领域，为此，它们被称为基础模型。
57120发布于 2021-10-09 - 来自专栏计算机视觉
11种 Matplotlib 科研论文图表实现 ！！
使用 plt.xlim() 和 plt.ylim() 函数可以调整坐标轴的范围： plt.plot(x, np.sin(x)) plt.xlim(-1, 11) plt.ylim(-1.5, 1.5) , ha='center', **style) ax.text('2012-10-31', 4600, "Halloween", ha='right', **style) ax.text('2012-11 connectionstyle="angle3,angleA=0,angleB=-90")) ax.annotate('Thanksgiving', xy=('2012-11 FuncFormatter 使用自定义函数设置标签 FormatStrFormatter 使用一个格式化字符串设置标签 ScalarFormatter 默认的标量标签 LogFormatter 默认的对数标签 11
1.4K10编辑于 2024-03-19 - 来自专栏机器之心
AI所有领域最优论文+代码查找神器：966个ML任务、8500+论文任你选
目前该网站已经完成了代码与论文的自动化链接，正在研究自动提取论文中的评估数据。 数据下载 论文摘要：https://paperswithcode.com/media/about/papers-with-abstracts.json.gz 论文与代码之间的链接：https://paperswithcode.com 每一个分类下面所列出的项目包含：论文标题、机构、发表日期、摘要、任务分类等信息。 ? 使用 现在，我们来看看这个 ML SOTA 浏览器怎么用吧。 我们可以看到 5 个数据集的 SOTA 论文，每一行分别列出了数据集名称、SOTA 模型名称、论文、源代码等。 如下图所示，点击「See all」之后，页面跳转到在 PASCAL VOC 2012 数据集上的排行榜详细信息，如下图所示，图中绿色点为曾经的 SOTA 论文，图中折线表示趋势图，灰色点表示性能较弱的其他论文
80730发布于 2019-04-29 - 来自专栏机器之心
2020年，那些「引爆」了ML社区的热门论文、库和基准
论文链接：https://arxiv.org/pdf/1911.09070v7.pdf 简介：这项论文最初在 2019 年 11 月份发布首版，机器之心进行了报道，本文是最新版。 论文链接：https://arxiv.org/pdf/1911.04252v4.pdf 简介：机器之心在 2019 年 11 月对该论文 v1 版进行了报道，本文是 v2 版本。 项目地址：https://github.com/rwightman/pytorch-image-models 简介：pytorch-image-models 库由热衷于构建 ML 和 AI 系统的加拿大人 项目地址：https://github.com/eriklindernoren/PyTorch-GAN 简介：PyTorchGAN 库由 Apple 公司的 ML 工程师 Erik Linder-Norén 目前，该库的 star 量高达 11k。 Gluon CV ?
63420发布于 2021-03-15 - 来自专栏机器之心
夸大ML能力、论文纸上谈兵……机器学习社区为何变成这样？
发帖者总结了以下几点： 一些群体自认为可以掌控 ML 领域 在 ML 领域，我经常会看到一个群体或多个群体蜂拥至某个问题上，拿出 ML 这个工具，然后声称问题「已经解决」。 我曾见过很多在著名学术会议上发表 CV 论文的学者，在与他们的交谈中，发现他们不清楚「颜色空间为什么有用」甚至「不清楚什么是像素」（像素绝对不是图像上的小方块）。 绝大多数论文都是「纸上谈兵」，不涉及实际工作 过去很多人都提到过这一点，但我必须澄清自己的观点。我知道，很多因素导致了这一问题以及所有其他问题。 论文往往只包含微小的架构变化或渐进式的改进，「真正的思想」却看不到。这就导致有时一位博士却不擅长工程实践，或者其研究效率比不上有经验的硕士生。 公平来讲，ML 领域也应如此。但很遗憾，ML 领域却没有发挥应有的作用，尤其是在同行业的一般企业中。 认为ML可以解决现实世界所有问题 这一问题也常常被提及。
33850发布于 2021-06-08 - 来自专栏iOSDevLog
ML任务
表 ML任务： 任务 输出类型 问题的例子 算法 监督学习 回归 实数 根据其特点预测房价 线性回归和多项式回归 分类 明确的 垃圾邮件/非垃圾邮件分类 KNN，NaïveBayes，逻辑回归，决策树
57820发布于 2018-11-20 - 来自专栏机器学习与python集中营
AI所有领域最优论文+代码查找神器：966个ML任务、8500+论文任你选(亲测好用)
目前该网站已经完成了代码与论文的自动化链接，正在研究自动提取论文中的评估数据。 数据下载 论文摘要 https://paperswithcode.com/media/about/papers-with-abstracts.json.gz 论文与代码之间的链接 https://paperswithcode.com 每一个分类下面所列出的项目包含：论文标题、机构、发表日期、摘要、任务分类等信息。 ? 使用 现在，我们来看看这个 ML SOTA 浏览器怎么用吧。 我们可以看到 5 个数据集的 SOTA 论文，每一行分别列出了数据集名称、SOTA 模型名称、论文、源代码等。 如下图所示，点击「See all」之后，页面跳转到在 PASCAL VOC 2012 数据集上的排行榜详细信息，如下图所示，图中绿色点为曾经的 SOTA 论文，图中折线表示趋势图，灰色点表示性能较弱的其他论文
1.1K20发布于 2019-06-02 - 来自专栏AI算法与图像处理
CVPR2022论文速递（2022.5.13）！共11篇！
整理：AI算法与图像处理 CVPR2022论文和代码整理：https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo Updated on : 13 May 2022 total number : 11 目标检测 / Object Detection - 1 篇 Group R-CNN for Weakly Semi-supervised Object Detection with Points 标题：用于弱半监督目标检测的Group R-CNN 论文/Paper: http://arxiv.org/pdf/2205.05920 代码/Code: https 1 篇 Delving into High-Quality Synthetic Face Occlusion Segmentation Datasets 标题：深入研究高质量的合成面部遮挡细分数据集 论文 篇 Blueprint Separable Residual Network for Efficient Image Super-Resolution 标题：蓝图可分离剩余网络，用于有效图像超分辨率 论文
76710编辑于 2022-05-19 - 来自专栏AI算法与图像处理
CVPR2022论文速递（2022.6.1）！共11篇！
整理：AI算法与图像处理 CVPR2022论文和代码整理：https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo 大家好, 最近正在优化每周分享的 CVPR论文, 目前考虑按照不同类别去分类,方便不同方向的小伙伴挑选自己感兴趣的论文哈 欢迎大家留言其他想法, 合适的话会采纳哈! Updated on : 1 Jun 2022 total number : 11 目标检测 / Object Detection - 1 篇 Voxel Field Fusion for 3D Object /vff Transformers - - 2 篇 Surface Analysis with Vision Transformers 标题：视觉Transformers的表面分析 论文/Paper: None 其他/Other - 8 篇 A Competitive Method for Dog Nose-print Re-identification 标题：狗Nose-print的一种竞争方法 论文
41710编辑于 2022-09-02 - 来自专栏量子位
这份GitHub 2.3k星的ML论文清单拿好，工作用得上
在工作中动手实施自己的ML项目之前，了解领域里的前沿进展，吸收前人的经验，是很有必要的。 不过，现在arXiv上每天都有成百篇新论文冒头，哪些值得看？ 为此，亚马逊工程师Eugene Yan等人打造了一个论文合集，在这个GitHub项目中，持续共享Google、亚马逊、Facebook等等大公司在数据科学和机器学习方面的论文和博客文章。 ? 而这份清单，收集了电商、视频、音乐、课程种种不同业务的推荐算法技术博客/论文。 ? ，这份论文/文章列表还收录了一些失败的经验。 传送门 项目地址： https://github.com/eugeneyan/applied-ml — 完 —
53740发布于 2020-09-14 - 来自专栏一点人工一点智能
免费领取 | 11篇 3DV2022论文
applications in downstream tasks including real image editing and lifting 2D GANs to decomposed 3D GANs. 11
1.3K50编辑于 2022-12-27 - 来自专栏YoungGy
ML基石_LinearModelsForClassfication
本文介绍了用于分类的线性模型的基本回顾，包括线性回归、逻辑回归、支持向量机、朴素贝叶斯、K近邻、决策树、随机森林、梯度提升树、神经网络等。作者通过对比各个方法的优缺点，提出了改进的随机梯度下降法、概率线性模型、OVO、OVA、Logistic回归、二分类、多分类等方案。
67570发布于 2018-01-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号