- 博客(317)
- 资源 (4)
- 收藏
- 关注
原创 SMOTE 过采样,解决正负样本不均衡问题
通过SMOTE过采样,可以使得模型更好地学习到少数类别的特征,从而提高模型的泛化能力和准确性。此外,SMOTE过采样方法还可以减少模型的过拟合倾向,提高模型的稳健性(Robustness)。为了解决这个问题,一种常用的方法是过采样,其中SMOTE(SyntheticMinority Over-sampling Technique)是一种被广泛应用的技术。准备原始数据集: 假设你有一个包含特征和标签的PyTorch张量 X 和 y,其中 X 的形状是 (样本数, 特征数),y 的形状是 (样本数, )。
2023-12-12 22:12:48 1272
原创 【扩撒模型之DDPM】Denoising Diffusion Probabilistic Models论文解读
AI绘画初探:扩散概率模型(DDPM)
2023-09-23 18:42:01 854
原创 https protocol not found, recompile FFmpeg with openssl, gnutls or securetransport enabled.问题解决
ffmpeg工具使用
2023-04-17 14:47:34 2182
原创 ImportError: libcudart.so.10.2: cannot open shared object file: No such file or directory
环境配置
2023-04-03 19:28:52 11291 4
原创 【音频分类与检测】PANNs:用于音频模式识别的大规模预训练音频神经网络
音频模式识别是机器学习领域的一个重要研究课题,它包括音频标注、声音场景分类、音乐分类、语音情感分类和声音事件检测等任务。近年来,神经网络已被应用于解决音频模式识别问题。然而,以前的系统是建立在特定数据集上的,数据集时长有限。最近,在计算机视觉和自然语言处理中,在大规模数据集上进行预训练的系统已经很好地推广到一些任务上了。然而,在大规模数据集上进行音频模式识别的预训练系统的研究还很有限。本文提出了在大规模音频数据集上训练的预训练音频神经网络(PANN)。
2023-01-15 22:02:52 6643 4
原创 【CBAM 解读】混合注意力机制:Convolutional Block Attention Module
本文提出了卷积块注意模块(CBAM),这是一种简单而有效的前馈卷积神经网络注意模块。
2022-11-13 23:48:59 8870
Fashion-MINIST.zip
2020-04-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人