Task03： 过拟合和欠拟合 一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）； 另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模型复杂度和训练数据集大小。 模型复杂度 为了解释模型复杂度，我们以多项式函数拟合为例。给定一个由标量数据特征x和对应的标量标签y组成的训练数据集，多项式函数拟合的目标是找一个K阶多项式函数 来近似 y。在上式中，wk是模型的权重参数，b是偏差参数。与线性回归

SiamTrackers 描述 年 Conf 追踪器 除错 火车 测试 数据 放 工具包 来源 VID DET 可可 青年旅社 得到 拉索 2016年 ECCV 暹罗FC :check_mark: :check_mark: :check_mark: :check_mark: 一万 非官方 暹罗FC :check_mark: :check_mark: :check_mark: :check_mark: 一万 非官方 2018年 心肺复苏术 暹罗RPN :check_mark: :check_mark: :check_mark: :check_mark: :check_mark: 一万 非官方 暹罗RPN :check_mark: :check_mark: :check_mark: :check_mark: 一万 非官方 2018年 ECCV DaSiamRPN :check_mark: :check_mark: :check_mark: :check_mark: :check_mark: :che

学习深度学习时候，很多人参考的是李沐的动手学深度学习Pytorch版本（附上官方地址：https://tangshusen.me/Dive-into-DL-PyTorch/#/）。 在学习3.5.1节 “获取数据集” 时，会遇到d2lzh_pytorch包缺少的问题，经过查阅资料，下面方法可以解决这个问题。 import torch import torchvision import torchvision.transforms as transforms import matplotlib.pyplot as plt import time import sys sys.path.appe

d2l火炬 首先感谢《动手学深度学习》的原作者和贡献者为我们提供了一本本极为优秀的书籍。如果您对框架没有特定偏好或需求，不妨尝试MXNet，则极为优秀的深度学习框架。原书地址：http: ，原书视频教程： ， 本书在原书（19年5月20日版本）基础上将所有代码改用PyTorch进行实现，并以注解的形式对部分内容的进行了解释与扩展。因为PyTorch与MXNet在设计上存在不同，对原书部分内容进行了删改。 请按照目录中的顺序阅读学习。 如果您喜欢这本书，请给本项目点个star，并购买原书纸质版支持原作者及贡献者。 项目未来短期内不再更新，如需要计算性能，计算机视觉两章可使用项目 。如有疑问欢

pytorch之GRU模型 疫情期间，宅家无聊，参加了由和鲸社区、Datawhale、伯禹人工智能学院等单位联合发起的免费公益学习活动，主要利用pytorch进行深度学习，时间比较紧凑，没怎么学懂，得多花一点时间，代码都是向大佬借鉴的，错误之处，恳请指正，我就是个搬运工，仅做学习打卡使用，不喜勿喷哈哈哈哈。 import numpy as np import torch from torch import nn, optim import torch.nn.functional as F import sys sys.path.append(../input/) import d2l_ja

>>经历过配r3det环境时，包版本冲突的绝望吗？经历过r3det的dockerfile依旧包版本冲突的绝望吗？经历过r3det的dockerfile挑docker版本的绝望吗？<< （本压缩包内置了一张测试图片和预训练模型。） 【亮点】：开袋即食！开袋即食！开袋即食！ 按照压缩包中写的使用说明，可以顺利的完成环境配置，跑通该项目。

colab简介 Google Colaboratory是谷歌开放的一款研究工具，主要用于机器学习的开发和研究。 工具优势：Google Colab最大的好处是给广大的AI开发者提供了免费的GPU使用。你可以在上面轻松地跑例如：Keras、Tensorflow、Pytorch等框架；其次是入门相对简单，语法和cmd语句以及linux语句相似。目前colab平台GPU的状态信息如下图： 原创文章 3获赞 2访问量 186 关注

前言 最近准备研究关于用GAN神经网络实现图片超分辨的项目，为了理解GAN神经网络的内涵和更熟悉的掌握pytorch框架的用法，写了这个小demo熟悉手感 思想 GAN的思想是是一种二人零和博弈思想，网上比较流行的一种比喻就是生成模型（G）是印假钞的人，而判别模型（D）就是判断是否是假钞的警察。 判别网络的目的：就是能判别输入的数据（如图片）它是来自真实样本集还是假样本集。假如输入的是真样本，网络输出就接近1，输入的是假样本，网络输出接近0，那么很完美，达到了很好判别的目的。 生成网络的目的：生成网络是造样本的，它的目的就是使得自己造样本的能力尽可能强，强到判别网络没法判断我是真样本还是假样本

来自Tinghui Zhou et al.的Pytorch版SfmLearner

有能力和有耐心的可以去这里下载: https://download.pytorch.org/models/resnet101-5d3b4d8f.pth