随着工作的深入，对于统计分析的研究也越来越深。继去年对于统计学进行了一次系统性学习之后，从现在开始会进行一次整体的梳理和记录。针对上面的结构图，给出关键性的问题和解答：【1】什么是统计学？答：统计学是收集、处理、分析、解释数据并从数据中得出结论的科学。本质来说，就是一种数据的变形，也就是数据分析，由海量无法知晓的数据转换为信息！为互联网行业的数据分析领域提供了较为多样化的方法论：有直观的图表、基于
R中的统计模型 这一部分假定读者已经对统计方法，特别是回归分析和方差分析有一定的了解。后面我们还会假定读者对广义线性模型和非线性模型也有所了解。R已经很好地定义了统计模型拟合中的一些前提条件，因此我们能构建出一些通用的方法以用于各种问题。R提供了一系列紧密联系的统计模型拟合的工具，使得拟合工作变得简单。正如我们在绪论中提到的一样，基本的屏幕输出是简洁的，因此用户需要调用一些辅助函数来提取
转载
2023-12-15 14:49:16
68阅读
（2017-02-23 银河统计）统计数据模拟指以统计和数学算法为基础、运用计算机软件大量生成合理的、接近于自然、社会现象实际数量、质量指标的样本，从而大数据仿真样本建立各种估计量或技术各种统计指标。1、数据模拟概述统计数据模拟分为确定型数据模拟和随机型数据模拟。统计数据模拟解决问题基本分为三个部分：建立模型、生成样本、参数估算。确定型数据模拟确定型数据模拟是在所研究的自然、社会现象数量、质量指标
转载
2024-05-28 18:20:35
30阅读
本篇博客中我们将学习如何使用KenLM工具构建统计语言模型，并使用它完成一个典型的'智能纠错'文本任务。目录1.实验准备2.训练数据3.训练语言模型4.模型压缩5.模型加载6.智能纠错1.实验准备安装依赖# 安装依赖
!apt install libboost-all-dev
!apt install libbz2-dev
!apt install libeigen3-dev下载KenLM并编译#
转载
2024-01-30 12:10:10
26阅读
import torch.nn as nn import torch import torch.nn.functional as F class FP_Conv2d(nn.Module): def __init__(self, input_channels, output_channels, ker
转载
2020-08-28 15:49:00
95阅读
# 项目方案：深度学习模型内存占用量统计
## 背景
在深度学习中，模型训练和推断的内存占用量往往是一个重要的性能指标。准确地统计模型的内存占用量可以帮助我们更好地优化模型、选择合适的硬件设备和资源管理策略。本项目方案旨在提供一种方法，通过代码示例演示如何统计深度学习模型的内存占用量。
## 方案概述
我们将使用Python编程语言和深度学习框架TensorFlow作为示例，来展示如何统计深度
原创
2023-07-23 07:39:32
863阅读
0. 写在前面在这一讲中，我们主要介绍一下模型的类别以及问题的类别，并对课后习题进行相应的分析。1. 模型的类型我们知道，统计学习主要包括监督学习、非监督学习、半监督学习和强化学习。那么在统计学习方法一书中主要涉及的是监督学习。而监督学习主要分为两类，一种是生成模型，一种是判别模型。1. 生成模型生成模型是由数据学习联合概率分布P(X,Y)，然后求出条件概率分布P(Y|X)作为预测模型，其样子为：
一般来说在 Python 中，为了解决内存泄漏问题，采用了对象引用计数，并基于引用计数实现自动垃圾回收。由于Python 有了自动垃圾回收功能，就造成了不少初学者误认为自己从此过上了好日子，不必再受内存泄漏的骚扰了。但如果仔细查看一下Python文档对 __del__() 函数的描述，就知道这种好日子里也是有阴云的。下面摘抄一点文档内容如下：Some common situations
用 PyTorch 迁移学习（Transfer Learning）实现图像分类作者: PyTorch 中文网 教程将手把手教你用 PyTorch 实现迁移学习（Transfer Learning）来做图像分类。数据库我们采用的是 Caltech 101 dataset，这个数据集包含 101 个图像分类，大多数分类只包含 50 张左右的图像，这对于神经网络来讲是远远不
这个网站最棒了
http://kyokojap.myweb.hinet.net/gpu_gflops/
转载
2018-01-29 15:35:00
72阅读
2评论
# 应用统计深度学习的概述与实例
随着数据的快速增长，统计学和深度学习的结合在各个领域中展现出强大的潜力。这种结合不仅提高了数据分析的准确性，也为复杂问题的解决提供了新的思路。在本文中，我们将探讨统计深度学习的基本概念及其应用，附带代码示例帮助理解。
## 统计深度学习的基本概念
统计深度学习是将统计学方法与深度学习框架相结合的一个新兴领域。它不仅关注深度学习模型的构建，还重视模型背后的统计
第一部分：数据的度量 第一节 信息图形化 的内容是讲作图的，数据总归要化繁为简，进行可视化的，我在 如何进行数据图形化 这篇文章中也有写过这部分内容，大家可以去看看，这一节最后还着重讲了怎么做直方图，这个内容我也是写了很久，两年前的冷饭再来炒一下吧：用Excel做直方图（2）：频率分布直方图我们拿到数据首先要对数据进行一个概括性的度量，从哪几个方面去度量呢？第二节 集中趋势的量
转载
2024-09-08 22:52:55
61阅读
前言具体内容样本的设计偏倚的来源样本的选择1、简单随机抽样I. 重复抽样II. 不重复抽样III.样本的选取IV. 简单随机抽样的缺点2、分层抽样3、整群抽样4、系统抽样 具体内容通过在总体抽取一个好的样本，使其具有代表性，即样本具有与总体十分相似的特性，进而可以根据样本来预测总体的特性，比如数据中心相同。样本的设计1、确定目标总体：因为只有先弄清目标总体所在处，才能知道样本取自哪里
转载
2024-07-25 15:38:45
57阅读
常见的深度学习框架有 TensorFlow 、Caffe、Theano、Keras、PyTorch、MXNet等，如下图所示。这些深度学习框架被应用于计算机视觉、语音识别、自然语言处理与生物信息学等领域，并获取了极好的效果。 几乎所有的框架都是基于计算图的，而计算图又可以分为静态计算图和动态就算图，静态计算图先定义再运行（define and run），一次定义多次运行，动态计算图是运行过程中定义
转载
2023-08-14 14:19:21
527阅读
初学TCN——TCN详细讲解 https://blog..net/xyzxyzxyz1999/article/details/107974219四、全卷积网络FCN详细讲解（超级详细哦）https://blog..net/qq_4176076
原创
2021-10-25 14:52:48
2777阅读
官方模型 mnist：对来自MNIST数据集的数字进行分类的基本模型。最开始设计出来的目的是用于识别数字，同时也是深度学习的一个样例。resnet：一个深度残差网络，可用于CIFAR-10和ImageNet的1000个类别的数据集进行分类。由于深度学习模型的练习次数达到某一个值时识别准确率以及识别性能会下降，因而开发出了可以提高学习深度的网络。wide_deep：将广泛的模型和深...
转载
2018-12-07 08:44:20
357阅读
深度学习模型是人工智能领域的一种计算模型，它模仿了人类大脑中神经网络的工作方式，通过多层处理单元（神经元）进行数据的高层次抽象。深
深度学习模型的输出作为卡尔曼滤波器观测量的代码：
# 初始化卡尔曼滤波器
kf = KalmanFilter()
kf.initialization()
while True:
# 获取相机图像
frame = get_camera_frame()
# 使用深度学习模型对相机图像进行识别，得到障碍物位置和速度的估计值
obstacle_position, obs
参考：参考：（FCN模型）参考：LeNet模型（包括输入层在内共有8层）： 模型结构如下：第一层：输入层是32x32大小的图像第二层：C1层是一个卷积层，6个feature map，5x5大小的卷积核，每个feature map共有(32-5+1)*(32-5+1)即28x28个神经元，每个神经元都与输入层的5x5大小的区域相连，即C1层有(5x5+1)x6=156个训练参数(5为卷积核
转载
2024-06-14 22:09:17
99阅读
自由能计算是学习的一道屏障，非平衡扩散当作生成模型。
原创
2022-10-17 12:13:34
133阅读
