本讲将主要介绍评价型模型的 MATLAB 求解方法。构成评价模型的五个要素分别为：被评价对象、评价指标、权重系数、综合评价模型和评价者。当各被评价对象和评价指标值都确定以后，问题的综合评价结果就完全依赖于权重系数的取值了，即权重系数确定的合理与否，直接关系到综合评价结果的可信度，甚至影响到最后决策的正确性。而 MATLAB 在评价型模型建模过程中的主要作用是指标筛选、数据预处理(如数据标准化、归一
转载
2024-04-19 13:45:58
83阅读
Alias Concept 2021是一款工业设计和建模软件，该软件基于Alias基础上开发的，主要侧重于产品的概念设计，拥有集成式SUBD建模工具，支持从草图到概念模型的设计过程，支持探索，交流和可视化设计方案，还可以通过HMD查看虚拟现实中的内容，以及使用Dynamo进行生成建模的新建模技术，可以帮助设计人员快速完成产品的概念设计。与上一版本相比较，Alias Concept 2
转载
2024-09-01 19:32:20
11阅读
1、梯度是对损失函数求导吗？是的，梯度是对损失函数（或目标函数）求导数值化后的结果。梯度告诉我们目标函数在某个点上的方向性和变化率，这些信息是优化算法推进参数评估和更新的重要指标。在机器学习中，我们通过不断调整参数，使目标函数达到最小值，从而实现模型的训练和学习。2、为什么梯度要求偏导来求解？梯度是一个向量，它的方向指向函数值增加最快的方向，其大小表示函数值的变化率。为了确定梯度的方向和大小，需要
转载
2024-09-06 09:27:17
105阅读
随着深度学习越来越流行，工业生产不光在PC端应用场景丰富，在移动端也越来越凸显出深度学习的重要性及应用价值。由于嵌入式平台受存储、指令集限制，需要提供更小的网络模型，并且某些DSP平台不支持float指令。tensorflow提供TOCO转换工具能够自动生成量化为U8的TFLite文件。本文将介绍如何解析tflite的网络结构以及权重信息。一
转载
2024-04-11 13:15:49
520阅读
总结:按照惯例,所有属性requires_grad=False的张量是叶子节点(即:叶子张量、
叶子节点张量).
对于属性requires_grad=True的张量可能是叶子节点张量也可能不是叶
子节点张量而是中间节点(中间节点张量). 如果该张量的属性requires_grad=True,
而且是用于直接创建的,也即它的属性grad_fn=None,那么它就是叶子节点.
如果该张量的属性req
机器学习的本质是建立优化模型，通过优化方法，不断迭代参数向量，找到使目标函数最优的参数向量。最终建立模型。通常用到的优化方法：梯度下降方法、牛顿法、拟牛顿法等。这些优化方法的本质就是在更新参数。一：梯度下降法1、梯度下降的思想 通过搜索方向和步长来对参数进行更新。其中搜索方向是目标函数在当前位置的负梯度方向。因为这个方向是最快的下降方向。步长确定了沿着这个搜索方向下降的大小。 &
转载
2024-07-15 14:23:30
390阅读
常见的梯度下降算法有：全梯度下降算法(Full gradient descent），随机梯度下降算法（Stochastic gradient descent），随机平均梯度下降算法（Stochastic average gradient descent）小批量梯度下降算法（Mini-batch gradient descent）,它们都是为了正确地调节权重向量，通过为每个权重计算一个梯度，从而更新
转载
2024-04-25 12:39:30
254阅读
目录一、激活函数1.Sigmoid函数 2.Tanh函数3.ReLU函数二、损失函数及求导1.autograd.grad2.loss.backward()3.softmax及其求导三、链式法则1.单层感知机梯度2. 多输出感知机梯度3. 中间有隐藏层的求导4.多层感知机的反向传播四、优化举例一、激活函数1.Sigmoid函数 函数图像以及表达式如下：通过该函数，可以将输入的负无
转载
2024-06-12 06:50:00
951阅读
本文是我对使用软件计算模型中参数的过程概念理解的简介~！了解这有利于软件的使用者理解软件使用软件求解参数进行模型时的一堆琐碎的选项有帮助，也便于将药动学模型中的一些概念与数学中常用的一些概念联系起来。模型估计参数的前提条件：估算的前提条件：自变量(时间，给药方案)+因变量（浓度）+模型结构对于药动学模型，自变量为：时间，给药方案，（给药方案就是给药的时刻+剂量）;因变量为：采集得到的样品的血药浓度
转载
2024-07-23 00:59:33
50阅读
本章将介绍函数中参数的用法定义函数的时候，我们把参数的名字和位置确定下来，函数的接口定义就完成了。对于函数的调用者来说，只需要知道传递正确的参数，以及函数就返回什么样的值就够了，函数内部的复杂逻辑被封装起来了，调用者无须了解。Python的函数定义非常简单，但灵活度却非常大。除了正常定义的必须参数外，还可以使用默认参数、可变参数和关键词参数，使得函数定义出来的接口，不但能处理复杂的函数，还可以简化
全梯度下降算法(Full gradient descent），随机梯度下降算法（Stochastic gradient descent），随机平均梯度下降算法（Stochastic average gradient descent）小批量梯度下降算法（Mini-batch gradient descent）,它们都是为了正确地调节权重向量，通过为每个权重计算一个梯度，从而更新权值，使目标函数尽可能
转载
2024-02-10 14:53:40
188阅读
本文将对衡量深度学习模型大小的一些常用指标，如计算量、参数量、访存量、内存占用等进行探讨，分析这些指标对模型部署推理的影响，尤其是计算量与访存量对模型推理速度的影响，并给出在不同硬件架构下设计网络结构的一些建议。零、前言当年头一次实习做算法的时候，主管给的第一个任务就是“把一个大的分割模型砍成一个小的”。当时并不理解模型“大”、“小”的真正含义，就简单的选取计算量作为评价指标，疯狂砍计算量（bac
Pycharm 基础1、变量变是指变化，量是指反映某种状态。变量有三大要素：有内存地址,数值，数值类型。例：username = ‘songjiang’ #变量
password = ‘123’print(id(username)) #查看username内存地址
print(id(password)) #查看password内存地址
print(type(username)) #查看use
转载
2024-03-25 14:31:29
210阅读
内容导读北京时间 3 月 4 日，PyTorch 官方博客发布 1.8 版本。据官方介绍，新版本主要包括编译器和分布式训练更新，同时新增了部分移动端教程。整体来看，本次版本更新涵盖 1.7 版本发布以来，共计 3,000 多次 commit，包括编译、代码优化、科学计算前端 API 以及通过 pytorch.org 提供的二进制文件支持 AMD ROCm。同时 PyTorch 1.8 还为管道和模
转载
2024-03-13 11:42:16
139阅读
目录简要介绍PyTorch、张量和NumPy为什么选择卷积神经网络(CNNs)?识别服装问题使用PyTorch实现CNNs1.简要介绍PyTorch、张量和NumPy让我们快速回顾一下第一篇文章中涉及的内容。我们讨论了PyTorch和张量的基础知识，还讨论了PyTorch与NumPy的相似之处。PyTorch是一个基于python的库，提供了以下功能:用于创建可序列化和可优化模型的Tor
转载
2024-06-26 10:29:01
48阅读
模型选择和特征选择的基本方法以及理解
模型选择的标准是尽可能地贴近样本真实的分布。但是在有限的样本下，如果我们有多个可选模型，比如从简单到复杂，从低阶到高阶，参数由少到多。那么我们怎么选择模型呢，是对训练样本的拟合度越好就可以吗？显然不是，因为这样做的话只会让我们最终选择出最复杂，最高阶的模型。而这个模型的问题是过拟合的，即对样本真实分布
转载
2024-04-21 17:43:14
70阅读
是偏主观的确定权重的方法用于解决复杂的决策问题，比如最佳方案的选取、评价类的问题、指标体系的优选。一. 理论 步骤大致分为以下四个步骤：① 确定目标层、准则层、方案层② 构造判断矩阵 Ci:Cj→aij，即Ci的重要程度/Cj的重要程度。A=aij(n×n)，aij＞0，aij＝1/aji（允许不一致，但要确定不一致的范围，即③）  
数学建模（6）图论查阅参考论文，核心期刊论文及以上。 下载查阅论文时，首先看摘要筛选文章：研究目标，使用方法，解决的问题，得到的结果图论概念图定点与边组成的集合 G=(V(G),E(G)) V(G)定点集合 E(G)边的集合有向图 边均为有序偶对，即每一条边都有确定的方向和指向，有头有尾无向图 边均为无序偶对，即每一条边都没有方向和指向混合图 既有有向边也有无向边的图关联 边和它两端定点相互关联相
NN这块的公式，前馈网络是矩阵乘法。损失函数的定义也是一定的。但是如何更新参数看了不少描述，下面的叙述比较易懂的： 1、在吴恩达的CS229的讲义的第四页直接给出参数迭代公式 在UFLDL中反向传导算法一节也是直接给出的公式 2、例子：第一步：随机对比重（a,b）赋值并计算误差平方和（SSE）第二步：通过对误差比重（a,b）求导计算出误差梯度（注：YP即Ypred）∂
转载
2024-04-04 10:28:37
0阅读
使用了一段时间PyTorch，感觉爱不释手（0-0），听说现在已经有C++接口。在应用过程中不可避免需要使用Finetune/参数初始化/模型加载等。 模型保存/加载 1.所有模型参数训练过程中，有时候会由于各种原因停止训练，这时候我们训练过程中就需要注意将每一轮epoch的模型保存(一般保存最好模型与当前轮模型)。一般使用pytorch里面推荐的保存方法。该方法保存的是模型的参数。#保存模型到c
转载
2024-05-31 12:18:37
650阅读
