简介命名实体识别（Named Entity Recognition, NER）旨在从文本中抽取出命名实体，比如人名、地名、机构名等。它是一个非常重要的基础性任务，可以有效帮助后续的文本语义理解。NER任务一般有两种类型：flat NER和nested NER。前者就是普通的NER，每个token只对应一个label；后者是比较复杂的NER，每个的token对应若干个label。除非特殊声明，一般提
NeuralProphet之七：NeuralProphet + Optuna数据来自真实园区数据，训练集为202
原创
2022-08-28 01:01:19
1318阅读
1评论
NeuralProphet之四：多时序预测模型实际环境下，我们可能会遇到多个时序数据，
原创
2022-08-21 00:42:09
1872阅读
将模型存储到本地，并在需要的时候将其导入。
原创
2022-09-03 07:20:18
409阅读
1评论
先写在前面的话这篇笔记写下来，感觉似乎在我所学范围内对着两种模型简单模式的使用好像并不广泛，也不见什么复杂的例子。复杂的模式也没有去讲……看看之后还有没有相关的内容吧，之后再补。评价模型加权平均适用于每一项权重和评分都容易获得 对应的权重乘以对应的数值再求和。层次分析适用于没有给出权重和分析，需要自己定义的情况构造判断矩阵准则颜值C1 稀有度C2 知识C3 趣味性C4两两比价：Ci相对于Cj的重要
转载
2024-08-21 16:30:54
80阅读
参考l2正则L2正则化的目的就是为了让权重衰减到更小的值，在一定程度上减少模型过拟合的问题。权重衰减（weight decay）weight decay（权值衰减）的使用既不是为了提高收敛精确度也不是为了提高收敛速度，其最终目的是防止过拟合。在损失函数中，weight decay是放在正则项（regularization）前面的一个系数，正则项一般指示模型的复杂度，所以weight decay的作
转载
2024-04-12 19:21:41
140阅读
目录：topsis简介topsis法基本原理数据正向化 2.1. 极小型指标转化为极大型指标 2.2. 中间型指标转化为极大型指标 2.3. 区间型指标转化为极大型指标标准化评分构建总结0. topsis简介 Topsis法，全称为Technique for Order Preference by Similarity to an Ideal Solution中文常翻译为优劣解距离法，该方法能够根
转载
2024-03-05 04:50:51
83阅读
TOPSIS模型评价方法大体上可分为两类，其主要区别在确定权重的方法上。一类是主观赋权法，多数采取综合咨询评分确定权重，如综合指数法、模糊综合评判法、层次分析法、功效系数法等。另一类是客观赋权，根据各指标间相关关系或各指标值变异程度来确定权数，如主成分分析法、因子分析法、理想解法 (也称TOPSIS 法)等。目前国内外综合评价方法有数十种之多，其中主要使用的评价方法有主成分分析法、因子分析、TOP
转载
2024-03-25 13:22:01
128阅读
这篇文章对mmdetection（包括mmlab的其他例如mmclassification等）训练得到的模型权重，或者说checkpoints文件进行分析，一般模型保存在work-dir文件夹下，具体路径要参考训练用到的config，即配置文件。保存的模型一般是.pt的文件。读取.pth文件具体数值修改.pth文件具体数值（比如修改卷积核通道数）读取.pth文件具体数值.pt模型文件读取方法这种模
转载
2024-02-16 10:36:01
139阅读
样本权重是对损失函数来说的对于类别少的样本 通过调节其对 损失函数的影响程度来达到提高预测精度 类型权重参数： class_weight class_weight有什么作用？在分类模型中，我们经常会遇到两类问题： 第一种是误分类的代价很高。比如对合法用户和非法用户进行分类，将非法用户分类为合法用户的代价很高，我们宁愿将合法用户分类为非法用户，这时可以人工再甄别，但是却不愿将非法用户分类为合法用户
转载
2024-05-13 16:26:21
70阅读
1、自回归语言模型 在ELMO／BERT出来之前，大家通常讲的语言模型其实是根据上文内容预测下一个可能跟随的单词，就是常说的自左向右的语言模型任务，或者反过来也行，就是根据下文预测前面的单词，这种类型的LM被称为自回归语言模型。GPT 就是典型的自回归语言模型。ELMO尽管看上去利用了上文，也利用了下文，但是本质上仍然是自回归LM，这个跟模型具体怎么实现有关系。ELMO是做了两个方向（从左到右以及
转载
2024-02-23 17:33:13
46阅读
目录问题问题实例 问题分析建立层次分析法模型分析权重的方法编辑填表指标的权重编辑 一致性检验一致性检验的引入 一致性检验的步骤 计算判断矩阵归一化处理算术平均法求权重几何平均法求权重特征值法求权重（常用）汇总结果，得出结论 得出权重矩阵 计算得分得出结论代码部分Matlab入门知识本文例题代码计算部分撰写论文部分他人的例子（选自2016创
转载
2024-08-03 13:59:51
23阅读
系列文章参考链接：https://zhuanlan.zhihu.com/p/102697821 https://mp.weixin.qq.com/s/zWEO-VvNsciF9KKmJ6VCyQ 当我们设计好一个模型，投喂大量数据，并且经过艰苦训练，终于得到了一个表现不错的模型，得到这个模型以后，就要保存下来，为后面的部署或者测试实验做准备。那么该如何正确高效的保存好训练的模型并再次重新载入呢？
转载
2024-03-28 09:39:48
123阅读
目录前言一、参数的更新1. SGD的缺点2. Momentum3. AdaGrad4. Adam5. 基于MNIST数据集地更新方法比较二、权重的初始值1. 权重初始值不能设为0总结前言本节介绍权重参数的优化方法，即寻找最优权重参数的最优化方法。一、参数的更新1. SGD的缺点如果函数的形状飞军向，比如呈延伸状，搜索的路径会非常低效。究其根本原因是梯度的方向并没有指向最小值的方向。 2.
转载
2023-11-26 11:04:58
317阅读
评价方法大体上可分为两类，其主要区别在确定权重的方法上。一类是主观赋权法，多数采取综合咨询评分确定权重，如综合指数法、模糊综合评判法层次分析法、功效系数法等。另一类是客观赋权，根据各指标间相关关系或各指标值变异程度来确定权数，如主成分分析法、因子分析法、理想解排序法 (也称TOPSIS法，也称优劣解距离
转载
2024-03-15 13:17:00
96阅读
深度学习（16）—— 权重加载model.load_state_dict(torch.load('/home/yangjy/projects/Jane_git_tf/weights/con_model/best1_2022-12-02-09-36.pth', map_location=device))Question?情形： 新的model是需要两个模型作前期的处理后的结果，如model1得到fe
转载
2024-03-29 08:19:30
91阅读
一、常见模型汇总 在数学建模中，根据具体问题的特点和要求，选择合适的模型和算法是非常重要的，同时需要根据实际情况进行调整和优化，以得到合理和可行的解决方案。二、数学建模四大模型在数学建模中，通常将数学模型按照其应用目标和任务的不同划分为四大类：评价模型、预测模型、分类模型和优化模型。这些模型用于解决不同类型的问题和任务。评价模型（Evaluation Model）：评价模型用
转载
2024-07-23 13:49:52
98阅读
FaceNet（A Unified Embedding for Face Recognition and Clustering）是一种基于深度学习的人脸识别技术，能够将人脸图像转化为高维特征向量，并通过计算特征向量之间的距离关系来进行准确的人脸比对和识别。本教程着重在于如何使用FaceNet来训练自己的数据集（以本人识别为例），并进行简单的测试。有关原理在之后课程介绍。使用FaceNet训练自己的
目录0. 摘要3. 方法3.1 基础概念3.2 2D 选择性扫描3.3 VMamba 模型3.3.1 整体架构3.3.2 VSS块4. 实验0. 摘要卷积神经网络（CNNs）和视觉变压器（Vision Transformers，ViTs）是视觉表示学习的两个最受欢迎的基础模型。虽然 CNNs 在图像分辨率方面具有线性复杂性的显著可扩展性，ViTs 却在拟合能力上超越它们，尽管面临着二次复杂性的挑战
关于修改train_softmax.py文件进行迁移学习比如：自己的数据集要识别6个人，最后一个全连接层的节点个数为6。训练的数据集路径下改成自己的数据集。代码修改及解释有如下几处：经过上面的修改后即可在自己的数据集上进行迁移学习的训练，保存最终训练的模型，其他地方的参数可以自行调整优化。 FaceNet源码使用方法主要参照转载自：前提条件：已安装并配置好Tensorflow的运行环境。
