把月亮据给你

1. torch-cam工具包：CAM热力图 CAM algorithm[https://www.jianshu.com/p/62f4fc4289dd] torchcam可解...

把月亮据给你

ONNX-ONNX Runtime部署 1. 部署ImageNet预训练图像分类模型 导出ONNX模型（把原生pytorch训练得到的图像分类模型，导出为ONNX格式，用于后...

把月亮据给你

使用训练好的图像分类模型，预测测试集的所有图像，得到预测结果表格 1. 安装配置环境 2. 构建图像分类数据集 3. 测试集图像分类预测结果 4. 测试集总体准确率评估指标 ...

把月亮据给你

使用task3训练好的图像分类模型，对新图像进行预测 1. 安装配置环境 2. 预测新图像 3. 预测视频文件 使用训练好的图像分类模型对视频文件进行逐帧预测 4. 预测摄像...

把月亮据给你

1. 安装配置环境 2. 准备图像分类数据集 3. 使用迁移学习微调，训练出图像分类模型 在自己的图像分类数据集上，使用ImageNet预训练图像分类模型初始化，改动分类层，...

把月亮据给你

注意，ImageNet 1000类中并不包含“西瓜” 1. 安装配置环境 2. 预测单张图像 banana 99.7763zucchini 0...

把月亮据给你

图像分类：input图像——>output每个类别的概率 数据集的质量直接决定算法的质量训练集和测试集文件夹数相同，并且图片没有交集 1. 安装配置环境 2. 图像采集 B1...

把月亮据给你

基于shapley值的机器学习可解释性分析 shapley值：当多人联盟博弈时，某人加入组织，对最终博弈决策带来的边际贡献；某一个特征引入时，对模型预测结果带来的边际影响（特...

把月亮据给你

1.Captum工具包 https://github.com/frgfm/torch-cam[https://github.com/frgfm/torch-cam] 遮挡可解...

把月亮据给你

“Why Should I Trust You?”Explaining the Predictions of Any ClassifierLIME: 可解释任意机器学习模型预...

把月亮据给你

Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization基于梯度的弱监...

把月亮据给你

Learning Deep Features for Discriminative Localizationhttps://arxiv.org/abs/1512.04150[...

把月亮据给你

Visualizing and Understanding Convolutional Networkshttps://arxiv.org/abs/1311.2901[htt...

把月亮据给你

机器学习的假设：训练集和测试集要来自同一分布 可解释机器学习导论 细粒度图像分类（类别比较像，但是彼此不同） 可解释性算法：KNN分类、logistic regression...

把月亮据给你

随机现象与概率 当n足够大时，频率可以近似看成概率 条件概率、乘法公式、全概率公式与贝叶斯公式 注：若门有100扇，换且能拿到车的概率为99/100，不拿也能换到车的概率为1...

把月亮据给你

python解线性方程组 （使用Numpy库只需要传入对应的系数矩阵A以及常熟向量b） 求解多元方程组 使用1中的代码不可行，有多少个未知数就需要多少个方程 判断一个方程组有...