KMeans损失函数

零数学基础理解AI核心概念：梯度下降可视化实战

用Python动画演示损失函数优化过程，数学公式具象化读者收获：直观理解模型训练本质，破除"数学恐惧症"当盲人登山者摸索下山路径时，他本能地运用了梯度下降算法。

九章云极AladdinEdu·2025-07-29 19:46

利用Gpu训练

方法一：分别对网络模型，数据（输入，标注），损失函数调用.cuda()网络模型：iftorch.cuda.is_available():net=net.cuda()数据（训练和测试）：iftorch.cuda.is_available

兮℡檬，·2025-07-29 09:39

因果推断推荐系统工具箱 - PRS（二）

PropensityRatioScoringAsaCorrection核心要点上一节讲解了在unbiasL2R的场景中，基于pairwise比较的损失函数的IPS的方法存在与真实评估指标偏离的问题，这一节讲解如何环节这一问题

processor4d·2025-07-29 04:26

【树模型与集成学习】(task6)梯度提升树GBDT+LR

学习总结（1）不同问题的提升树学习算法，主要区别在于使用的损失函数不同，如用平方误差损失函数的回归问题、用指数损失函数的分类问题、用一般损失函数的一般决策问题等。

山顶夕景·2025-07-29 04:27

【YOLO系列】YOLOv1详解：模型结构、损失函数、训练方法及代码实现

YOLOv1（YouOnlyLookOnce）：实时目标检测的革命性突破✨motivation在目标检测领域，传统方法如R-CNN系列存在计算冗余、推理速度慢的问题。2016年提出的YOLO（YouOnlyLookOnce）首次实现端到端单阶段检测，将检测速度提升至45FPS（FasterR-CNN仅7FPS），彻底改变了实时目标检测的格局。其核心思想是将检测视为回归问题，实现"看一眼即知全貌"的

一碗白开水一·2025-07-29 02:15

YOLOV8模型及损失函数

YOLOV8代码分析1.YOLOV8相对于YOLOV5的改进2模型2.1模型主要模块2.1.1模型主要模块：2.1.2CBS、SPPF、Bottleneck、C2f、model3损失ultralytics/models/yolo/detect/train.py3.2.1生成anchor_points3.3.1把targets[9,6]变为[bs,max_gt,1+4]3.4获取预测框Pboxes3

山居秋暝LS·2025-07-29 02:43

【YOLO系列】YOLOv4详解：模型结构、损失函数、训练方法及代码实现

YOLOv4详解：模型结构、损失函数、训练方法及代码实现motivationYOLO系列作者JosephRedmon与AlexeyBochkovskiy致力于解决目标检测领域的核心矛盾：精度与速度的平衡

一碗白开水一·2025-07-29 02:09

交叉熵损失函数

importtorchimporttorch.nn.functionalasFimporttorch.nnasnnimportmathdefcross_entropyloss(y_pred,y_true):#y_pred'sshapeis[N,C]y_pred=torch.log_softmax(y_pred,dim=-1)loss=-torch.sum(y_true*y_pred,dim=-1)

onlyzzr·2025-07-28 13:09

机器学习算法（六）---逻辑回归

目录一、逻辑回归1.1模型介绍1.2工作原理1.2.1对数几率模型1.2.2逻辑回归与Sigmoid函数1.3.3熵、相对熵与交叉熵1.3损失函数和优化算法1.3.1损失函数的理论基础1.3.2优化算法

向云端UP·2025-07-28 09:39

实验七 SVM支持向量机

目录一、SVM定义二、SVM基本概念及其优缺点1、间隔2、SVM核心3、支持向量4、支持向量机的基本思想5、优缺点三、损失函数四、代码实现1、算法实现基本流程2、代码解析3、整体代码五、结果截图及解释1

萍萍无奇a·2025-07-27 18:46

Pytorch 自定义损失函数

自定义HingeLossclassMyHingeLoss(torch.nn.Module):#不要忘记继承Moduledef__init__(self):super(MyHingeLoss,self).__init__()defforward(self,output,target):"""output和target都是1-D张量,换句话说,每个样例的返回是一个标量."""hinge_loss=1-

DeniuHe·2025-07-27 17:13

深度学习 - 梯度下降优化方法

梯度下降的基本概念梯度下降（GradientDescent）是一种用于优化机器学习模型参数的算法，其目的是最小化损失函数，从而提高模型的预测精度。

·2025-07-26 21:35

深度学习-梯度下降法

在机器学习中，这个函数通常是损失函数，衡量模型预测值与真实值的差距。最小化损失函数意味着让模型预测更准确。核心思想：想象你站在一个山坡上（函数曲面），目标是尽快下到山谷最低点（最小值点）。

若天明·2025-07-26 20:29

Transformer Masked loss原理精讲及其PyTorch逐行实现

MaskedLoss的核心原理是：在计算损失函数时，只考虑真实有意义的词元（token），而忽略掉为了数据对齐而填充的无意义的填充词元（paddingtoken）。

·2025-07-26 13:08

基础NLP | 01 机器学习深度学习基础介绍

随机初始化损失函数导数与梯度梯度下降优化器MiniBatchepoch流程深度学习的基本思想机器学习简介有监督学习核心目标：建立一个模型（函数），来描述输入（X）和输出（Y）之间的映射关系价值：对于新的输入

是娜个二叉树！·2025-07-26 00:07

PPO流程的个人疑问集锦 Q & A

PPO-clipLoss指的是用了clip的Actorloss（含kl散度罚项），用来鼓励actor模型在不过度偏离ref模型以及oldactor模型的前提下，对齐人类偏好；LMLoss指的是（交叉）熵损失函数

·2025-07-25 00:18

使用PyTorch进行猫狗图像分类实战指南

接着，本文讲解了如何构建和定义网络结构，选用交叉熵损失函数，并利用SGD或Adam优化器进行权重更新。在训练模型时，我们会进行多个e

op3721·2025-07-24 09:48

Class11数值稳定性

其中h指的就是隐藏层第层的输出是：其中，是第层的激活函数或线性变换等网络的最终输出：这里的ℓ是损失函数，也就是每一层的损失函数作用于原始的X。加上损失函数，神经网络才有一个标准，指导什么是好的结果。

Morning的呀·2025-07-24 06:21

阿里云天池-学习笔记（7.22）

概念的初步认识和学习一、损失函数损失函数是衡量模型预测值与真实值之间差异的一个量度，通过最小化这个差异来优化模型的参数。损失函数的选择直接影响到模型的训练效果和最终性能。

2301_81822737·2025-07-23 21:26

用 K-means 算法实现水果分堆

先看运行效果：importnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.clusterimportKMeans#生成模拟数据（两个高斯分布的混合点集）

wh_xia_jun·2025-07-23 21:55

YOLO 目标检测的改进方法

YOLO目标检测的改进方法可以从模型架构、训练策略、损失函数等多个方面入手，以下是一些常见的改进方法方向及参考文献：模型架构改进骨干网络替换：使用更轻量或更强大的网络替换原始骨干网络。

·2025-07-23 17:30

数据质量是机器学习项目的核心痛点，AI技术能提供智能化解决方案。

数据质量诊断系统（Python实现）importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.clusterimportKMeansfromsklearn.ensembleimportIsolationForestfromtensorflow.keras.modelsimportSequentialfromte

zzywxc787·2025-07-23 07:56

回归损失函数2 ： HUber loss,Log Cosh Loss,以及 Quantile Loss

均方误差（MeanSquareError,MSE）和平均绝对误差（MeanAbsoluteError,MAE)是回归中最常用的两个损失函数，但是其各有优缺点。

·2025-07-21 15:01

day 28打卡

day18选用昨天的kmeans得到的效果进行聚类，进而推断每个簇的实际含义#先运行之前处理好的代码importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltimportseabornassnsimportwarningswarnings.filterwarnings

weixin_39908253·2025-07-21 11:03

Datawhale X 魔塔 Ai夏令营 --深度学习基础

一、局部极小值与全局极小值全局极小值：在损失函数的整个定义域内，损失值最小的点。这是我们在训练深度学习模型时希望找到的点，因为它代表着模型的最佳性能。

·2025-07-21 08:11

DataWhale 二月组队学习-深入浅出pytorch-Task04

一、自定义损失函数1.损失函数的作用与自定义意义在深度学习中，损失函数（LossFunction）用于衡量模型预测结果与真实标签之间的差异，是模型优化的目标。

－273.15K·2025-07-20 06:34

使用tensorflow的线性回归的例子（七）

在算法的收敛性中，理解损失函数的影响是很重要的。这里我们展示L1和L2损失函数是如何影响线性回归的收敛性的。我们使用iris数据集,但是我们将改变损失函数和学习速率来看收敛性的改变。

lishaoan77·2025-07-12 04:55

SPGAN: Siamese projection Generative Adversarial Networks

主要创新点包括：（1）设计Siameseprojection网络来测量特征相似性；（2）提出相似特征对抗学习框架，将相似性测量融入生成器和鉴别器的损失函数；（3）通过相似特征对抗学习，鉴别器能最大化真实图像和生成图像特征的差异性

这张生成的图像能检测吗·2025-07-11 23:25

前沿交叉：Fluent与深度学习驱动的流体力学计算体系

Tecplot流场可视化与数据导出2、CFD数据的AI预处理·基于PCA/SVD的流场数据降维·特征值分解与时空特征提取深度学习核心3.物理机理嵌入的神经网络架构·物理信息神经网络（PINN）：将N-S方程嵌入损失函数

m0_75133639·2025-07-11 10:56

万字长文带你搞懂yolov5和yolov8以及目标检测相关面试

使用了Mosaic数据增强、自适应锚框计算、自适应图片缩放基准网络：使用了FOCUS结构和CSP结构Neck网络：在Backbone和最后的Head输出层之间插入FPN_PAN结构Head输出层：训练时的损失函数

起个别名·2025-07-11 05:24

KTO（Kahneman-Tversky Optimization）技术详解与工程实现

其创新性在于：损失函数设计：将人类对"收益"和"损失"的非对称心理反应量化数据效率：无需构建偏好对（y_w>y_l），直接利用松散标注二、KT

DK_Allen·2025-07-10 18:06

语言模型 RLHF 实践指南（一）：策略网络、价值网络与 PPO 损失函数

损失函数怎么构建？微调后的旧轨迹还能用吗？这篇文章将以语言模型强化学习微调为例，结合实际实现和数学公式，深入解析PPO的关键计算流程。1️⃣策略网络：如何计算动作概率？

·2025-07-10 09:12

深度学习核心知识简介和模型调参

###核心参数及其影响####1️⃣Loss（损失函数）**基本介绍**：衡量模型预测与真实值差距的指标，是模型优化的指南针。

研术工坊·2025-07-10 03:34

【AI大模型】神经网络反向传播：核心原理与完整实现

一、反向传播的本质与意义反向传播（Backpropagation）是神经网络训练的核心算法，通过链式法则高效计算损失函数对网络参数的梯度，实现神经网络的优化学习。

我爱一条柴ya·2025-07-08 18:00

【PyTorch】PyTorch中torch.nn模块的卷积层

PyTorch深度学习总结第七章PyTorch中torch.nn模块的卷积层文章目录PyTorch深度学习总结前言一、torch.nn模块1.模块的基本组成部分1.1层（Layers）1.2损失函数（LossFunctions

·2025-07-08 12:18

什么是深度学习框架中的计算图？

操作：数学运算，如加法(+)、乘法(*)、矩阵乘法(matmul)、激活函数(ReLU,sigmoid)、卷积(conv2d)、损失函数(cross_entropy)等。变量：通常是张量，即存储数据

杰瑞学AI·2025-07-07 20:17

PyTorch 的 torch.nn 模块学习

使用场景：用于定义和管理神经网络模型，包括层、损失函数和自定义的前向传播逻辑。主要API和使用场景：__init__

·2025-07-07 11:10

机器学习21-线性网络思考

请详细列举不同的算法对应的损失函数和计算思路在传统机器学习中，线性分类算法是一种非常重要的方法，用于将数据划分为不同的类别。

坐吃山猪·2025-07-07 04:00

Victor Zhong·2025-07-06 19:23

【Python训练营打卡】day33 @浙大疏锦行

查看显卡信息的命令行命令（cmd中使用）3.cuda的检查4.简单神经网络的流程a.数据预处理（归一化、转换成张量）b.模型的定义i.继承nn.Module类ii.定义每一个层iii.定义前向传播流程c.定义损失函数和优化器

2301_77865880·2025-07-05 14:17

深入了解Transformer模型及其优缺点

目录前言1Transformer结构特点1.1注意力机制（Self-Attention）1.2编码器-解码器架构1.3位置编码和基于注意力的损失函数2Transformer模型优缺点分析2.1Transformer

·2025-07-04 18:38

如何训练一个 Reward Model：RLHF 的核心组件详解

本文将系统介绍如何从零开始训练一个rewardmodel，包括数据准备、模型结构、损失函数、训练方法与注意事项。什么是RewardModel？

茫茫人海一粒沙·2025-07-04 00:04

Python Day53

传统的神经网络训练中，我们通常会直接定义一个损失函数（如均方误差MSE、交叉熵CE），然后通过反向传播来优化这个损失。这个损失的“来源”

别勉.·2025-07-03 07:56

Instrct-GPT 强化学习奖励模型 Reward modeling 的训练过程原理实例化详解

（2）InstructGPT的优化方案二、输入输出与损失函数的具体构造（1）输入输出示例（2）人工标注数据的处理（3）损失函数的计算过程（4）反向传播的核心逻辑三、为什么不需要人工标注分值？

John_今天务必休息一天·2025-07-03 06:19

【python数据分析】数据建模之Kmeans聚类

K均值：基于原型的、划分的距离技术，它试图发现用户指定个数(K)的簇以欧式距离作为相似度测度Kmeans聚类案例分析：make_blobs聚类数据生成器#导入模块from sklearn.cluster

斑点鱼 SpotFish·2025-07-02 03:31

Learning Fully Convolutional Networks for Iterative Non-blind Deconvolution论文阅读

研究目标与实际问题1.1研究目标1.2实际意义2.创新方法与模型设计2.1核心框架：迭代式梯度域处理2.1.1模型架构2.2关键技术实现2.2.1梯度域去噪网络2.2.2解卷积模块（核心公式实现）2.2.3损失函数设计

青铜锁00·2025-07-02 01:19

【机器学习】机器学习的基本分类-监督学习-线性回归（Linear Regression）

损失函数为了找到最佳的w和b，需要最小化预测值和真实值

IT古董·2025-07-01 07:18

线性代数-第9篇：二次型与正定矩阵：优化问题的数学基础

线性代数-第9篇：二次型与正定矩阵：优化问题的数学基础在人工智能、量化投资和大数据分析中，优化问题无处不在，比如机器学习的损失函数最小化、量化投资组合的风险最小化等。

程序员勇哥·2025-06-30 20:28

深度学习使用Pytorch训练模型步骤

3.选择损失函数：根据任务类型（如分类、回归）选择合适的损失函数。4.选择优化

vvvdg·2025-06-30 01:29

第 3 章：神经网络如何学习

损失函数(LossFunction

鱼摆摆拜拜·2025-06-29 15:19

推荐频道