你是否曾期望机器学习模型能取得很好的结果，但结果却很差？你付出了努力，那么问题出在哪里？如何解决？评估分类模型的方法有很多，但混淆矩阵（confusionmatrix）是最可靠的选择之一。它显示了模...

嘿，你知道吗？在这个世界上，有一种东西叫做LLMs，大型语言模型。它们是相当厉害的家伙，可以理解和生成各种各样的文本，甚至可以和人类一样聊上一会儿。但是，机器学习仍然是相当重要的，为什么呢？让我来告诉...

对机器学习的评估度量是机器学习核心部分，本文总结分类问题常用的metrics分类问题评估指标在这里，将讨论可用于评估分类问题预测的各种性能指标1ConfusionMatrix这是衡量分类问题性能的...

交叉验证是在机器学习建立模型和验证模型参数时常用的办法。交叉验证，顾名思义，就是重复的使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。...

一篇文章写清楚一个问题，关注我，自学python！解决一个机器学习问题都是从问题建模开始，我们首先要收集问题资料，深入理解问题后将其抽象成机器可预测的问题。那么我们的学习模型表现究竟怎么样，该如何进行...

简单概念回顾监督学习与无监督学习最大的区别就是有没有标签工业应用中主要是用监督学习分类任务和回归任务能用线性模型，决不用非线性模型（容易过拟合，且计算量太大）模型的评估accuracy：很少用，样...

飞桨的FastDeploy是一款易用高效的推理部署开发套件。覆盖业界热门AI模型并提供开箱即用的部署体验，包括图像分类、目标检测、图像分割、人脸检测、人脸识别、人体关键点识别、文字识别、语义理解等多任...

从2022年10月份开始，大家已经陆续在PaddleDetection仓库的develop分支下尝鲜体验了一些预发布的新算法。如今经过4个月的打磨升级，PaddleDetectionv2.6正式...

关于水果目标检测实例，可以参看前期文章：59.人工智能——基于FasterR-CNN实现多种水果目标检测。本文主要使用PicoDet2来实现多种水果目标检测。模型输入尺寸mAPval0.5:0.95...

在167.人工智能——智能标注PaddleLabel的使用文章中，有讲如何使用PaddleLabel来智能标注数据。本文主要使用标注好的目标检测数据，使用PaddleX来进行模型训练和部署。关于P...