小令童鞋

梅干菜你个小酥饼哦。

文章

nginx 请求头过大导致502

nginx 请求头过大导致502,nginx报错: 2020/04/26 21:57:45 [error] 3152#3152: *5 upstream sent too big header while reading response header from upstream, client: 1.80.1.176, server: www.zeekling.cn, request: "GET /articles/2020/04/13/1586788757454.html HTTP/2.0", upstream: "http://127.0.0.1:8080/articles/2020/04/13/1586788757454.html", host: "www.zeekling.cn", referrer:"https://www.zeekling.cn/articles/2019/09/07/1587898561235.html"

博客从solo迁移bolo

solo 博客使用了大概有一年的时间,总体感觉上还不错,但是从在一些其他方面的问题,就是和黑客派 绑定的太死了,有时候会因为社区的原因导致博客的访问量不准确,以及同一ip访问次数过频繁的时候会导致博客访问不了。

评估方法详解

模型评估的相关方法详解。模型评价是指对于已经建立的一个或多个模型,根据其模型的类别,使用不同的指标评价其性能优劣的过程。常用的聚类模型评价指标有ARI评价法(兰德系数)、AMI评价法(互信息)、V-measure评分、FMI评价法和轮廓系数等。常用的分类模型评价指标有准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F1值(F1 Value)、ROC和AUC等。常用的回归模型评价指标有平均绝对误差、均方根误差、中值绝对误差和可解释方差值等。

目标检测

计算机视觉中关于图像识别有四大类任务: 分类-Classification:解决“是什么?”的问题,即给定一张图片或一段视频判断里面包含什么类别的目标。 定位-Location:解决“在哪里?”的问题,即定位出这个目标的的位置。 检测-Detection:解决“是什么?在哪里?”的问题,即定位出这个目标的的位置并且知道目标物是什么。 分割-Segmentation:分为实例的分割(Instance-level)和场景分割(Scene-level),解决“每一个像素属于哪个目标物或场景”的问题。

朴素贝叶斯

叶斯分类器是一种概率框架下的统计学习分类器,对分类任务而言,假设在相关概率都已知的情况下,贝叶斯分类器考虑如何基于这些概率为样本判定最优的类标。在开始介绍贝叶斯决策论之前,我们首先来回顾下概率论委员会常委--贝叶斯公式。

ResNet 详解

深度网络随着层数不断加深,可能会引起梯度消失/梯度爆炸的问题: “梯度消失”:指的是即当梯度(小于1.0)在被反向传播到前面的层时,重复的相乘可能会使梯度变得无限小。 “梯度爆炸”:指的是即当梯度(大于1.0)在被反向传播到前面的层时,重复的相乘可能会使梯度变得非常大甚至无限大导致溢出。 随着网络深度的不断增加,常常会出现以下两个问题: 长时间训练但是网络收敛变得非常困难甚至不收敛 网络性能会逐渐趋于饱和,甚至还会开始下降,可以观察到下图中56层的误差比20层的更多,故这种现象并不是由于过拟合造成的。 这种现象称为深度网络的退化问题。

梅干菜你个小酥饼哦。

© 2020 小令童鞋

Powered by 菠萝博客 Bolo
Theme bolo-sakura by Mashiro
浏览 89856 文章 78 评论 148
浙ICP备19040285号-1

浙公网安备 33011002014174号

浙公网安备 33011002014174号

主题 | Theme