网络训练中的超参调整策略

在讨论如何调试模型之前,我们先来纠正一个误区。通常理解如何调试模型的时候,我们想到一系列优秀的神经网络模型以及调试技巧。但这里需要指出的是数据才是模型的根本,如果有一批质量优秀的数据,或者说你能将数据质量处理的很好的时候,往往比挑选或者设计模型的收益来的更大。那在这之后才是模型的设计和挑选以及训练技巧上的事情。

最新出炉!2019 VR虚拟现实行业市场及未来发展趋势报告

VR产业应用领域不断扩大,产业链条不断完善,将成为B端客户不可缺少的一部分,据中商产业研究院发布的报告显示:2019年中国虚拟现实市场规模将达225.6亿元。中国报告网最新发布的《2019年中国虚拟现实(VR)行业分析报告-行业调查与未来趋势研究》中也明确指出了VR虚拟现实的发展目标、核心技术和推进VR重点行业应用。

[深度学习] 不平衡样本的处理

机器学习中经典假设中往往假定训练样本各类别是同等数量即各类样本数目是均衡的,但是真实场景中遇到的实际问题却常常不符合这个假设。一般来说,不平衡样本会导致训练模型侧重样本数目较多的类别,而“轻视”样本数目较少类别,这样模型在测试数据上的泛化能力就会受到影响。

图形编程中常用浮点数及其精度剖析

图形学中经常要涉及使用各种格式的浮点数类型,如float,half,也会经常用到各种格式的浮点数类型PixelFormat,例如R10G10B10A2,R11G11B10,RGBHalf...。在合适的情况下使用合适的浮点数类型,是保证效率和效果的基础。本文总结并详细讨论一下各种常见浮点数的精度,范围,精度分布及应用特点。