要训练AI绘画模型同时学会多个不同的概念，可以采取以下方法：
1. 数据集多样化：使用包含多种不同概念的数据集来训练模型，例如人物、动物、风景等。
2. 多任务学习：将模型设计为可以同时学习多个任务，例如绘制人物和动物。
3. 迁移学习：使用已经训练好的模型来进行迁移学习，让模型可以同时学习多个概念。
4. 增加训练数据：增加更多的训练数据，可以让模型更好地学习多个概念。
5. 调整模型结构：根据不同的概念，调整模型结构，使其更适合学习多个概念。
6. 优化训练算法：使
阅读全文 → 2023-03-29
茚二酮制备实验中需要干燥仪器的原因是为了避免水分对反应产生影响。水分可能会与反应物发生反应，影响反应的产率和选择性。此外，水分还可能导致催化剂的失活或降低反应速率。因此，在茚二酮制备实验中，干燥仪器可以确保反应条件的准确性和稳定性，从而提高反应的效率和产率。
阅读全文 → 2023-03-29
翻转，旋转，缩放,裁剪，平移，添加噪声，有监督裁剪，mixup，上下采样，增加不同惩罚
解决图像细节不足问题（增强特征提取骨干网络的表达能力）
阅读全文 → 2023-03-28
①欠采样 - 随机删除观测数量足够多的类，使得两个类别间的相对比例是显著的。虽然这种方法使用起来非常简单，但很有可能被我们删除了的数据包含着预测类的重要信息。
②过采样 - 对于不平衡的类别，我们使用拷贝现有样本的方法随机增加观测数量。理想情况下这种方法给了我们足够的样本数，但过采样可能导致过拟合训练数据。
③合成采样（ SMOTE ）-该技术要求我们用合成方法得到不平衡类别的观测，该技术与现有的使用最近邻分类方法很类似。问题在于当一个类别的观测数量极度稀少时该怎么做。比如说，我们想用图片分类
阅读全文 → 2023-03-28
1）一般不用BGD
2）a. BGD每次需要用到全量数据，计算量太大
b. 引入随机因素，即便陷入局部极小，梯度也可能不为0，这样就有机会跳出局部极小继续搜索（可以作为跳出局部极小的一种方式，但也可能跳出全局最小。还有解决局部极小的方式：多组参数初始化、使用模拟退火技术）
阅读全文 → 2023-03-28
当我们使用一个3*3的卷积核，在最后一个feature map上滑动，当滑动到特征图的某一个位置时，以当前滑动窗口中心为中心映射回原图的一个区域(注意 feature map 上的一个点是可以映射到原图的一个区域的，相当于感受野起的作用)，以原图上这个区域的中心对应一个尺度和长宽比，就是一个anchor了。
fast rcnn 使用3种尺度和3种长宽比（1:1；1:2；2:1），则在每一个滑动位置就有 3*3 = 9 个anchor。
阅读全文 → 2023-03-28
网络研讨会
了解更多
注册以接收 蓝海大脑 活动/网络研讨会邀请
地址：北京市海淀区东北旺南路29号蓝海中心
联系电话：010－82770520
联系邮箱：marketing@lanhy.cn
蓝海大脑 京ICP备18017748号-1