均方根误差 (RMSE)与平均绝对误差 (MAE)在损失函数中的应用与比较
标题（学术版）：均方根误差 (RMSE)与平均绝对误差 (MAE)在损失函数中的应用与比较 标题（生动版）：RMSE与MAE：两种评价预测误差的尺子，哪个更适合你？ 摘要： 在机器学习和数据分析中， …
知乎 - 有问题，就会有答案
知乎，中文互联网高质量的问答社区和创作者聚集的原创内容平台，于 2011 年 1 月正式上线，以「让人们更好的分享知识、经验和见解，找到自己的解答」为品牌使命。知乎凭借认真、专业、友善的社区 …
如何评价 Kaiming 团队新作 Masked Autoencoders (MAE)？
MAE编码器 编码器为原始ViT，且只应用未屏蔽的patch，并采用线性投影计算这些patch的patch embedding，并添加position embedding，然后通过一系列Transformer块处理结果集。 MAE解码器 …
如何看待meta最新的工作：将MAE扩展到billion级别（模型和数据）？
MAE编码器 MAE的编码器是一个ViT，但只应用与可见的、未屏蔽的补丁。 就像在标准的ViT中一样，MAE的编码器通过添加了位置嵌入的线性投影来嵌入补丁，然后通过一系列Transformer块来处理 …
发现 - 知乎
选择困难症的取名之旅：声明：本人平时不发知乎，这篇文章是我受到牢A冲击的三观重新整合过程中的产物，任何人可以随意引用，转载，洗稿，不保留任何版权。 长生种短生种讨论里，最劲爆的还不 …
如何评价 Kaiming 团队新作 Masked Autoencoders (MAE)？
这是 MAE体的架构图，预训练阶段一共分为四个部分，MASK，encoder，decoder。 MASK 可以看到一张图片进来，首先把你切块切成一个一个的小块，按格子切下来。 其中要被MASK住的这一块就是 …
MAE, MSE, RMSE, R方 — 哪个指标更好? - 知乎
MAE可以准确反映实际预测误差的大小。 MAE用于评价真实值与拟合值的偏离程度，MAE值越接近于0，说明模型拟合越好，模型预测准确率越高（但是RMSE值还是使用最多的）。
L1范数，L1损失和MAE损失之间的区别？ - 知乎
总结 L1范数、L1损失和MAE损失在对异常值的鲁棒性方面优于L2范数、L2损失和MSE损失，但后者在数学上更光滑，更容易进行优化。 选择哪种损失函数取决于具体问题的需求和数据的特性。
image中的“ma”为什么好多人读 "mæ"？音标党表示不管看美式还是英 …
工作经常接触，好多同事都读“ɪ'mædʒ”，可是我觉得并不对啊，好别扭的感觉，害死强迫症。。。求…
数据量稍大，计算耗时很大,如何给代码提速？ - 知乎
数据量稍大，计算耗时很大,如何给代码提速？ def rolling_mae (high, low, window): return actual.rolling (window).apply ( la… 显示全部 关注者 3 被浏览