搜尋結果
还是同一张图，但是加税后我们发现税收使外部性内部化了。碳税是间接税，增加了生产成本（S1 to MSC），cost curve往相反的方向移动了，回到了有效率的市场均衡点（Q1 to Q2). 然后P1就是市场均衡价格，P2就是社会最优价格，P0到P2的距离就是碳税的大小，可以理解为花了多少税才让外部性全部内部化。
那是不是我们的目标就只是让loss function 越小越好呢？还不是。这个时候还有一个概念叫风险函数(risk function)。风险函数是损失函数的期望，这是由于我们输入输出的 (X,Y) 遵循一个联合分布，但是这个联合分布是未知的，所以无法计算。但是我们是有历史 ...
类别不平衡问题中，如何在提升recall的同时尽量少地对precision产生负面影响？. 目前试了一下 Logit Adjustment 通过对logit进行offset，从而修改loss的方法。. 确实对稀有类的recall有提升，但是对几乎…. 目前试了一下Logit Adjustment通过对logit进行offset，从而修改loss的方法 ...
有没有人已经对比过不同的Pytorch的DataParallel方法对模型正确率的影响？这边初步的实验结果来看，用最… 分布式训练是不会影响准确度的，之所以有影响，很可能是因为你的batch size成倍增加，优化器的步长却没有跟着改，这才导致了准确度降低的。
之前loss用自带的MSE,这样写的```criterion = nn.MSELoss(size_average=False).cuda()...loss = criterio… 在PyTorch中，反向传播(即x.backward())是通过autograd引擎来执行的， autograd引擎工作的前提需要知道x进行过的数学运算，只有这样autograd才能根据不同的数学运算计算其对应的梯度。
2018年9月14日 · 看到很多人提到了focal loss，但是我并不建议直接使用focal loss。感觉会很不稳定，之前是在一个小的数据集上的baseline进行加了focal loss，发现有了3%的提升(当时只看到了bestmodel的iou)，哟，感觉还不错。这就给我后面埋了很多坑，因为当时是在同一个base上分别加augmentation ,加 hard minning，还有focal loss ...
2012年9月28日 · 有兴趣的朋友可以看一下SEC在2016年5月出的一个文件，对Non GAAP的规范要求。大致上来说，一些常规项目的东西不可以调整，Non GAAP的数据要从GAAP调整得来，要显示出有哪些调整，并且要保持一致性（不能去年是loss就调，今年是gain就不调）。
