|
mindscience.common.AdaHessian
|
二阶优化器 AdaHessian，利用 Hessian 矩阵对角元信息进行二阶优化求解。 |
mindscience.common.batched_hessian
|
计算网络模型的海森矩阵。 |
mindscience.common.batched_jacobian
|
计算网络模型的雅可比矩阵。 |
mindscience.common.get_2d_sin_cos_pos_embed
|
参数：。 |
mindscience.common.get_loss_metric
|
获取对应名称的损失函数实例。 |
mindscience.common.get_multi_step_lr
|
当训练轮次达到给定 milestones 之一时，学习率按 gamma 进行衰减，生成学习率数组。 |
mindscience.common.get_poly_lr
|
生成指数衰减的学习率数组。 |
mindscience.common.get_warmup_cosine_annealing_lr
|
基于余弦函数生成衰减学习率数组。 |
mindscience.common.glorot_uniform
|
Glorot 均匀初始化。 |
mindscience.common.lecun_init
|
LeCun 初始化。 |
mindscience.common.MTLWeightedLoss
|
自动计算基于 MTL 策略的加权多任务损失。 |
mindscience.common.patchify
|
将类图像张量转换为由展平 patch 组成的序列。 |
mindscience.common.pixel_shuffle
|
对由多个输入平面组成的信号应用 pixel_shuffle 操作。 |
mindscience.common.pixel_unshuffle
|
对由多个输入平面组成的信号应用 pixel_unshuffle 操作。 |
mindscience.common.PixelShuffle
|
对由多个输入平面组成的输入信号应用 pixelshuffle 操作，该操作可用于实现步长为 \(1/r\) 的高效子像素卷积。 |
mindscience.common.PixelUnshuffle
|
对由多个输入平面组成的信号应用 pixelunshuffle 操作，详情可参考。 |
mindscience.common.RelativeRMSELoss
|
相对均方根误差（RRMSE）是对均方根误差进行归一化后的结果，其归一化因子为真实值的均方根，其中每一个残差项都相对于真实值进行缩放。 |
mindscience.common.SpectralNorm
|
对给定模块中的参数应用谱归一化。 |
mindscience.common.to_2tuple
|
将一个整数或整数元组转换为长度为 2 的元组。 |
mindscience.common.to_3tuple
|
将一个整数或整数元组转换为长度为 3 的元组。 |
mindscience.common.unpatchify
|
将一系列展平的 patch 序列还原为类图像张量。 |
mindscience.common.WaveletTransformLoss
|
多层小波变换损失函数。 |