- 博客(6)
- 收藏
- 关注
原创 Datawhale X 李宏毅苹果书 AI夏令营:实践方法论
在应用机器学习算法时,实践方法论可以帮助更好地训练模型。如果在 Kaggle 上的测试结果不佳,应首先检查训练数据的损失情况。如果模型在训练数据上的损失很大,说明它在训练集上没有学好。此时,应分析模型在训练集上未能学好的原因,再进一步优化。
2024-08-29 17:41:23 1023
原创 Datawhale X 李宏毅苹果书 AI夏令营:线性模型(模型确定与优化)
上篇确定的模型不行,它只能够看前一天,所以我们要通过领域知识去修改模型。通过真实的数据以得到一个结论是,每隔 7 天有一个循环。所以要把前 7 天的观看人次都列入考虑,写了一个新的模型:xj 代表第 j 天的观看测试,wj代表权重。再利用用梯度下降,算出 w 跟 b 的最优值。这种把输入的特征 x 乘上一个权重,再加上一个偏置就得到预测的结果的模型称为线性模型(linear model)。
2024-08-29 17:22:10 1632
原创 Datawhale X 李宏毅苹果书 AI夏令营:什么是机器学习(案例学习)
模型定义是机器学习中的第一个步骤,它的核心是选择一个适当的函数形式来描述预测任务。在这个案例中,我们定义了一个简单的线性模型:y是我们希望预测的值,即今天(2月26日)的观看次数。x1 是前一天(2月25日)的观看次数,这是已知的输入特征。w和 b是模型的未知参数,分别称为权重(weight)和偏置(bias)。在这个模型中,我们假设今天的观看次数和昨天的观看次数有某种线性关系。这个假设基于领域知识,认为过去的观看行为可能对未来的观看次数有一定的影响。
2024-08-27 23:53:33 1659
原创 Datawhale X 魔搭 AI夏令营:实战优化
LoRA (Low-Rank Adaptation) 微调是一种在预训练模型上进行高效微调的技术,能够在保持模型泛化能力的同时,灵活地适应特定任务或领域。它的优势包括高效的资源利用、快速的任务适应能力,以及对少量标注数据的良好适应性。
2024-08-19 00:09:30 646
原创 Datawhale X 魔搭 AI夏令营:开启AI生图之旅
文生图主要以SD系列基础模型为主,以及在其基础上微调的lora模型和人物基础模型等。接下来,我们简单了解下提示词、lora、ComfyUI和参考图控制这些知识点。
2024-08-15 00:49:28 730
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人