- 博客(3)
- 收藏
- 关注
RSS订阅原创 Datawhale AI夏令营 siRNA task3
不过在看到利用baseline实现的结果，能在评分系统里得到0.5038和0.7590的分数时，我也感到十分欣喜，一方面钦佩做baseline的大佬，另一方面在看到在人工智能的帮助下，人类能够更好地预测药物的治疗效果，从而改变世界，改变人类，让我感叹人工智能的伟大，和让我继续坚定学习人工智能的信念。接下来我将从最基础的部分开始学习，高等数学、英语、配置环境，会尝试的读一些人工智能的论文，也会更多的接触一些人工智能的项目，提高自己的代码能力。#Datawhale AI夏令营。
2024-08-03 11:50:17
453
原创 Datawhale AI夏令营 siRNA task2
但是，baseline在这里使用了[0]*(self.max_len-len(encoded))来生成填充，然后又使用 padded[:self.max_len],这实际上是多余的，因为padded的长度已经是self.max_len，可以简化为padded=encoded+[0]*(self.max_len-len(encoded))[:self.max_len].当ngram大于1时，它通过步幅来生成ngram分词，但当步幅小于ngram长度，这将导致在某些情况下无法正确生成ngram分词。
2024-07-31 21:09:09
375
原创 Datawhale AI夏令营 siRNA task1
在接下来的task2、task3中，我们的主要任务就是修改模型中的参数，从而让预测结果更加精确，更好“上分”。现有mRNA（简单理解为疾病基因）、siRNA（简单理解为药物基因）、RNAi（简单理解为药物基因作用于疾病基因的机制），我们的任务就是通过构建并优化模型，准确预测某类药物基因对某类疾病基因的治疗效果，9、训练主程序：优化模型的参数，使模型能够学习数据的特征并做出准确的预测或分类。用于训练模型，并在每个epoch后，评估模型的性能，保存最佳模型。#Datawhale AI夏令营#
2024-07-27 21:52:05
471
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