DatawhaleX李宏毅苹果书 AI夏令营

最新推荐文章于 2024-09-26 19:15:00 发布
最新推荐文章于 2024-09-26 19:15:00 发布
阅读量202 收藏
点赞数 3
文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_80858335/article/details/141614246
版权

在第一章中，我初步了解到了机器学习的大致理论，了解到了许多先进知识。c8a0514f48f1455aad2dea5e2fe66172.jpg

c6d56684f0d84ba091f6eb28c3f9f501.jpg 

bc0879269a3041c4833db6784694a552.jpg 

cf3b0c3a98f34da1832c64aeccfbd677.jpg 

f0157afc660246639d1c3fb099ad15de.jpg 

 

-雾-
关注
Datawhale X 李宏毅苹果书 AI夏令营 入门班选修3
09-03
结果prediction
Datawhale X 李宏毅苹果书 AI夏令营 进阶班 选修笔记
09-03
运行结果
Datawhale X 李宏毅苹果书 AI夏令营
2302_79699802的博客
08-27 1069
阅读李宏毅老师苹果书及搭配视频的一次记录
深度学习笔记 DatawhaleX李宏毅苹果书 AI夏令营
l__111的博客
09-01 318
第2章 实践方法论 2.1 模型偏差 定义：模型偏差指模型在训练数据上无法准确拟合，损失较高。 原因：模型过于简单，灵活性不足，无法捕捉到数据中的复杂关系。 解决方法： 增加输入特征数量，例如从使用前一天的信息增加到使用前56天的信息。 使用更复杂的模型，如深度学习，增加模型的灵活性。 注意：损失大不一定仅由模型偏差导致，也可能是优化问题。 2.2 优化问题 定义：模型在训练过程中无法有效降低损失，可能陷入局部最小值。 例子：残差网络（ResNet）中，56层网络比20层网络在训练集
#DatawhaleX李宏毅苹果书 AI夏令营#task2
2402_83975942的博客
08-31 254
4. 梯度下降的过程为：随机选取初始值θ0，计算梯度g = ∇L(θ0)，然后根据梯度更新参数θ1 = θ0 - ηg，以此类推。3. 通过调整Sigmoid函数的参数（b、w和c），可以制造不同形状的Sigmoid函数，进而逼近各种分段线性函数和连续函数。2. 随着神经网络层数的增加，错误率会降低，但可能会出现过拟合问题，即在训练数据上表现好，在未看过的数据上表现差。3. 实验中使用更多的ReLU可以制造更复杂的曲线，降低训练数据上的损失，但在未看过的数据上的损失可能不会变化。
#DatawhaleX李宏毅苹果书 AI夏令营#task1
2402_83975942的博客
08-27 364
通过学习本篇文章和视频，我对深度学习有了一定的了解。机器学习是让机器具备找一个函数的能力，以完成各种任务；而深度学习是机器学习的一个重要分支。通过案例学习找到使损失小到 480 的和，在已知数据上计算损失较小，在未看过的数据上预测未来观看次数的误差为 0.58。：输出是从设定好的选项中选择一个，例如检测邮件是否为垃圾邮件，AlphaGo 下围棋也是分类问题；：输出是一个数值（标量），例如预测未来某一时间的 PM2.5 数值；：让机器产生有结构的物体，如画图、写文章等。希望之后自己能坚持机器学习方面的学习。
DatawhaleX李宏毅苹果书AI夏令营#进阶TASK2笔记
Uniproton的博客
08-31 680
自适应学习率是指在训练过程中，根据梯度信息自动调整学习率的策略。传统的梯度下降法通常使用固定的学习率，这种做法在面对不同梯度大小和不同特征的情况下，往往效果不佳。自适应学习率通过动态调整学习率来应对这一问题，使得训练过程更加高效。分类问题是深度学习中最常见的任务之一，其目标是根据输入数据将样本分到特定的类中。与回归问题不同，分类的输出是离散的标签，而不是连续的数值。尽管两者在目标上有所不同，但分类问题可以被视为回归问题的一种特殊情况。
DatawhaleX李宏毅苹果书AI夏令营#进阶TASK1笔记
Uniproton的博客
08-27 259
本次第五期夏令营的主题是李宏毅教授的课程《深度学习》的文字详解版本次学习将重点探讨深度学习中的局部最小值与鞍点，以及批量和动量的作用。
机器学习基础（DATAwhaleX李宏毅苹果书 AI夏令营）
weixin_50021146的博客
08-27 92
2.交叉熵（使用不同参数，计算不同损失，画误差表面）3.1训练的两个关键因素1 斜率2学习率（自己设定）3.2局限性：训练到局部最小值，难求最优解。机器学习就是让机器具备找一个函数的能力。1.构建模型（参数/权重/偏置/）3.坡度下降（通过算微分解最优化）分类：回归/分类/结构化学习。
#DatawhaleX李宏毅苹果书 AI夏令营#task3课程笔记
2402_83975942的博客
09-03 340
这一章主要是关于机器学习中实践方法论的学习。
DatawhaleX李宏毅苹果书 AI夏令营—深度学习入门（Task3）
流火_授衣的博客
09-03 1040
这次笔记是对实践方法论学习的总结在应用机器学习算法时，实践方法论能够帮助我们更好地训练模型。之前没有接触过Kaggle，所以关于Kaggle的地方就没有过多解释，看网友评论“可以直接在网上搜一个文章或者视频，也可以看看里面关于Kaggle的简单介绍”
Datawhale 5 李宏毅苹果书 AI夏令营.pdf
08-26
Datawhale 5 李宏毅苹果书 AI夏令营.pdf
Datawhale X 李宏毅苹果书 AI夏令营：《深度学习详解》
08-24
Datawhale X 李宏毅苹果书 AI夏令营：《深度学习详解》
VeighNa：强大的Python开源量化交易平台
最新发布
Unity打怪升级
09-26 638
VeighNa（简称 VN 或 vn.py）是一个基于 Python 的开源量化交易平台，专为量化交易爱好者和专业交易员设计。VeighNa 是由国内开发者社区推动的开源项目，旨在提供一个功能丰富、灵活且易于扩展的量化交易解决方案。该框架不仅支持多种资产类别的交易，如股票、期货、期权、加密货币等，还支持多种交易接口和协议，使得用户能够轻松进行多市场、多品种的交易策略开发和部署。
Python精选200Tips：171-175
AnFany
09-26 1119
Python深度学习的项目
ubuntu安装libtorch
meng_152634的博客
09-25 721
nouveau是由第三方为NVIDIA显卡开发的一个开源3D驱动，ubuntu默认集成了nouveau驱动，安装NVIDIA驱动前必须禁用系统自带的显卡驱动nouveau，否则安装NVIDIA驱动时会报错。，一定要确定好安装的CUDA版本是否支持显卡的算力，否则安装成功也无法使用GPU加速。如果cmake版本低于3.18，会出现下面的报错，这是由于低于3.18的cmake不支持CUDA17的编译，需要更新cmake版本。因为安装的CUDA版本为12.1，这里选择最新版的CUDNN 9.4.0进行安装。
Python 高阶内容：套娃式装饰器巧妙为函数增加功能
敲代码别忘了喝上一杯凉白开。
09-23 580
装饰器是 Python 中一种非常强大且灵活的工具，能够在不修改函数本身的情况下，为函数增加额外的功能。本文介绍了装饰器的基本概念及应用，通过实例演示如何在函数执行前后添加额外操作，如鉴权、数据验证等，类似“套娃”般层层嵌套。文章还通过代码示例展示了如何定义和使用装饰器，以及如何将装饰器与实际业务逻辑结合，实现灵活的功能扩展。这种设计模式不仅可以提升代码的可读性和可维护性，还可以有效减少代码的冗余。掌握装饰器的用法，将为你的 Python 编程技巧增添更多亮点。
Java函数式接口日常使用
weng74的博客
09-24 480
Java 8 中函数接口使用到了业务开发中，方法灵活性和可复用性得到了很大的提升，方便业务的开发，下面来看看具体使用场景
李宏毅深度学习速成：入门必备教程
深度学习指南由李宏毅在2018年推出，是一份针对初学者极其友好的教育资源，帮助读者快速理解和掌握深度学习...对于希望踏入人工智能领域的专业人士和学生而言，李宏毅的《一天搞懂深度学习》无疑是一个宝贵的学习起点。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值