- 博客(8)
- 收藏
- 关注
RSS订阅原创 Datawhale AI 夏令营（生命科学方向）
LSTM（Long Short-Term Memory，长短期记忆网络）是一种特殊的循环神经网络（RNN），它在处理序列数据方面非常有效，特别是那些需要“长期记忆”的序列.：调整食材的“味道”，让它们都在一个差不多的水平线上，这样模型吃起来才不会觉得有的太淡有的太咸。：有时候，食材太大块或形状不合适，需要切割或重新组合，这样模型才能更好地“吃”下去。：有些食材是模型不认识的（比如文字、颜色等），需要给它们贴上标签，告诉模型这是什么。：去掉数据中的脏东西和不需要的部分，比如错误的数据、缺失的信息等。
2024-07-31 22:50:39
214
原创 Datawhale AI 夏令营(生命科学方向）
它允许开发者使用Python来构建和训练神经网络，具有直观、灵活和易于使用的特点。通过PyTorch，你可以轻松地定义模型、计算损失、优化参数，并处理各种类型的数据，如图像、文本等。同时对于学习率可以采用相关的学习率自动化调整的方法例如：余弦退火学习算法之类的。跑完baseline感觉就是嗖的一下就跑完了，baseline里面给的代码功能介绍给的很详细并且在代码运行时也有epoch进度条显示，感觉很不错，虽然这次成绩一般，继续努力吧！6、模型训练：调整参数，观察平均绝对误差和的值和F1的得分。
2024-07-28 23:48:48
167
原创 Datawhale AI 夏令营（机器学习方向）
前前后后测试这个机器学习的模型不下10次，查阅了很多资料，翻阅了很多大佬的经验，以及求问了群上很多大佬的经验。此次经历丰厚了我的知识，锻炼了我的心态，也让我见识到了很多厉害的人。如果要再加分，可以适当调整三个模型的参数来加分，调整策略同第一条一样。个人误点：在特征优化中，容易爆内存，因此需要利用GPU32来跑模型，可避免此情况,如果自己有相应好的设备也可以利用自己的GPU本地跑，或许会有更高的得分。
2024-07-21 00:18:44
209
原创 Datawhale AI 夏令营（NLP方向）
Transformer模型是一种基于自注意力机制（Self-Attention Mechanism）的深度学习模型，最初由Google的研究团队在2017年提出，主要用于处理自然语言处理（NLP）任务，如机器翻译、文本生成、语言理解等。Transformer模型的出现彻底改变了NLP领域的格局，其重要性堪比计算机视觉领域的卷积神经网络（CNN）。
2024-07-20 23:55:47
214
原创 Datawhale AI 夏令营 （NLP方向）
1、Seq2SeqSeq2Seq，全称Sequence to Sequence，是一种用于处理序列数据的深度学习模型，其核心思想是将一个输入序列转换成一个输出序列。本次task2的模型用于机器翻译。2、torchtext：是一个用于自然语言处理（NLP）任务的库，它提供了丰富的功能，包括数据预处理、词汇构建、序列化和批处理等，特别适合于文本分类、情感分析、机器翻译等任务3、jieba是一个中文分词库，用于将中文文本切分成有意义的词语。
2024-07-17 23:08:10
749
原创 Datawhale AI 夏令营Task2 （机器学习方向）
GBDT (Gradient Boosting Decision Tree) 是机器学习中一个长盛不衰的模型，其主要思想是利用弱分类器（决策树）迭代训练以得到最优模型，该模型具有训练效果好、不易过拟合等优点。：LightGBM（Light Gradient Boosting Machine）是一个实现GBDT算法的框架，支持高效率的并行训练，并且具有更快的训练速度、更低的内存消耗、更好的准确率、支持分布式可以快速处理海量数据等优点。LightGBM 框架中还包括随机森林和逻辑回归等模型。
2024-07-17 01:10:53
533
原创 Datawhale AI 夏令营（机器学习方向）
除此之外，大家可能还听过“半监督学习”之类的说法，但是那些都是基于上面3类的变种，本质没有改变。
2024-07-14 23:59:16
226
原创 Datewhale AI 夏令营
所谓Seq2Seq(Sequence to Sequence)，即序列到序列模型，就是一种能够根据给定的序列，通过特定的生成方法生成另一个序列的方法，同时这两个序列可以不等长。GRU（Gate Recurrent Unit）是循环神经网络（RNN）的一种，可以解决RNN中不能长期记忆和反向传播中的梯度等问题，与LSTM的作用类似，不过比LSTM简单，容易进行训练。filename: 数据集文件的路径，假设是一个包含英文和中文文本的文件，每行包含一个英文句子和对应的中文句子，通过制表符分隔。
2024-07-14 23:05:58
1021
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