【Datawhale X 李宏毅苹果书 AI夏令营】Task2笔记 该分类器通过一系列卷积层（Conv2d）、批归一化层（BatchNorm2d）、激活函数（ReLU）和池化层（MaxPool2d）构建卷积神经网络，用于提取图像特征。随后，这些特征被输入到全连接层进行分类，最终输出11个类别的概率，用于图像分类任务。分类任务使用交叉熵作为性能衡量标准。
【Datawhale X 李宏毅苹果书 AI夏令营】Task1笔记 不同的参数也需要不同的学习率（而不是固定不变的）：如果在某一个方向上梯度值很小（非常平坦），我们会希望学习率调大一点；MGBD需要随着时间的推移逐渐降低学习率：在梯度下降初期，能接受较大的步长（学习率），以较快的速度进行梯度下降；在物理的世界里，一个球如果从高处滚下来，就算滚到鞍点或鞍点，因为惯性的关系它还是会继续往前走。具体而言，AdaGrad在每次更新时对每个参数的学习率进行缩放，使得学习率对于梯度较大的参数较小，而对于梯度较小的参数较大。低维度空间中的局部极小值点，在更高维的空间中往往是鞍点。
【科学计算与数学建模】自编码器 自编码器是一类尝试使用反向传播算法重新创建输入数据作为输出的神经网络。自编码器包含两部分：编码器和解码器。编码器读取输入并把它压缩成紧凑表示，解码器则读取紧凑表示并用其重建输入。我们把训练样本用噪声污染，然后使用解码器解码出干净的照片，以获得去噪自动编码器。
【科学计算与数学建模】循环神经网络 RNN处理序列的方式是，遍历所有序列元素，并保存一个状态，其中包含与已查看内容相关的信息。实际上，RNN是一类具有内部环的神经网络（如下图）。在处理两个不同的独立序列（比如两条不同的IMDB评论）之间，RNN状态会被重置，因此，你仍可以将一个序列看作单个数据点，即网络的单个输入。真正改变的是，数据点不再是在单个步骤中进行处理，相反，网络内部会对序列元素进行遍历。
【科学计算与数学建模】Keras基础与简单应用 上面我们已经重塑了X_train和X_test的形状，但是mnist图片是通过矩阵存储在计算机里面，矩阵里的每一个元素都是一个像素点，每个像素都转换成了0～255的值，其中0代表白色，255代表黑色。该方法返回的是输入的类向量中所有类别所对应的one-hot编码构成的矩阵。请学员通过编程把X_train和X_test里面的像素点归一化到0-1之间的值，并查看X_train的第2个例子的第100个到150个像素点的值。参数dytpe表示需要转化的数据类型，其他参数都有缺省值，这里用不到，可以不用管。
【科学计算与数学建模】词嵌入模型 在前面的实训中，我们已经使用过简单的one-hot编码，one-hot编码是将标记转换为向量的最常用，最基本的方法。对于单词级别的one-hot编码，它将每个单词与一个唯一的整数索引相关联，然后将这个整数索引i转换为长度为N的二进制向量（N是词表的大小），这个向量只有第i个元素是1，其余都是0，对于字符级别的one-hot编码，它将每个字符与一个唯一的整数索引相关联，其余与单词级别的类似。
【科学计算与数学建模】logistic回归预测二分类 任务描述 相关知识 数据集以及任务介绍 任务 数据集 数据属性信息 提供的特征属性格式 提交的数据格式 实现方法—Logistic Regression 加载数据 数据标准化 逻辑回归模型 验证集的使用（Validation set） 训练过程 画图函数 测试数据的使用预测二分类 编程要求 测试说明任务描述本关任务：通过二分类，确定一个人是否年收入超过5万美元。相关知识为了完成本关任务，你需要掌握：
【科学计算与数学建模】线性回归预测PM2.5值之模型训练及测试 回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。y^为预测值，自变量x和因变量y是已知的，而我们想实现的是预测新增一个x，其对应的y是多少。这里的更新规则中学习率是固定不变的，是开始给定的一个超参数。然而adagrad算法则是修改了学习率 ，使之成为一个可变参数，每一次学习率 的变化都是基于之前的梯度。其中， 是一个对角矩阵，其中每一个对角元素i是梯度的平方，即从 直到 ， 则是平滑项，通常取值为1e-8，避免除数为0。数据的读取如上训练数据的读取。
【科学计算与数学建模】线性回归预测PM2.5值之数据处理 所有训练和测试的Data中含有18项污染物的观测数据AMB_TEMP, CH4, CO, NHMC, NO, NO2, NOx, O3, PM10, PM2.5, RAINFALL, RH, SO2, THC, WD_HR, WIND_DIREC, WIND_SPEED, WS_HR。本次作业是使用某监控站的观测记录，分成train set 以及 test set，train set 是该站每个月前20天的所有资料，test set 是从该站剩下的资料中取样出来。但是需要用到所有18类污染物的前9个数据。
【学习记录】FISCO BCOS之账户权限控制：基于角色的权限控制 FISCO的账户权限控制分为基于角色的权限控制和基于表的权限控制。本文内容是基于角色的权限控制。本博客仅用于个人记录学习过程，对于更详尽全面的教程内容、需求与设计等，请参考官方文档而非本文。
【学习记录】FISCO BCOS之开发第一个区块链应用 本博客仅用于个人记录《FISCO BCOS之开发第一个区块链应用》的学习过程、复盘和保留的疑惑，对于更详尽全面的教程内容、需求与设计等，请参考官方文档而非本文章。
关注
