2022李宏毅作业开坑。

原创 已于 2022-04-25 15:38:50 修改 · 1k 阅读 · 0 ·
CC 4.0 BY-SA版权
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。
文章标签：

#python #人工智能 #deep learning

于 2022-02-28 20:33:30 首次发布

李宏毅老师2022有新课程啦 ，令人无比感动的是，李老师每年的课程都有跟以前不一样的内容，都有着新的方向和研究。 说明李宏毅老师也跟我们一起关注着新的科研进展（bushi，我没有），而且还做了新的ppt和课程给我们，着实令人感动。

第一次学李宏毅老师的课程时，懵懵懂懂，什么都不知道， 这次终于能听明白一点点内容了 ，当然也只是一点点罢了。 只听课是没有效果的，必须需要作业的辅助。所以我决定开一个李宏毅老师作业的系列专题，来记录我做的那些作业。

所谓开坑，也是对自己的一种鞭策嘛

后面我才发现 我做的都是2021的作业。 但也挺好的，因为2021的作业也挺有代表性

李宏毅2020机器学习课程笔记（三）- CNN、半监督学习、RNN
⚡
08-13 5443
包含李宏毅机器学习视频P17-P23的课程梗概
李宏毅深度学习课程Spring2022作业1 改进
weixin_39107270的博客
12-14 1233
分为 simple baseline medium 、strong、boss上一篇 ： simple: https://editor.csdn.net/md/?articleId=134950253
【李宏毅《机器学习》2022】作业1：COVID 19 Cases Prediction (Regression)
qq_66152438的博客
09-15 2388
本文记录了李宏毅《机器学习》作业1的学习和分析过程
2022李宏毅作业hw4 - 挫败感十足的一次作业。
YI_SHU_JIA的博客
05-30 5493
难难难 难于上青天 def __init__(self, data_dir, segment_len=128): self.data_dir = data_dir self.segment_len = segment_len # Load the mapping from speaker neme to their corresponding id. mapping_pa...
2022李宏毅作业hw5 - 暂时先鸽，写hw6。
YI_SHU_JIA的博客
10-19 1495
大失败 。 论文好难写好难写。
【机器学习】根据特征预测序列-2022李宏毅作业HW1
哈哈
08-24 4134
记录一个pytorch训练机器学习模型的代码，代码内容包括：数据库建立、数据预处理、特征分析与提取、神经模型定义、模型训练与验证、模型拟合结果输出等部分
李宏毅机器学习 task3作业
weixin_43369974的博客
06-03 2999
李宏毅_Machine Learning_2019 Task 3 学习打卡内容 大作业 按照 Homework1_Introduction.txt 的要求完成本次作业 作业1：预测PM2.5的值 在这个作业中，我们将用梯度下降法 (Gradient Descent) 预测 PM2.5 的值 (Regression 回归问题) Homework1要求： 要求 python3.5+ 只能用 numpy...
【课程笔记·李宏毅教授】语言模型的修炼史（上）
这里是数字化与人工智能的 “实验场” 与 “瞭望台”
09-21 1239
我们都还没有训练过任何模型，所有内容都基于“已训练好的大语言模型”，讨论如何强化它的现有能力。从这堂课开始，我们正式进入——看看这些模型是怎么从“不会说话”练到今天“无所不能”的。语言模型的修炼分三个阶段，接下来我们会逐步剖析每个阶段的核心逻辑。不过在讲故事前，必须先交代一些背景知识，帮大家看懂“修炼”背后的技术原理。
NLP-D6-李宏毅机器学习L3hw-L4self-attention-L5seq2seq(Transformer)
weixin_45252975的博客
04-29 1872
昨天的进度被一些意外的事情打乱了，而且搞得心烦意乱，但是没关系！！！留得青山在，不怕没柴烧，昨天第一次给同学讲解ML，发现了自己不牢固的知识，感觉很好！ ----0553 开始预习hw3的slides&&看课。 ----------0609 看了作业要求，感觉很干！！！打算边吃饭边看。 ------0628吃完了，产生了问题 1、交叉验证不会使模型提前见到训练集嘛？ 我自己的想法：我们本来做的就是用val调model，交叉验证只不过是另一种利用val的方法。 ------0710大概看完了，
【课程笔记·李宏毅教授】可解释机器学习XAI（Explainable Machine Learning ）
最新发布
这里是数字化与人工智能的 “实验场” 与 “瞭望台”
09-22 990
为什么需要 XAI？——避免模型“像神马 汉斯一样作弊”，帮我们改进模型，满足法律/行业需求；XAI 不是“放弃强模型”，而是给强模型“加解释”；关键技术：局部解释（盖方块、显著性图、IG）、全局解释（可视化神经元、探针）；核心挑战：“好解释”没有统一标准，重点是“让人接受”。作业里会让大家实际画显著性图、用探针分析模型，亲手感受 XAI 的过程。
Deep learning Course 李宏毅
02-27
台湾大学李宏毅 深度学习入门教程，深入浅出解析深度学习。
李宏毅机器学习作业
01-18
李宏毅机器学习作业，文档文件，笔记全面，总结充分，仅供学习
李宏毅 机器学习 课程作业代码
08-17
李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码
李宏毅教授ML-2022Spring-HW1-SampleCode-TrainingData
01-17
ML 2022 Spring 台大李宏毅教授 2022 年春季機器學習課程，作業 1 相關資料 內含： - 兩個助教的 Sample Code - 訓練用的數據
李宏毅深度学习课程Spring2022作业1
weixin_39107270的博客
04-06 3507
文章目录目标任务描述数据评价标准Kaggle -Submission作业 simple baseline：1) Download data2) Import packages3）Some Utility Function4）DatasetNeural Network ModelFeature Selection (划分训练集、测试集、验证集的x、y)Training LoopConfigurationsDataloaderStart trainingPlot learning curves with ten
李宏毅2022深度学习作业 Homework 2 Phoneme Classification
qq_46370474的博客
01-19 1953
init：接收输入的特征数据X和可选的标签数据y。将特征数据存储在self.data中，并将标签数据转换为torch.LongTensor类型后存储在self.label中。如果没有提供标签数据，则将self.label设置为None。getitem：用于获取指定索引idx处的数据样本。如果存在标签数据，将同时返回特征数据和对应的标签数据。如果没有标签数据，仅返回特征数据。len：返回数据集的长度，即样本数量。else:else:BasicBlock和Classifier。BasicBlock。
2022李宏毅作业hw1—新冠阳性人员数量预测。
www_xuhss_com的博客
03-02 878
Python微信订餐小程序课程视频 https://edu.csdn.net/course/detail/36074 Python实战量化交易理财系统 https://edu.csdn.net/course/detail/35475 ​ 事前  ： kaggle地址：ML2021Spring-hw1 | Kaggle 我的git地址： https://github.com/xiaolilaoli/lihongyi2022homework/tree/main/hw1_covidp
2022李宏毅作业
03-21
### 关于2022年李宏毅机器学习课程作业的GitHub资源 对于2022年的李宏毅机器学习课程，其官方提供了丰富的教学材料和作业指导文档。这些资料可以通过台大《机器学习》课程官网获取[^1]。此外，在社区中也有许多开发者整理并上传了相关的作业代码和解析到GitHub上。 #### 官方与第三方资源链接 - **官方课程网站**: 提供了详细的讲义、数据集以及编程环境配置指南等内容，具体地址为 https://speech.ee.ntu.edu.tw/~hylee/ml/2022-spring.html。 - 社区维护版本可以参考如下仓库之一作为起点探索更多实用工具包实现方式： - GitHub 版本库路径：https://github.com/Fafa-DL/Lhy_Machine_Learning 这里包含了历年来的笔记总结及部分练习解答示例。 - Gitee 平台镜像站点同样适用国内访问者需求场景下快速检索所需素材：https://gitee.com/zzhzwh/Lhy_Machine_Learning。 #### 示例代码片段展示 以下是基于PyTorch框架完成回归预测任务的一个简单神经网络模型构建实例： ```python import torch from torch import nn, optim class SimpleNet(nn.Module): def __init__(self): super(SimpleNet, self).__init__() self.fc = nn.Sequential( nn.Linear(8, 64), nn.ReLU(), nn.Dropout(p=0.5), nn.Linear(64, 1) ) def forward(self, x): return self.fc(x) model = SimpleNet() criterion = nn.MSELoss() # Mean Squared Error Loss Function optimizer = optim.Adam(model.parameters(), lr=0.001) for epoch in range(num_epochs): model.train() running_loss = 0. for inputs, labels in train_loader: optimizer.zero_grad() outputs = model(inputs.float()) loss = criterion(outputs.squeeze(-1), labels.float()) loss.backward() optimizer.step() running_loss += loss.item()*inputs.size(0) print('Finished Training') ``` 此段脚本展示了如何定义一个基础全连接层结构并通过Adam优化器调整参数来最小化均方误差损失函数值的过程[^3]。
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