- 博客(6)
- 收藏
- 关注
原创 Datawhale X 李宏毅苹果书 AI夏令营 task3
模型偏差模型偏差指的是模型的假设空间(函数集合)对真实问题的描述能力。当模型过于简单时,它可能无法很好地描述复杂的数据模式,即使使用最优参数,也无法显著降低损失函数的值。这种情况会导致高偏差,表现为模型在训练集和验证集上都无法取得良好的表现。当函数集合过小,可能没有任何一个函数能够很好地拟合数据,这时即使找到了集合内的最优函数,其损失仍然较高。优化优化是指通过调整模型参数,找到使损失函数最小化的过程。常用的优化方法是梯度下降法,但它可能面临局部最小值的问题,导致无法找到全局最优解。在复杂的模型中,梯
2024-09-03 23:54:12 108
原创 Datawhale X 李宏毅苹果书 AI夏令营 task2
线性模型只能捕捉特征与目标值之间的线性关系,而在许多实际问题中,特征与目标值之间的关系往往更加复杂。通过层层叠加,神经网络能够从简单的输入特征中提取出更加抽象和复杂的特征。通过反向传播,模型可以通过计算损失函数相对于各个参数的梯度,来调整模型参数,从而最小化预测误差。激活函数能够在不同的输入区间内引入非线性,从而使模型能够表达更加复杂的关系。深度学习是神经网络的进一步扩展,通过增加隐藏层的数量,使得网络能够学习到更为深层次的特征。通过使用分段线性曲线,可以在不同的区间内用不同的线性模型来逼近非线性关系。
2024-08-31 23:54:31 115
原创 “Datawhale X 李宏毅苹果书 AI夏令营” Task 1
机器学习 (Machine Learning, ML) 概念:深度学习 (Deep Learning, DL):机器学习的分类:结构化学习 (Structured Learning):
2024-08-27 23:52:10 168
原创 Datawhale AI 夏令营 Task3
一、数据增强的重要性 数据增强是一种通过增加训练数据多样性来提高模型泛化能力的技术。在deepfake任务中,数据增强对于模拟真实世界场景、提升模型在未见数据上的表现具有至关重要的作用。四、进阶数据增强方法 了解了MixUp和CutMix这两种进阶数据增强方法。通过混合不同图像和标签,创建更多样化的训练样本,从而提高模型的泛化能力。二、数据增强基础 数据增强主要包括对原始数据进行一系列变换操作,如视角、光照、遮挡等。合理运用数据增强方法,可以有效提高模型的泛化能力。
2024-07-20 23:46:37 287
原创 Datawhale AI 夏令营 Task2
在这篇教程中,我们将实现一个基于深度学习的Deepfake检测模型。通过这个实践项目,我们会全面了解如何利用深度学习技术检测Deepfake内容,包括数据集准备、模型训练和性能评估。
2024-07-17 23:42:54 491
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