- 博客(10)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 Pytorch
1. 张量 0 维张量 表示数字 1，2，3，4... 1维张量 表示向量 2维张量 表示矩阵 3维张量 共用数据存储张量 时间序列 股价 文本数据 彩色图片（RPG） 3维=时间序列 4维=图像 5维=视频 tensor 和 numpy 相互转换 随机初始化矩阵 x=torch.rand(4,3) 构建全0矩阵 x=torch.zeros(4,3) 直接用数据构建张量 x=torch.tensor...
2021-10-16 00:31:58
152
原创 2021-10-11
首先安装Anaconda 安装完Anaconda 后 在conda 中创建自己的环境信息 conda env list 查看当前环境信息 conda create -n commonenvironment python==3.7 通过create 指令创建一个名为commonenvironment 的python 为3.7的环境信息 创建成功后 激活环境 conda activate commonenvironment 激活环境后根据笔记本情况来安装pytorch（MAC） c..
2021-10-11 22:41:53
65
原创 卷积神经网络
常用解决图像问题 全链接神经网络参数太多 比如一个图片100*100*3 （特征太多了） CNN 比DNN的模型要简单 CNN 只要处理图片的一小块就好，比如鸟嘴。 图像可以做 subSampling CNN Convolution Stride 是filter 移动的距离 有几个filter 就会有几个 feature map filter 可以看成简单的layer 只链接了9个input max pool...
2021-08-29 01:13:32
95
原创 网络设计的技巧
局部最优解 saddle point critical point H 是一个矩阵 Saddle point 和 Local minima 哪个更常见 用高纬的方式来解决error surface saddle point比local minima要多 解决方案Batch Momentum 两种训练方法 Batch(Mini-Batch) Small batch vs Big batch Full batch ...
2021-08-25 21:30:33
374
原创 深度学习入门
Deep leaerning 1958 感知机（逻辑回归） 1969 感知机算法无法解决线性不可分 1980 多层感知机 DNN 1986 反向传播 三层以上的网络效果不好 1989 1hidden layer 效果就很好 2006 RBM 2009 GPU 加速 2011 语音识别 2012 图像识别 全链接神经网络 Input vector Out...
2021-08-22 18:48:41
56
原创 误差和梯度下降
误差的来源 Bias + Variance 模型最理想状态是没有bias，而且Variance 很小 Variance 方差 简单的模型的variance 就偏小。 模型越简单，特征越少，所以受数据的方法影响越小 Bias 数据集的均值和测试集的均值的欧式距离就是Bias的大小 模型越复杂，特征越多，Bias 越小 Bias 和 Variance 造成了过拟合和和欠你和。Bias 大就是欠拟合，Variance 就是过拟合 判断过拟合或者欠拟合的方法 方差大 加数据，正..
2021-08-20 23:34:28
275
原创 线性回归回顾
回归的使用场景 股价预测 自动驾驶 input 视觉信息 output 方向盘角度 推荐 使用者A 看商品B 使用者A 购买商品B的概率 预测 宝可梦 CP值 预测进化的CP值 input 某一只宝可梦 output 宝可梦的cp值 f(x)=CP after evolution x 包含的特征 HP 种类 weight height 以及label cp Step1 Model ...
2021-08-18 21:40:59
547
原创 李宏毅机器学习
Hand-crafted rules 永远无法超越规则的制定者 机器学习是什么 looking for a function from data 通过向function 输入数据来得到想要的结果，这个结果是机器的回应。 Function set —— Model 机器根据训练资料判断一个model 的好坏。模型举一反三的能力也很重要。 模型的好坏不仅仅基于模型的准确性，同时查全也是一个很好的衡量参数 机器学习的步骤 机器学习分类 个人理解： 机器学习本质就是通...
2021-08-16 23:34:19
51
原创 2021-03-18
wide模型介绍 在目前大规模线上推荐排序系统中，通用的线性模型如LR被广泛应用。线性模型通常输入二进制的one-hot稀疏表示特征进行训练。比如特征“user_installed_app=netflix”为1，表示用户已安装netflix。交叉特征AND（user_installed_app=netflix，impresion_app=Pandora）表示既安装了netflix app同时又浏览过Pandora的用户特征为1，否则为0。wide模型可以通过利用交叉特征高效的实现记忆能力，达到准确推荐的目
2021-03-18 17:30:15
156
转载 2021-03-16
Deep Crossing 如果说AutoRec模型是将深度学习的思想应用于推荐系统的初步尝试，那么微软于2016年提出的Depp Crossing模型[2]就是一次深度学习架构在推荐系统中的完整应用。 本文提出了一种深度交叉模型，该模型是一种深度神经网络，它能自动地将特征组合在一起，生成更优的模型。深度交叉的输入可以是一组单独的特征，可以是密集的，也可以是稀疏的。重要的交叉特征由网络隐含地发现，网络由embedding层和stacking层以及cascade of Residual Units组.
2021-03-16 23:33:30
134
空空如也
在ios设备上，h5点击空白处text失去焦点然后不能输入
2015-08-06
TA创建的收藏夹 TA关注的收藏夹
TA关注的人