机器学习零碎知识点总结

以后学习总结的内容都再github的markdown中展示，欢迎小伙伴们来我的主页issue

新的GitHub链接：经验总结

旧的地址：https://github.com/XingKongXiaDeFeng
已经改名啦，旧的只有个重定向了

详细请看readme的内容呀，下面的是目录
这个目录不定期更新，主要更新还是在github上

机器学习经验整理
kaggle_excel result archives
机器学习模型中的两类参数
参数和超参数的区别
哪些属于超参数
torch.randn()
计算机视觉模型库-Pytorch Image Models (timm)
BCELoss和BCEWithLogitsLoss
k-交叉验证KFold
*args 与 **kwargs 的区别，两者都是 python 中的可变参数
KFlod取值问题
泛化能力
残差的loss平滑的直观感受-论文《Visualizing the Loss Landscape of Neural Nets》
KFold与StratifiedKFold
经验补充
stackoverflow的KFlod和stratifiedKFold注解
交叉验证的每个fold是一个不同的模型
这个知乎的大神讲解最为详细：精品中的精品！！!⭐⭐⭐⭐⭐
斯透奇斯规则(Sturges'rule)
数据分箱之pd.cut()
reshape新生成数组和原数组公用一个内存，不管改变哪个都会互相影响。
交叉验证详解
交叉验证如何取K值？
方差、协方差、标准差、均方差、均方根值、均方误差、均方根误差对比分析
kaggle提供的tesla V100支持to_fp16
混合精度训练
正则表达式中的“^“这个符号的一些思考
*重要学习率规划----周期性余弦退火的keras实现，fastai中使用良好
tts (Test-Time Augmentation)
深度学习为什么要裁剪
思考：为什么卷积核通常用方形的？？？？？？？？？？？？？？？？
黑话 oof、cv、lb、corr、r、r2
提高LB与CV的方法，均方根误差在fold中按道理来说是不对的
kaggle gpu连续使用会增加时常
unsupported operand type(s) for *: 'AccumMetric' and 'int'
AccumMetric的精确用法（关于折内计算损失和折外总体计算的更准确的用法）❤❤❤❤❤❤❤❤❤(用作cv和LB的相关性分析)
mixup的说明