飞鸡110的博客

章节名称：第一章 Python语言初识 主要内容： Python与其他编程语言比较，Python 2与Python 3的选择，安装、运行Python。Notebook基本操作、魔法命令、Notebook显示系统、定制Notebook。 基本要求：通过一些真实的Python程序来了解这门语言的概貌、能力以及在真实世界中的用途。了解并掌握Notebook基本操作，了解并熟悉常用Notebook魔法命令，了解Notebook显示系统操作，了解并掌握一定的Notebook定制方法。 重点： Python开发...

文本情感分类 文本情感分类数据 + 读取数据 + 预处理数据 + 创建数据迭代器 使用循环神经网络 双向循环神经网络 加载预训练的词向量 训练模型 评价模型 使用卷积神经网络 一维卷积层 时序最大池化层 TextCNN 模型 训练并评价模型 数据增强 图像增广 9.1.1 常用的图像增广方法 9.1.1.1 翻转和裁剪 9.1.1.2 变化颜色 9.1.1.3 叠加多个图像增...

优化算法进阶 11.6 Momentum An ill-conditioned Problem Maximum Learning Rate Supp: Preconditioning Solution to ill-condition Momentum Algorithm Exponential Moving Average Supp 由指数加权移动平均理解动量法 Implement P...

批量归一化和残差网络 批量归一化（BatchNormalization） 对输入的标准化（浅层模型） 批量归一化（深度模型） 1.对全连接层做批量归一化 2.对卷积层做批量归⼀化 3.预测时的批量归⼀化 从零实现 基于LeNet的应用 简洁实现 残差网络（ResNet） 残差块（Residual Block） ResNet模型 稠密连接网络（DenseNet） 主要构建模块： 稠密块 过渡...

卷积神经网络基础 循环神经网络的构造 从零开始实现循环神经网络 one-hot向量 初始化模型参数 定义模型 裁剪梯度 定义预测函数 困惑度 定义模型训练函数 训练模型并创作歌词 循环神经网络的简介实现 定义模型 leNet lenet 模型介绍 lenet 网络搭建 运用lenet进行图像识别-fashion-mnist数据集 卷积神经网络就是含卷积层的网络。 LeNet交替使用卷积层...

机器翻译及相关技术 机器翻译和数据集 数据预处理 分词 建立词典 载入数据集 Encoder-Decoder Sequence to Sequence模型 模型： 具体结构： Encoder Decoder 损失函数 训练 测试 Beam Search 注意力机制与Seq2seq模型 注意力机制 注意力机制框架 Softmax屏蔽 点积注意力 测试 多层感知机注意力 测试 总结 引入注意力机...

待建

线性回归 基本要素（model,data set,loss function,优化函数） 解析解（公式）与数值解（优化算法有限次迭代模型参数） 小批量随机梯度 先选取一组模型参数的初始值，如随机选取；接下来对参数进行多次迭代，使每次迭代都可能降低损失函数的值。在每次迭代中，先随机均匀采样一个由固定数目训练数据样本所组成的小批量（mini-batch），然后求小批量中数据样本的平均损失有关...