李宏毅机器学习笔记DAY2

已于 2022-08-17 17:35:02 修改
阅读量219 收藏
点赞数
文章标签： 人工智能 机器学习
于 2022-08-16 23:51:17 首次发布
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。
本文链接：https://blog.csdn.net/m0_72234371/article/details/126376622
版权

已经是3刷李老师的课了，不得不说做笔记手写真的太爽了，这些符号打起来头疼，铅笔写起来刷刷刷的o(｀ω´ )o，五星级学习体验

李老师真是老二次元了，以后如果搞这方面研究的话，我要拿jojo当素材！谁会拒绝一只粉色大猫猫呢（败者食尘⚠️

76f08adcd3db49ffb883b34a5cae8fc0.png

d9b7180c71404d9db7f540354ed7f462.png

8ca1de094ba84288b39321165572b2e7.png

9b24ad17fbbf479ca8157f149deac5ba.png

一只鱼鱼鱼yuki
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
李宏毅机器学习笔记Day4——反向传播
qq_45848398的博客
05-22 246
1.为什么要用反向传播 因为梯度是上百万维vectors的，要有效地计算出来。 2.Chain Rule 引入中间参数求微分的方法 3.反向传播 对某一笔data计算它的cost Cn，合起来可以得到
李宏毅机器学习全套资料
08-31
《李宏毅机器学习全套资料》是一份全面深入的机器学习教育资源，主要涵盖了教学演示文稿、作业解决方案以及详尽的课程内容。这份资源对于想要深入理解和掌握机器学习这一领域的学习者来说，无疑是一份宝贵的参考资料...
李宏毅机器学习笔记Day2—回归
qq_45848398的博客
05-18 180
Regression（回归）的步骤看似比较复杂，其实也就是上节课老师所讲的三步：引入一组model ➡️评估这组model 的好坏 ➡️得到最佳的function。 老师引入了一个很有趣的例子：选择培养宝可梦。 找一个function，输入一只宝可梦的信息，预测它的CP（战斗力）的值。 一、初始的方法 1.Model Model：y=b+wxcp，w b 是参数，xcp是进化前的CP值。 Training Data:十只宝可梦的前后CP值，是真实的值。 Loss function:用来衡量w和b的好坏，红色
李宏毅机器学习笔记整理Day1
weixin_41655795的博客
07-11 284
机器学习笔记整理
李宏毅机器学习笔记Day1
qq_45848398的博客
05-17 209
机器学习发展历程 自1950年来有了人工智慧，后引入了机器学习和深度学习。 什么是机器学习 让机器拥有学习的能力，去学习。imagine recognition,playing GO等 Looking for a Function from Data.找到一个Function，让它能够实现相关功能 ...
李宏毅机器学习笔记Day5
qq_45848398的博客
05-25 105
Optimization 失败：loss不够小，gradient接近0，但不是local minima（局部最小值），或者是saddle point（鞍点），卡在critical point。
李宏毅机器学习笔记day1
gongkeguo的博客
01-16 261
本来是直接记到印象笔记上的，想分享到这里来谁知道上传个图片居然不能直接复制粘贴。。。我只能把文字部分放这了，看图片点下面这个链接机器学习笔记day1 导论regression * /rɪˈɡreʃn/ n. 回归；退化；逆行；复原 机器学习就是让电脑自己去找函数 bianry classification二分类 卷积神经网络CNN multi-class classification多类分类 递归神经网络 RNN 机器学习不光可以regression和classification，还可以genera
李宏毅机器学习笔记Day3——误差
qq_45848398的博客
05-20 195
上节课讲到，越复杂的medel不一定有越小的误差，这节课将学习误差来自什么地方。 误差来自于bias和variance 去期望来估测，这样的估测是unbiased的，N越大，估测值越靠近实际值。 bias是
李宏毅机器学习笔记day3
gongkeguo的博客
01-18 117
排版仍然是如此的粗糙， 有空再来排吧 正文 gradient descent梯度下降 optimization最优化 这边讲的是梯度下降法的计算和逐点移动过程 逐点移动过程：任选一个初始点，在这个点处计算梯度，这个点减去学习率乘以梯度值，就是下个点，如此迭代 parameter参数，系数 visualize可视化 学习率，也就是最优化里面讲的步长，对于loss函数而言很重要 建议实际训练的时候要把最后这个图画出来，观察一下步长对model的loss函数...
李宏毅机器学习笔记Day3——梯度下降
qq_45848398的博客
05-20 191
1.梯度下降的主要步骤 2.梯度下降的tips （1）调learning rate 我们可以看到Loss的变化 调learning rate的情形与方法 Adagrad：每个参数分开考虑，其中要考虑root mean s
李宏毅机器学习笔记
01-18
李宏毅机器学习笔记，文档文件，笔记全面，总结充分，仅供学习
【ML】 李宏毅机器学习课件及代码.zip
04-02
机器学习（Machine Learning, ML）是一种应用人工智能（AI）领域的科学技术，它使得计算机系统能够从数据中自动学习和改进，而无需显式编程。在机器学习的过程中，算法会通过识别和挖掘数据中的模式来构建一个模型，...
李宏毅机器学习学习笔记
08-05
李宏毅机器学习学习笔记 本资源主要介绍了 Adaptive Learning Rate 的基本思想和方法，以及相关的算法和策略，如 Adgrad、RMSProp、Adam、Learning Rate Decay、Warm Up 等。 Adaptive Learning Rate 的主要思想是...
李宏毅机器学习HW5.zip
04-08
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的...
jupyter下载
Einstein·Jun
08-06 857
Anaconda下载 参考链接：https://blog.csdn.net/qq_48372575/article/details/125630622 设置Jupyter Notebook的代码路径 在“此电脑”中搜索。删除最后一个""后面的的内容，包括“\”。 用记事本打开它。 按下ctrl+F就可以开始查找。查找内容如下： 找到之后，右键该文件，找到“发送到”，找到“桌面快捷方式”。然后就会发现桌面上已经建立好了！
根据哈希值或者特征值判断图片是否相同
Y_warmth
08-09 684
detectAndCompute 方法结合了特征检测和描述符计算两个步骤，可以在图像中检测出特征点并计算这些特征点的描述符。ORB（Oriented FAST and Rotated BRIEF）是一种结合了 FAST 特征检测器和 BRIEF 描述符的特征提取算法，具有旋转不变性和尺度不变性，适用于图像特征匹配、目标检测等任务。接着使用 ORB 对象的 detectAndCompute() 方法检测图像中的特征点并计算描述符，最后将特征点绘制在图像上并显示出来。
LangChain与Elasticsearch向量数据库的完美结合
最新发布
python1234_的博客
08-13 992
在过去的一年中，生成式 AI (Generative AI) 领域取得了显著的进展。许多新的服务和工具应运而生。其中，LangChain 已成为构建大语言模型 (LLM) 应用程序（例如检索增强生成 (RAG) 系统）最受欢迎的框架之一。该框架极大地简化了原型开发，并使开发者能够轻松实验不同的模型和检索系统。最近Elasticsearch将其集成从社区包升级为官方的 LangChain 合作伙伴包。这一升级使得在 LangChain 应用程序中引入 Elasticsearch 功能变得更加简便。
阿里推出视频 AI 生成式框架 Tora，通过轨迹生成视频
qq_57728300的博客
08-13 359
阿里集团推出面向轨迹的视频生成框架 Tora，可以生成精美的视频。
李宏毅机器学习课程笔记：从深度学习到卷积神经网络
"李宏毅的机器学习课程笔记涵盖了从基础的回归分析、梯度上升算法，到分类问题、反向传播、卷积神经网络（CNN）、半监督学习、无监督学习以及线性模型等多个核心主题。这些内容构成了深度学习和机器学习的基础理论与...
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