来知晓的博客

本文汇总更新研究学习AI的一些笔记心得，理解不当之处，还望多指正，一起讨论交流。

hw7作业为基于Yolo模型，对PASCAL_VOC_2007数据集的20类物体进行位置探测。数据集为600张图像，因此建议训练迭代次数小于100次即可。

hw6作业为基于ResNet模型，并利用VGG标准模块和GoogleNet中的inception模块对IMAGENET数据集进行20类分类。模型输入图像尺寸为`299*299`，输出为softmax后的20分类。

hw5作业为利用深度卷积神经网络实现CIFAR_10数据集十分类问题，帮助理解CNN的前向传播结构。

hw4总体分为part1/part3都是用全连接网络来进行狗狗图片二分类，区别只在于网络结构的差异。part2验证梯度小消失的问题。

本文笔记小结深度学习里的核心基础概念和高频知识点分析。

机器学习：Kmeans聚类算法总结及GPU配置加速demoKmeans算法介绍版本1：利用sklearn的kmeans算法，CPU上跑版本2：利用网上的kmeans算法实现，GPU上跑版本3：利用Pytorch的kmeans包实现，GPU上跑相关资料Kmeans算法介绍该算法是一种贪心策略，初始化时随机选取N个质心，不断迭代，让周围元素到质心的误差累积和最小，从而找到质心或者说对应的簇。

本文主要梳理总结学习清华大学青年AI自强项目中的核心知识内容，各位读者可以根据需要按图索骥，enjoy！

用NN网络拟合MNIST手写数字分类，体会神经网络设计和TF框架编程，对比hw3_1两者的模型、效果差异。

用线性回归模型拟合MNIST手写数字分类，初步体验Tensorflow编程环境，体会用回归模型网络拟合效果。

本文小结Tensorflow训练代码1.x接口自动升级2.x踩坑过程和问题解决的方法。

人工智能接近人类智能的路还任重道远，当下的它只有数据，没有推理，没有情感，没有意识，不是一个可以自学习的智能体，所以，也大可不必期望过高。信息的自由流动，就是进步的动力。——杨立昆实践先于理论。想不清楚就先干，深度学习本质有点以勤补拙的思想。所以，虽然深度学习缺乏理论上的可解释性，但好用。而且历史上电报都搞通50年后，才有了香农的信息论理论支撑。为知识本身求学，而非文凭。广泛阅读，形成科学思维，奠定理论基础，牢记：哲学是百科之母。特立独行，不忘初心，做感兴趣的事。

在贝尔实验室，靠节省开支，是无法混出名堂的。——《科学之路》五一假期读的多，写的少，后面的读书笔记与感悟分享，会进行一些改变。核心观点+感悟分享，大家的阅读兴趣并不大。而个人之所以持续输出的目的，一个是利用费曼输出的方法来倒逼自己，体系化知识结构，另一个是能让更多的有缘人看到并对其能有所启发帮助（不然，只是总结和反思的话，就跟自己本身常年写的日记无二致了。去掉核心观点总结，除关键内容外，框架梗概尽量用自己的话语来表达，添油加醋以增趣味夹叙夹议，以分享对自己的触动和启发为主，

AI发展历史简述以及当下状态

入门AI技术路径分析及优质信源整理。

本次作业任务是根据excel中的数据：身高、收入和喜欢程度，设计一个线性回归算法以进行预测（输入身高和收入，输出是否喜欢），并初步熟悉神经网络的基本流程。

THU青年AI自强计划，此门课程号称文科生也能看懂的零基础AI入门课程，是我看到过的，目前市面上唯一，既通俗易懂快速入门，且又不失内容水准的一门课程

本文无需了解任何AI先验知识（当然有更好），快速入门AI基本脉络，手把手教你一步步搭建神经网络，并解决一个分类手写数字的实际问题。

深度学习新手入门百问百答Q1：训练集和测试集的区别是什么？Q1：训练集和测试集的区别是什么？训练集就是程序测试的demo，就像Leetcode的输入样例，使程序在少量数据上原理成立。测试集，就像LeetCode跑所有用例一样，用更大的数据量去检验模型、程序正确性，鲁棒性。总之，先有训练集，才有测试集。测试集比训练集数据量大，规模更大。...