- 博客(8)
- 收藏
- 关注
RSS订阅原创 在ubuntu上安装多个版本的CUDA，并且可以随时切换
实验室工作站被多人使用导致需求不同的cuda版本，一直没找到一个完全完整靠谱的教程，这是我参考几个博客完成测试的全过程记录，方便以后操作。
2022-05-21 17:31:06
12325
4
原创 【深度之眼花书训练营第五期】第一周-数学基础-作业2
作业大纲：1. 温习线性回归。2. 一元线性回归的基本假设有哪些？3. 理解以及会运用极大似然估计，完成浙大概率论与数理统计第四版p174的第11题4. 求函数 z = xe(2y) 在（1,1）点的梯度5. 理解梯度下降，理解牛顿法，理解kkt条件具体的作业内容（将只展示2、3、4；没有展示的有需要的可以自行百度）2. 一元线性回归的基本假设有哪些？回归模型是正确设定的。解...
2020-03-30 03:01:05
251
原创 【深度之眼花书训练营第五期】第一周-数学基础-课程5
第一周-数学基础的学习大纲1. 矩阵对角化，SVD分解以及应用2. 逆矩阵，伪逆矩阵3. PCA原理与推导4. 极大似然估计，误差的高斯分布与最小二乘估计的等价性5. 最优化，无约束，有约束，拉格朗日乘子的意义，KKT条件课程3 有约束最优化有约束，拉格朗日乘子的意义，KKT条件经典拉格朗日乘子法是下面的优化问题（x是一个向量）：min（z）f （x）s.t.g(x) = 0...
2020-03-30 02:39:37
280
原创 【深度之眼花书训练营第五期】第一周-数学基础-课程4
第一周-数学基础的学习大纲1. 矩阵对角化，SVD分解以及应用2. 逆矩阵，伪逆矩阵3. PCA原理与推导4. 极大似然估计，误差的高斯分布与最小二乘估计的等价性5. 最优化，无约束，有约束，拉格朗日乘子的意义，KKT条件课程3 无约束最优化无约束优化问题是机器学习中最普遍、最简单的优化问题x* =min（x）f（x）， x 属于R(n)梯度下降法定义：梯度下降法是一个一阶最优...
2020-03-30 01:54:38
866
原创 【深度之眼花书训练营第五期】第一周-数学基础-课程3
第一周-数学基础的学习大纲1. 矩阵对角化，SVD分解以及应用2. 逆矩阵，伪逆矩阵3. PCA原理与推导4. 极大似然估计，误差的高斯分布与最小二乘估计的等价性5. 最优化，无约束，有约束，拉格朗日乘子的意义，KKT条件课程3 极大似然估计...
2020-03-30 00:52:38
229
原创 【深度之眼花书训练营第五期】第一周-数学基础-作业1
作业大纲：1. 掌握对称矩阵的对角化分解的计算过程并完成同济大学线性代数第五版p135的第19题的第二小题。2. 熟悉svd分解算法的流程。3. 为什么要用最小二乘，以及最小范数的最小二乘，从矩阵的可逆的角度去解释。4. 理解pca的压缩思想以及损失函数，掌握pca的算法流程，并且编程实现。 温习线性代数。具体的作业内容（将只展示1、3、4；没有展示的有需要的可以自行百度）1. 同济...
2020-03-29 23:02:03
199
原创 【深度之眼花书训练营第五期】第一周-数学基础-课程2
第一周-数学基础的学习大纲1. 矩阵对角化，SVD分解以及应用2. 逆矩阵，伪逆矩阵3. PCA原理与推导4. 极大似然估计，误差的高斯分布与最小二乘估计的等价性5. 最优化，无约束，有约束，拉格朗日乘子的意义，KKT条件课程2 逆矩阵，伪逆矩阵，最小二乘解，最小范数解；PCA原理与推导1. 逆矩阵，伪逆矩阵，最小二乘解，最小范数解????1, ????2, ⋯ , ????????, ???????? ∈ ℝ????...
2020-03-28 21:14:46
458
原创 【深度之眼花书训练营第五期】第一周-数学基础-课程1
第一周-数学基础的学习大纲1. 矩阵对角化，SVD分解以及应用2. 逆矩阵，伪逆矩阵3. PCA原理与推导4. 极大似然估计，误差的高斯分布与最小二乘估计的等价性5. 最优化，无约束，有约束，拉格朗日乘子的意义，KKT条件课程1 矩阵对角化，SVD分解以及应用1. 矩阵的基础知识矩阵的基本性质：（其中A、B、C 均为矩阵，x、y为向量）A(B+C)=AB+AC (分配率)A(...
2020-03-28 18:46:58
270
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人