qq_52439927的博客

原创 【分类与回归】机器学习与深度学习中的分类与回归任务的各种区别

原创 NLP自然语言中的文本预处理的环节之基本处理

所处阶段：数据输入到模型之前作用：数据处理输入到模型，以及后续指导超参数的确定NER是做什么的：从一段文本中识别出命名实体常见的7类命名实体：人名、地名、机构名、时间、日期、货币、百分比步骤：1. 找到边界， 2. 分类对每个词语进行词性的标注：动词、名词、形容词等。

原创 NLP自然语言处理发展史

本文主要描述NLP自然语言发展史

原创 关于深度学习中的detach()方法返回新张量可能存在的疑问解答

内容说明detach()是否共享数据？是，共享底层内存是否会自动同步更新？❌ 不会自动同步更新为什么看起来像同步？因为它们指向同一块内存，但不是微分机制导致的同步推荐做法？如果需要保留某时刻的值，建议使用因此，不要依赖detach()张量来持续反映原张量的梯度更新状态，它只是一个静态快照。

原创 深度学习卷积层入门相关问题以及Conv2d（）方法各参数详解

问题答案是否合理？只有当输入数据确实是 4 通道时才合理，否则会报错是什么意思？使用了 4 个不同的卷积核，输出 4 个特征图特征图的通道是“颜色”吗？❌ 不是！是模型学到的抽象特征4 个通道能表示一个像素块的颜色吗？❌ 不是用于颜色表示，而是用于特征表达参数含义输入通道数，比如 RGB 图像就是 3输出通道数，即卷积核数量卷积核大小stride步长padding填充大小如果你以后处理灰度图像（单通道），就要设置；如果是其他多通道数据（如红外+RGB共4通道），就设为。名称。

原创 深度学习入门

（Deep Learning）是机器学习的分支，是一种以的算法。深度学习中的形容词“深度”是指在网络中使用多层。深度学习核心思想是==通过模仿人脑的神经网络来处理和分析复杂的数据，从大量数据中自动提取复杂特征==，擅长处理高维数据，如图像、语音和文本。

原创 【机器学习相关】线性回归以及案例，L1L2正则化，欠拟合，过拟合

数据介绍给定的这些特征，是专家们得出的影响房价的结果属性。我们此阶段不需要自己去探究特征是否有用，只需要使用这些特征。到后面量化很多特征需要我们自己去寻找。