Datawhale X 李宏毅苹果书 AI夏令营 入门班选修3

已于 2024-09-03 20:40:50 修改
阅读量181 收藏
点赞数 3
文章标签： 人工智能
于 2024-09-03 19:47:32 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/weixin_44811994/article/details/141869108
版权

作业运行结果：

分类

 

当只有两个类的时候，sigmoid 和 softmax 是等价的。

最大化似然（maximize likelihood）

 Pytorch在做softmax时，会自动加入cross-entrophy.
 MSE会卡住。

 

 

 

 

weixin_44811994
关注
Datawhale X 李宏毅苹果书 AI夏令营 进阶班 选修笔记
09-03
运行结果
Datawhale X 李宏毅苹果书 AI夏令营 入门班笔记3、选修
weixin_44811994的博客
09-01 244
作业通关攻略 训练的过程： 如何做得更好攻略： 模型偏差 可以让损失变低的函数不在模 型可以描述的范围内，能让loss 变低的function不在这个集合set里。就是想要在大海里面捞针（一个损失低的函数），结 果针根本就不在海里 解决办法：重新设计model，有更大的弹性，增加输入的特征。 优化问题：大海捞针，针确实在海里，但是无法把针捞起来。 比较不同的模型来判断模型现在到底够不够大
Datawhale X 李宏毅苹果书 AI夏令营 进阶班笔记3/3.1/3.2 选修
weixin_44811994的博客
09-03 539
因为输入不一样的关系，所以就算是两个神经元共用参数，它们的输出也不会是一样的。参数称为滤波器（filter）
Datawhale X 李宏毅苹果书 AI夏令营
2301_79482106的博客
09-02 1502
汇聚（Pooling）：通常在卷积层后使用，用于减少特征图的尺寸，从而降低计算量。下采样（Downsampling）：通过去掉偶数列和奇数行，将图像尺寸缩小为原来的1/4，仍然保持图像中的重要信息。这一过程不会影响模式的检测。在卷积层中，不同神经元共享同一组参数（权重），这使得网络能够检测到不同位置的相同特征，从而减少模型复杂度和计算量。图像可以表示为一个三维张量，其中两个维度表示图像的宽和高，第三个维度表示颜色通道（通常是RGB）。这种操作的优点是允许更高的学习率，同时引入轻微的噪声，有助于模型泛化。
读书学习笔记 # Datawhale X 李宏毅苹果书 AI夏令营
qq_23311271的博客
08-27 1543
读书学习笔记 # Datawhale X 李宏毅苹果书 AI夏令营
Datawhale X 李宏毅苹果书 AI夏令营第五期
canfengly的博客
08-22 815
机器学习=寻找一种函数如何寻找这个函数？①定一个函数集合②判断函数的好坏③选择最好的函数机器学习三板斧①设计模型model②判断模型的好坏③选择最好的函数，优化模型3.1修改模型，增加数据维度3.2增加正则因子，使函数更加平滑，让参数w取值更小。（x变化较小时，整个函数结果不会变化太大，结果更准）学习路线监督学习：有数据标注情况下学习（回归、分类）半监督学习：训练数据中带标记的数据不够多。
Datawhale X 李宏毅苹果书 AI夏令营第五期 task01
2401_83193440的博客
08-27 570
本方向的核心学习目标是——通过和 李宏毅老师 21年的机器学习课程视频，入门机器学习，并尝试学习深度学习，展开代码实践（选修）主要内容源于，选取了的部分内容，在这些基础上进行了一定的原创，补充了不少除这门公开课之外的深度学习相关知识。为了尽可能地降低阅读门槛，笔者对这门公开课的精华内容进行选取并优化，对所涉及的公式都给出详细的推导过程，对较难理解的知识点进行了重点讲解和强化，以方便读者较为轻松地入门。
读书学习进阶笔记 # Datawhale X 李宏毅苹果书 AI夏令营
qq_23311271的博客
09-03 436
读书学习进阶笔记 # Datawhale X 李宏毅苹果书 AI夏令营
Datawhale X 李宏毅苹果书AI夏令营-进阶版 Task 1
weixin_52813300的博客
08-27 586
但 L2 的函数跟 L1 又不一样，L2 不一定会卡住，可以换下个批量的损失 L2 计算梯度，模型还是可以训练，还是有办法让损失变小，所以这种。1. 实际上在计算梯度的时候，并不是对所有数据的损失 L 计算梯度，而是把所有的数据分成一个一个的批量（batch）。举例：【单一方向为低，不都低】图3.2（b）红色的点在 y 轴方向是比较高的，在 x 轴方向是比较低的，这就是一个鞍点。6. 大的批量更新比较稳定，小的批量的梯度的方向是比较有噪声的（noisy）。但大的批量大小往往在训练的时候，结果比较差。
Datawhale X 李宏毅苹果书 AI夏令营：《深度学习详解》
08-24
Datawhale X 李宏毅苹果书 AI夏令营：《深度学习详解》
Datawhale X 李宏毅苹果书 AI夏令营：TASK2+CNN实践, pytorch，数据增强，可视化
08-26
Datawhale X 李宏毅苹果书 AI夏令营：TASK2+CNN实践, pytorch，数据增强，可视化
扩散模型（2）--1
m0_63860007的博客
09-29 1023
生成模型通过学习并建模输入数据的分布，从而采集生成新的样木，该模型广泛运用于图片视频生成、文本生成和药物分子生成。扩散模型是一类概率生成模型，扩散模型通过向数据中逐步。
毒蘑菇检测数据集 9200张 14类毒蘑菇 带标注 voc yolo
最新发布
阿利同学的博客
10-07 515
毒蘑菇检测数据集 9200张 14类毒蘑菇 带标注 voc yolo
基于Keras的U-Net模型在图像分割与计数中的应用
深度学习实战训练营，一起交流探索深度学习
10-04 1280
网络结构优化：项目基于经典的U-Net模型进行改进，采用了更深的网络层次结构，使模型能够在多尺度上捕捉到图像中的细节信息。特别是针对医学图像分割，项目通过增加卷积层数和引入Dropout层来增强模型的特征提取能力，并有效防止过拟合，从而提高模型在训练数据较少情况下的表现。项目中采用了he_normal初始化器和relu激活函数组合，使得网络在训练时能够更快地收敛，降低梯度消失的风险。自定义数据增强策略：在中实现了一个自定义的图像增强类。
大模型~合集5
whaosoft~aiotの开发板商城
10-02 1471
FLock 的机制设计受到了证明权益（PoS）区块链共识机制和桌面游戏《The Resistance》（一种角色扮演类游戏，该游戏的一个变种叫阿瓦隆）的启发。《The Resistance》游戏则通过投票机制，每轮游戏中玩家独立推理并投票，从而实现全局共识。《The Resistance》有两个不匹配的竞争方，其中较大的一方被称为抵抗力量，另一方被称为间谍。在《The Resistance》中，有一个投票机制，在每一轮中，每个玩家进行独立推理并为一个玩家投票，得票最多的玩家将被视为「间谍」并被踢出游戏。
北大对齐团队深度硬核解读：OpenAI o1开启「后训练」时代强化学习新范式
ys707663989的博客
10-06 898
本文深入探讨了OpenAI o1的技术细节、的实现、合成数据与推理搜索的优化，以及AI安全的新启示，展示了大语言模型在推理能力提升和安全对齐方面的最新进展与未来方向。
李宏毅深度学习速成：入门必备教程
深度学习指南由李宏毅在2018年推出，是一份针对初学者极其友好的教育资源，帮助读者快速理解和掌握深度学习...对于希望踏入人工智能领域的专业人士和学生而言，李宏毅的《一天搞懂深度学习》无疑是一个宝贵的学习起点。
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