![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习基础
文章平均质量分 69
机器学习中,亚马逊平台Python,深度学习,神经网络
平杨猪
希望能够给你带来帮助......
展开
-
梯度下降算法主要通过哪两个控制因子实现最优参数选择?这两个因子分别起到什么作用?为什么计算损失函数最优值采用梯度下降算法而不是直接对损失函数求导数等于0时的最优解?如何判断梯度下降算法是否正确工作?
梯度下降算法主要通过哪两个控制因子实现最优参数选择?这两个因子分别起到什么作用?为什么计算损失函数最优值采用梯度下降算法而不是直接对损失函数求导数等于0时的最优解?如何判断梯度下降算法是否正确工作?梯度下降算法有两个重要的控制因子:一个是步长,由学习率控制;一个是方向,由梯度指定。1.在梯度下降算法中,步长决定了每一次迭代过程中,会往梯度下降的方向移动的距离。试想一下,如果步长很大,算法会在局部最优点附近来回跳动,不会收敛(如下图);但如果步长太短,算法每步的移动距离很短,就会导致算法收敛速度很慢。2原创 2022-01-21 18:31:51 · 978 阅读 · 0 评论 -
举出其他监督学习,无监督学习,强化学习的例子?说一下非显著式编程的优势?AlphaGo的胜利,带给我们什么样的人生启示?当代大学生如何在人工智能时代增加自己的核心竞争力?
举出其他监督学习,无监督学习,强化学习的例子?说一下非显著式编程的优势?AlphaGo的胜利,带给我们什么样的人生启示?当代大学生如何在人工智能时代增加自己的核心竞争力?监督学习:比如手写体识别,我们将许多汉字的手写数字图像数据作为训练数据。汉字的数据的分类目标被称作标签和类。训练数据有一个标签(某一个汉字),根据标签可以找到关于手写数字图像的正确答案信息,例如“此手写数字图像为‘人’”。在学习阶段,当将手写汉字图像输入系统时,调整系统的参数以尽量将输入图像分类为正确的标签,最后进行识别输出正确结果。无原创 2022-01-21 18:29:21 · 2833 阅读 · 0 评论 -
机器学习基础(三)
1. 学习识别手写数字图像的卷积神经网络:LeNet2. 学习如何使用单块NVIDIA GPU来计算3. 学习迁移学习中的一种常用技术:微调(fine tuning)练习一:1. 绘制误差loss,训练准确率train acc和测试准确率test acc随迭代次数变化的曲线2. 尝试基于LeNet构造更复杂的网络来提高分类准确率。例如,调整卷积窗口大小、输出通道数、激活函数和全连接层输出个数。在优化方面,可以尝试使用不同的学习率、初始化方法以及增加迭代周期。3. 选取一个训练性能较好的模型,输出原创 2022-01-21 18:25:00 · 3924 阅读 · 0 评论 -
机器学习基础(二)
1. 学习Gluon基础语法2. 学习如何使用MXNet提供的Gluon接口更方便地实现线性回归的训练3. 学习通过使用训练集图像训练多层神经网络模型,并利用该模型在测试集上预测手写数字类别,输出分类准确率,给出分类结果练习一:查阅MXNet文档,看看 gluon.loss 和 mxnet.init 模块里提供了哪些损失函数和初始化方法练习二:如果将 l = loss(net(X), y) 替换成 l = loss(net(X), y).mean() ,我们需要将trainer.step(b原创 2022-01-21 18:17:54 · 2173 阅读 · 0 评论 -
机器学习基础(一)
1. 熟悉AWS SageMaker平台2. 学习如何对内存中的数据进行操作,NDArray是一个类,也是存储和变换数据的主要工具更加适合深度学习。3. 学习如何使用MXNet提供的 autograd 模块来自动求梯度。4. 学习对有用到的MXNet函数和类如何查阅文档。5. 学习如何只利用 NDArray 和 autograd 来实现一个线性回归的训练。原创 2022-01-21 18:11:29 · 1253 阅读 · 0 评论