- 博客(3)
- 收藏
- 关注
原创 Datawhale AI夏令营第三期学习笔记
在模型训练时,增加了xvaier初始化,从一个随机的数据通过逐步训练,更新参数,逐步变成拟合程度最好的模型。并且新增了查看验证集loss的过程, 帮助我们判断哪些模型会是拟合程度更好的模型,还有一些超参数的调整,如学习率,权重衰减,训练周期epoch等。通过Task3: 进阶上分——赛题解析与新baseline解读的学习,我了解了如何确定隐含条件和提交数据格式,对比发现了新baseline与原始baseline实验提升细节,学习到了一些新的上分技巧。
2024-08-03 19:37:34
79
原创 Datawhale AI夏令营第三期学习笔记
针对降水预测问题,常见的模型包括传统的统计模型(如自回归模型、时间序列模型)、机器学习模型(如决策树、随机森林、支持向量机)以及深度学习模型(如循环神经网络、卷积神经网络)等。在降水预测问题上,伏羲大模型可能通过分析大量的气象数据、历史天气模式以及全球气象模型的输出来提高预测精度。随着数据和技术的不断发展,未来降水预测模型的精度和应用范围有望得到显著提升。通过Task2:抽丝剥茧——降水预测baseline详解的学习,逐步了解了精如何针对降水预测问题搭建模型,完成了伏羲大模型的初探和时间序列分析入门。
2024-07-30 22:13:30
122
原创 Datawhale AI 夏令营第三期
Datawhale AI 夏令营第三期学习的第一天,完成了跑完baseline,过程还算比较顺利在群友的帮助和指点下很快完成了,但是,对内容还是一头雾水,没有对这方面的学习基础对内容不是很理解。
2024-07-26 13:19:38
100
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