- 博客(3)
- 收藏
- 关注
RSS订阅原创 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