![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
AI
人工智能
yhblog
虚拟世界里面有很多值得我们学习,深思的东西!
展开
-
Linux服务器无法使用conda和pip安装对应的库包
Linux服务器无法使用conda和pip安装库包出错,但服务器网络是能ping通的,可能是域名解析问题。原创 2023-03-26 17:14:49 · 558 阅读 · 1 评论 -
Noise-Contrastive Estimation
https://leimao.github.io/article/Noise-Contrastive-Estimation/转载 2022-03-23 12:37:59 · 225 阅读 · 0 评论 -
交叉熵的理解
https://baike.baidu.com/item/%E4%BA%A4%E5%8F%89%E7%86%B5/8983241?fr=aladdinhttps://blog.csdn.net/tsyccnh/article/details/79163834转载 2022-03-22 10:55:27 · 98 阅读 · 0 评论 -
下采样和池化的区别
下采样(subsampled),或称为降采样(downsampled),指缩小图像。其主要目是使得图像符合显示区域的大小,生成对应图像的缩略图。池化(Pooling)则是卷积神经网络中一个重要的概念,它是降采样的一种形式。它会压缩输入的特征图,一方面减少了特征,导致了参数减少,进而简化了卷积网络计算时的复杂度;另一方面保持了特征的某种不变性(旋转、平移、伸缩等)。池化的方法:max-pooling:对邻域内特征点取最大值;mean-pooling:对邻域内特征点求平均。池化的作用:..转载 2022-03-21 17:08:21 · 663 阅读 · 0 评论 -
为什么需要智能计算系统?
1.智能计算系统的定义现阶段的智能计算系统通常是集成CPU和智能芯片的异构系统,软件上通常包括一套面向开发者的智能计算编程环境(包括编程框架和编程语言)。2.智能计算系统的迭代https://zhuanlan.zhihu.com/p/1126302173.为什么需要智能计算系统?目前世界智能计算发展还处于第二代智能计算时代,现阶段关于智能计算系统的实际应用也是百花齐放,不断在迭代更新,例如超级计算机、云计算、边缘计算、数据中心、智能手机、嵌入式设备、药物研发、自动翻译、图像分析、消费类电子等诸多领转载 2022-03-02 10:48:32 · 588 阅读 · 0 评论 -
谱聚类分类算法
参考:https://blog.csdn.net/weixin_36474809/article/details/8992750289669623.pc_v2_rank_blog_default&utm_term=sklearn%E8%B0%B1%E8%81%9A%E7%B1%BB&spm=1018.2226.3001.4450https://blog.csdn.net/qq_30159015/article/details/83271065https://blog.csdn.ne转载 2021-12-15 00:00:26 · 126 阅读 · 0 评论 -
随机森林详解
参考:https://www.pianshen.com/article/1972256796/https://blog.csdn.net/weixin_43499818/article/details/108688431https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html?highlight=random%20forest#sklearn.ensemble.Rand转载 2021-12-13 16:59:12 · 84 阅读 · 0 评论 -
pycharm专业版配置ssh连接服务器
只有pycharm专业版才有ssh通能配置最后一步同步项目到远程服务器上时,目录不要选择/tmp目录,会被清除,如果不是root用户不要用/mnt目录,因为只有root用户才有写入权限,一般放在用户的目录下即可,既不会被清除,也不会有权限问题。这种情况一般是在使用学校的服务器时多见。远程服务器的话一般直接给的root用户,那么一定要使用/mnt目录,防止项目别清除!参考:https://www.matpool.com/supports/doc-pycharm-connect-matpool/...原创 2021-12-12 16:33:11 · 1357 阅读 · 0 评论 -
选择哪个版本的CUDA?
参考的https://zj-image-processing.readthedocs.io/zh_CN/latest/pytorch/cuda/%E5%AE%89%E8%A3%85%E5%93%AA%E4%B8%AA%E7%89%88%E6%9C%AC%E7%9A%84CUDA/问题最近在做课程的综合设计,方向是nlp,打算搞一下中文文本摘要相关的内容,想着跑一下https://github.com/qingkongzhiqian/GPT2-Summary这个例子,装好环境后,一直报“段错误(核心已转储转载 2021-12-11 21:14:06 · 8492 阅读 · 0 评论 -
SVM学习
参考:https://www.cnblogs.com/wj-1314/p/12899598.html转载 2021-12-10 10:25:40 · 67 阅读 · 0 评论 -
KNN算法
参考:https://zhuanlan.zhihu.com/p/53084915https://www.cnblogs.com/listenfwind/p/10685192.html转载 2021-12-09 11:27:56 · 53 阅读 · 0 评论 -
Google Colab导入GitHub项目
一、导入项目的ipynb文件 1、首先打开https://colab.research.google.com/github/,如下图,选择GitHub.2、复制项目的GitHub地址在红色位置,点右边的查找按钮。3、打开查询的结果即可二、Google Colab导入GitHub完整项目1、挂载自己的Google Drive。然后将登录后的验证信息复制到刚运行的代码块的输入框内,回车即可。2、进入到自己创建的文件夹或者重新创建一个文件原创 2021-11-25 12:37:54 · 15128 阅读 · 1 评论 -
监督,无监督以及自监督之间的区别
首先比较监督和无监督学习,其最主要的区别在于模型在训练时是否需要人工标注的标签信息。监督学习利用大量的标注数据来训练模型,模型的预测和数据的真实标签产生损失后进行反向传播,通过不断的学习,最终可以获得识别新样本的能力。无监督学习不依赖任何标签值,通过对数据内在特征的挖掘,找到样本间的关系,比如聚类相关的任务。和无监督学习不同,自监督学习主要是利用辅助任务(pretext)从大规模的无监督数据中挖掘自身的监督信息,通过这种构造的监督信息对网络进行训练,从而可以学习到对下游任务有价值的表征。换句话说自监.原创 2021-11-22 21:40:47 · 3265 阅读 · 0 评论 -
Deep InfoMax
参考https://www.jiqizhixin.com/articles/2018-09-06-8转载 2021-11-20 16:39:18 · 112 阅读 · 0 评论 -
机器学习笔记
1、什么是表征学习? 在机器学习中,特征学习或表征学习[1]是学习一个特征的技术的集合:将原始数据转换成为能够被机器学习来有效开发的一种形式。它避免了手动提取特征的麻烦,允许计算机学习使用特征的同时,也学习如何提取特征:学习如何学习。机器学习任务,例如分类问题,通常都要求输入在数学上或者在计算上都非常便于处理,在这样的前提下,特征学习就应运而生了。然而,在我们现实世界中的数据例如图片,视频,以及传感器的测量值都非常的复杂,冗余并且多变。那么,如何有效的提.原创 2021-11-19 20:04:26 · 67 阅读 · 0 评论 -
线性变换与非线性变换
-参考:https://www.cnblogs.com/Renyi-Fan/p/13708454.html转载 2021-11-08 12:52:15 · 774 阅读 · 0 评论 -
注意力机制和自注意力机制以及编码-解码框架
注意力机制参考:https://my.oschina.net/u/876354/blog/3061863自注意力机制参考:https://zhuanlan.zhihu.com/p/265108616?utm_source=qq转载 2021-11-08 12:43:17 · 1297 阅读 · 0 评论 -
误差反向传播法
反向传播用来计算导数,但这个不是反向传播的特性,这个导数怎么算是要自己来写的!把每一层的结点的导数计算公式封装在结点内部后,再来使用反向传播,反向传播的特性就是:链式法则,或者说反向传播是符合链式法则的,有了这个前提,我们才可以进行导数的反向传播。所以说,反向传播说白了就是: 把一个复合函数拆分为组成它的子函数,逐个求导,然后导数依次往前面的层传递,叫反向是因为这个过程在网络里是从后往前的!那为什么不能从前面开始???我们观察sigmoid函数的计算图的前向传播,它是从前往后逐步组成sigm..转载 2021-10-20 23:32:01 · 128 阅读 · 0 评论 -
深入理解均方误差、交叉熵、似然估计
参考 https://www.jianshu.com/p/291e53730c40转载 2021-10-19 17:24:32 · 109 阅读 · 0 评论 -
机器学习算法中的7个损失函数的详细指南
参考https://baijiahao.baidu.com/s?id=1643175053031902456&wfr=spider&for=pchttps://author.baidu.com/home?from=bjh_article&app_id=1597965586669592转载 2021-10-19 17:19:04 · 65 阅读 · 0 评论 -
神经网络输出层的神经元个数
输出层的神经元数量需要根据待解决的问题来决定。对于分类问题,输出层的神经元数量一般设定为类别的数量。比如,对于某个输入图像,预测是图中的数字0到9中的哪一个的问题(10类别分类问题),将输出层的神经元设定为10个。...原创 2021-10-19 11:26:37 · 3662 阅读 · 1 评论 -
softmax函数
softmax就是模型已经有分类预测结果以后,将预测结果输入softmax函数,进行非负性和归一化处理,最后得到0-1之内的分类概率。原创 2021-10-19 11:22:12 · 145 阅读 · 0 评论 -
【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理
参考:https://www.cnblogs.com/charlotte77/p/7759802.html转载 2021-10-04 21:20:05 · 105 阅读 · 0 评论