吴恩达机器学习笔记9-大规模机器学习

最强的机器学习方法:使用低偏差的算法和大量的数据

使用大量数据前先检查一下使用少量的数据行不行,也要通过训练集和验证集的cost图来判断是否需要继续增加数据

随机梯度下降

很多学习算法使用了梯度下降的算法。当m很大时,计算梯度就会变得很复杂,这种算法叫做批量梯度下降,每次考虑所有的样本。假如有3亿的数据,每次求梯度都会很慢。
随机梯度下降每次只考虑一个训练样本
1. 将所有数据打乱,将m个样本重新排列
2. 遍历每个样本,对所有参数进行梯度下降
实际上就是每次只学习一个样本

Mini-batch梯度下降

每次学一个batch,batch size一般在[10,100]范围内
Mini batch比随机梯度更快
额外的缺点是参数batch size,需要花时间来确定

SGD是否收敛

在训练第i个样本之前测试一下它的cost,最后把所有的cost画出来,观察是否在下降

在线学习

连续的数据流输入的时候

repeat forever
{
  Get (x,y) from user
  update parameters using (x,y)
}

它可以对用户的改变进行自动适配

Map Reduce

将数据划分为几个子集,分给每个计算机
假如有400个样本,在计算线性回归的梯度时每台计算机只计算梯度公式中求和的一部分,最后把4个部分和加起来求梯度

如果想要应用到其它算法上,应该看是否可以表示为训练样本的一个求和。

在同一台电脑的不同CPU上也可以实现并行

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
智慧校园整体解决方案是响应国家教育信息化政策,结合教育改革和技术创新的产物。该方案以物联网、大数据、人工智能和移动互联技术为基础,旨在打造一个安全、高效、互动且环保的教育环境。方案强调从数字化校园向智慧校园的转变,通过自动数据采集、智能分析和按需服务,实现校园业务的智能化管理。 方案的总体设计原则包括应用至上、分层设计和互联互通,确保系统能够满足不同用户角色的需求,并实现数据和资源的整合与共享。框架设计涵盖了校园安全、管理、教学、环境等多个方面,构建了一个全面的校园应用生态系统。这包括智慧安全系统、校园身份识别、智能排课及选课系统、智慧学习系统、精品录播教室方案等,以支持个性化学习和教学评估。 建设内容突出了智慧安全和智慧管理的重要性。智慧安全管理通过分布式录播系统和紧急预案一键启动功能,增强校园安全预警和事件响应能力。智慧管理系统则利用物联网技术,实现人员和设备的智能管理,提高校园运营效率。 智慧教学部分,方案提供了智慧学习系统和精品录播教室方案,支持专业级学习硬件和智能化网络管理,促进个性化学习和教学资源的高效利用。同时,教学质量评估中心和资源应用平台的建设,旨在提升教学评估的科学性和教育资源的共享性。 智慧环境建设则侧重于基于物联网的设备管理,通过智慧教室管理系统实现教室环境的智能控制和能效管理,打造绿色、节能的校园环境。电子班牌和校园信息发布系统的建设,将作为智慧校园的核心和入口,提供教务、一卡通、图书馆等系统的集成信息。 总体而言,智慧校园整体解决方案通过集成先进技术,不仅提升了校园的信息化水平,而且优化了教学和管理流程,为学生、教师和家长提供了更加便捷、个性化的教育体验。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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