Datawhale X 李宏毅苹果书 AI夏令营 深度学习入门班 Task2笔记

最新推荐文章于 2024-10-04 22:36:54 发布
最新推荐文章于 2024-10-04 22:36:54 发布
阅读量156 收藏
点赞数 3
文章标签： 人工智能 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zy19155090415/article/details/141760667
版权

线性模型：

线性模型‌‌是一类‌统计模型的总称，用于描述变量之间的线性关系。‌ 线性模型通过‌线性方程或线性函数来描述变量之间的关系。

分段线性曲线：

局限性

我们可以不只用一个特征x1，可以用多个特征代入不同的 c, b, w，组合出各种不同的函数，从而得到更有灵活性（flexibility）的函数。

模型变形： 

HardSigmoid 可以看作是两个修正线性单元的加总，ReLU的图像有一个水平的线，走到某个地方有一个转折的点，变成一个斜坡。

机器学习框架

zy19155090415
关注
Datawhale X 李宏毅苹果书 AI夏令营：《深度学习详解》
08-24
Datawhale X 李宏毅苹果书 AI夏令营：《深度学习详解》
Datawhale X 李宏毅苹果书 AI夏令营 入门班选修3
09-03
结果prediction
Datawhale X 李宏毅苹果书 AI夏令营task1笔记
scipig_的博客
08-22 1867
本章主要介绍深度学习常见的一些概念，方便我们从不同的角度来更好地优化神经网络。
Datawhale X 李宏毅苹果书 AI夏令营 深度学习入门班 Task3笔记
zy19155090415的博客
09-03 121
优化问题：一个建议判断的方法，通过比较不同的模型来判断模型现在到底够不够大。解决过拟合问题：1.增加训练集；2.给模型一些限制。模型偏差：模型偏差可能会影响模型训练。交叉验证：训练集和验证集。不匹配：一种错误形式。
Datawhale X 李宏毅苹果书 AI夏令营 深度学习入门班 Task1笔记
zy19155090415的博客
08-27 134
估测的值的平方跟实际的值的平方之间的差距，称为均方误差（Mean Squared Error，MSE）。估测的值跟实际的值之间的差距，称为平均绝对误差（Mean Absolute Error，MAE）。机器学习，顾名思义，机器具备有学习的能力。具体来讲，机器学习就是让机器具备找一个函数的能力。1.写出一个带有未知参数的函数；2.定义损失（loss）；3.解一个最优化的问题；
“Datawhale X 李宏毅苹果书 AI夏令营”深度学习入门笔记Task1
m0_74851616的博客
08-25 732
例如，可将函数写为y = b + wx，y是经过预测得到的数值，x为该视频，b,w即为要求的参数，是未知的，可以通过过去的视频播放量来确定。我们将带有未知参数的函数称为模型2.定义损失函数对于给定的数据集，损失函数计算模型在整个数据集上的平均损失（或成本）。这个平均损失代表了模型性能的“好坏”，损失越小，通常意味着模型的性能越好。苹果书中写到采用均方误差（Mean SquaredError，MSE）e = (ˆy y − y)2；
Datawhale X 李宏毅苹果书 AI夏令营 深度学习入门Task_3笔记
m0_62746405的博客
09-03 920
在应用机器学习算法时，实践方法论能够帮助我们更好地训练模型。如果在Kaggle上的结果不太好，虽然Kaggle上呈现的是测试数据的结果，但要。看看模型在训练数据上面，有没有学起来，再去看测试的结果，如果训练数据的损失很大，显然它在训练集上面也没有训练好。接下来。1.模型偏差模型偏差可能会影响模型训练。举个例子，假设模型过于简单，一个有未知参数的函数代θ1得到一个函数fθ1(x，同理可得到另一个函数fθ2(x，把所有的函数集合起来得到一个函数的集合。
Datawhale X 李宏毅苹果书AI夏令营 深度学习入门方向 Task03笔记
qq_61710014的博客
09-03 316
例如，一个模型在训练数据上将每个输入x映射到正确的y值，但对未知的x则随机输出，这种模型的损失在训练数据上为0，但在测试数据上表现差，因为它没有学到有用的预测规律，仅仅记住了训练数据。首先我们要理解什么是模型偏差，举个例子，如果我们使用一个很简单的模型，我们可以通过这个模型得到一个函数的集合，但是由于模型比较简单，导致让损失变低的函数并不在我们模型可以概括的范围之内，这样就导致我们无法将损失降低到最低。所以我们需要设置一个高灵活度的模型，通过深度学习或者是增加更多特征来使模型的偏差更低。
Datawhale X 李宏毅苹果书AI夏令营 深度学习入门方向 Task01笔记
qq_61710014的博客
08-27 259
机器学习，顾名思义，机器具备有学习的能力，简单来说，机器学习就是让机器具备找一个函数的能力。通过机器帮助找一个很复杂的函数，我们就可以实现输入和输出。比如说AlphaGo 也可以看作是一个函数，机器下围棋需要的就是一个函数，该函数的输入是棋盘上黑子跟白子的位置，输出是机器下一步应该落子的位置。随着要找的函数不同，机器学习有不同的类别。假设要找的函数的输出是一个数值，一个标量（scalar），这种机器学习的任务称为回归。除了回归以外，另一个常见的任务是分类（classification，）。
Datawhale X 李宏毅苹果书AI夏令营 深度学习入门 Task1 学习笔记
Stuart_X的博客
08-26 385
回归任务的目标是找到一个输出为数值的函数。例如预测未来某天的空气质量（PM2.5）的数值，输入为当前的相关环境指标（如温度、污染物浓度等），输出是未来某个时间点的PM2.5数值。例如，语音识别系统根据声音信号生成对应文字，背后需要的就是一个复杂的函数。首先，随机选择参数初始值，然后通过计算损失函数的梯度，逐步调整参数，直到找到使损失最小的参数值。机器输出的结果不仅仅是一个数值或类别，而是一个复杂的结构。深度学习（DL）：是机器学习的一个分支，主要依赖于神经网络，能够处理更复杂的任务。𝑥1是当天的观看次数。
Datawhale X 李宏毅苹果书AI夏令营 深度学习入门方向 Task02笔记
qq_61710014的博客
08-31 217
X1代表前一天的观看次数，X 代表两天前观看次数，X3代表 3 天前的观看次数，每一个 i 就代表了一个蓝色的函数。接下来我们就把w的每一行或是每一列拿出来，这里无论是行还是列可以，我们只需要把w的拿出来的每一行或每一列拼成一个很长的向量，再把刚刚的向量拼上来。我们可以发现红色的曲线及分段线性曲线，它可以看作是一个常数，再加上一堆蓝色的函数。这也告诉我们，只要有足够的蓝色行数，我们就可以通过权重加成把它变成任何连续的曲线。我们可以看一下下面这个图，图中的红线是我们需要实现的目标。
Datawhale X 李宏毅苹果书 AI夏令营 进阶班 选修笔记
09-03
运行结果
Datawhale X 李宏毅苹果书 AI夏令营：TASK2+CNN实践, pytorch，数据增强，可视化
08-26
Datawhale X 李宏毅苹果书 AI夏令营：TASK2+CNN实践, pytorch，数据增强，可视化
扩散模型（2）--1
m0_63860007的博客
09-29 913
生成模型通过学习并建模输入数据的分布，从而采集生成新的样木，该模型广泛运用于图片视频生成、文本生成和药物分子生成。扩散模型是一类概率生成模型，扩散模型通过向数据中逐步。
基于Keras的U-Net模型在图像分割与计数中的应用
最新发布
深度学习实战训练营，一起交流探索深度学习
10-04 1116
网络结构优化：项目基于经典的U-Net模型进行改进，采用了更深的网络层次结构，使模型能够在多尺度上捕捉到图像中的细节信息。特别是针对医学图像分割，项目通过增加卷积层数和引入Dropout层来增强模型的特征提取能力，并有效防止过拟合，从而提高模型在训练数据较少情况下的表现。项目中采用了he_normal初始化器和relu激活函数组合，使得网络在训练时能够更快地收敛，降低梯度消失的风险。自定义数据增强策略：在中实现了一个自定义的图像增强类。
大模型~合集5
whaosoft~aiotの开发板商城
10-02 1365
FLock 的机制设计受到了证明权益（PoS）区块链共识机制和桌面游戏《The Resistance》（一种角色扮演类游戏，该游戏的一个变种叫阿瓦隆）的启发。《The Resistance》游戏则通过投票机制，每轮游戏中玩家独立推理并投票，从而实现全局共识。《The Resistance》有两个不匹配的竞争方，其中较大的一方被称为抵抗力量，另一方被称为间谍。在《The Resistance》中，有一个投票机制，在每一轮中，每个玩家进行独立推理并为一个玩家投票，得票最多的玩家将被视为「间谍」并被踢出游戏。
Linux嵌入式有发展吗，以及对uboot，kernel，rootfs的领悟
rjszcb的博客
09-30 748
上一份工作是2022,11—2023，11年底，汽车公司，底层修修改改，编译镜像，修改后，客户给东西，重新编译给他，客制化配置启动参数，环境，支持应用部门，不懂怎么使用某些驱动。uboot到底是干嘛的，想想，emmc的镜像文件是怎么被读到ddr的，emmc为啥可以被分区，烧录镜像，tftp网络命令为啥可以运行，启动设备时，为啥lcd可以看到图像，kernel还没启动，怎么出图像的。不管做应用开发，驱动开发也好，知道，系统原理，驱动框架，进程管理调度，内核竞争，信号，中断，锁，这些就够了。
遥感影像-实例分割数据集：iSAID 从切图到YOLO格式数据集制作详细介绍
GIS潮流
09-30 1179
开源数据集isaid标注包含实例分割，但是原始影像太大，很吃显存，一般显卡无法用原始影像直接训练，所以需要对影像进行裁剪，并生成对应的标签，因为想用yolo系列跑模型，所以将标签需要转为txt格式。
李宏毅教授深度学习速成指南：从入门到应用
台大教授李宏毅的《一天搞懂深度学习》PPT是一份针对初学者设计的深度学习入门教程，由资深专家李宏毅（Hung-yi Lee）分享。该PPT旨在通过深入浅出的方式讲解深度学习的基本原理和技术趋势，帮助读者快速理解和掌握...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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