机器学习/自然语言处理 今日: 0|主題: 239|排名: 17 

此分类用于记录吴恩达深度学习课程的学习笔记，目前已完结，点击进入全集目录 课程相关信息链接如下： 原课程视频链接：[双语字幕]吴恩达深度学习deeplearning.ai github课程资料，含课件与笔记:吴恩达深度学习教学资料 课程配套练习（中英）与答案：吴恩达深度学习课后习题与答案 本篇为第三课的第二周内容，2.1到2.3的 ...

此分类用于记录吴恩达深度学习课程的学习笔记，目前已完结，点击进入全集目录 课程相关信息链接如下： 原课程视频链接：[双语字幕]吴恩达深度学习deeplearning.ai github课程资料，含课件与笔记:吴恩达深度学习教学资料 课程配套练习（中英）与答案：吴恩达深度学习课后习题与答案 本篇为第三课的第一周内容，1.8到1.12的 ...

此分类用于记录吴恩达深度学习课程的学习笔记，目前已完结，点击进入全集目录 课程相关信息链接如下： 原课程视频链接：[双语字幕]吴恩达深度学习deeplearning.ai github课程资料，含课件与笔记:吴恩达深度学习教学资料 课程配套练习（中英）与答案：吴恩达深度学习课后习题与答案 本篇为第三课的第一周内容，1.5到1.7的 ...

此分类用于记录吴恩达深度学习课程的学习笔记，目前已完结，点击进入全集目录 课程相关信息链接如下： 原课程视频链接：[双语字幕]吴恩达深度学习deeplearning.ai github课程资料，含课件与笔记:吴恩达深度学习教学资料 课程配套练习（中英）与答案：吴恩达深度学习课后习题与答案 本篇为第三课的第一周内容，1.1到1.4的 ...

此分类用于记录吴恩达深度学习课程的学习笔记，目前已完结，点击进入全集目录 课程相关信息链接如下： 原课程视频链接：[双语字幕]吴恩达深度学习deeplearning.ai github课程资料，含课件与笔记:吴恩达深度学习教学资料 课程配套练习（中英）与答案：吴恩达深度学习课后习题与答案 本篇为第二课第三周的课程习题和代码实 ...

此分类用于记录吴恩达深度学习课程的学习笔记，目前已完结，点击进入全集目录 课程相关信息链接如下： 原课程视频链接：[双语字幕]吴恩达深度学习deeplearning.ai github课程资料，含课件与笔记:吴恩达深度学习教学资料 课程配套练习（中英）与答案：吴恩达深度学习课后习题与答案 本篇为第二课的第三周内容，3.11的内容 ...

此分类用于记录吴恩达深度学习课程的学习笔记，目前已完结，点击进入全集目录 课程相关信息链接如下： 原课程视频链接：[双语字幕]吴恩达深度学习deeplearning.ai github课程资料，含课件与笔记:吴恩达深度学习教学资料 课程配套练习（中英）与答案：吴恩达深度学习课后习题与答案 本篇为第二课的第三周内容，3.10的内容 ...

这套课程的价值在于它的"完整性"。 市面上很多AI课程要么只讲理论,要么只做项目,很少有人把整个知识体系串起来。这套课程从AI工程师岗位需求出发,覆盖了7个学习阶段ython数据分析、机器学习原理与实战、深度学习应用、三大前沿方向(CV/NLP/推荐系统)。 更重要的是,它包含了Kaggle竞赛级的项目案例,像行人重识别、智能问答机 ...

一．目前我校主要研究方向就是目标检测，所以首先应对目标检测有初步了解。目标检测属于计算机视觉中的一个热门方向，主要应用于物体、人、动物识别、动作识别等。结合我校农业研究方向，通过目标检测，可以用来检测瓜果、蔬菜的成熟度、可以用来识别花卉、土壤营养分析、蔬菜采摘等。我国为农业大国，通过在农业工程中运用 ...

前言 孤立森林，一种非常高效快速的异常检测算法 开始探索 scikit-learn import numpy as np import matplotlib.pyplot as plt from sklearn.ensemble import IsolationForest rng = np.random.RandomState(0) X_train = 0.3 * rng.randn(100, 2) X_outliers = rng.uniform(low=-2, high=2, size=(10, 2)) clf = Isolati ...

PyTorch 的矩阵操作 注意： 无论是torch.f()还是tensor.f()，都是返回新的Tensor，不会修改原始的tensor 单个tensor 初始化 empty 用于创建一个未初始化的张量，其值是随机的 与torch.randn的区别在于，torch.randn是从正态分布中采样的 torch.empty(*size, *, out=None, dtype=None, layout=torch.strided, device=Non ...

前言 彩笔运维勇闯机器学习：KNN算法，它也是分类中的一种 开始探索 scikit-learn import numpy as np import matplotlib.pyplot as plt from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.neighbors import KNeighborsClassifier from sklearn.metric ...

什么是激活函数 激活函数，属于神经网络中的概念。 激活函数，就像神经元的开关，决定了输入信号能否被传递，以及以什么形式传递。 为应对不同的场景，激活函数不断发展出了各种实现。它们存在的意义，就是为信号传递赋予不同种类的“非线性”特征，从而让神经网络能够表达更为丰富的含义。 本文旨在梳理常见的 40 多种激活 ...

最近在配置YOLO（You Only Look Once）进行物体检测和图像分割任务时，发现默认安装的情况下，YOLO使用的是CPU进行计算。 这对于需要处理大量图像或实时检测的任务来说，效率明显不足。 本文将详细介绍如何将YOLO从CPU模式切换到GPU模式，显著提升运行效率。 1. 配置步骤 1.1. 检查当前PyTorch是否支持GPU 首先需要确认当前 ...

前言 本文讨论的GBDT算法，也是基于决策树 开始探索 scikit-learn 老规矩，先上代码，看看GBDT的用法 from sklearn.datasets import load_iris from sklearn.ensemble import GradientBoostingClassifier from sklearn.model_selection import train_test_split from sklearn.metrics import classification_report X, y = ...

前言 彩笔运维勇闯机器学习，今天我们来讨论一下lasso回归，本期又是一起数学推理过程展示 坐标下降法 目标找到一组参数，使目标函数值最小。比如\(f(x,y)=3x^2+5xy+10y^2\)，要找到\(x,y\)使得\(f(x,y)\)取值最小 \[x_j^{(k+1)} = \arg \min_{x_j} f(x_1^{(k+1)}, \dots, x_{j-1}^{(k+1)}, x_j, x_{j+1}^{(k)}, \dots, x_n ...

前言 彩笔运维勇闯机器学习，今天我们来讨论一下梯度下降法 梯度 首先要搞明白什么是梯度，那就要先从导数说起 导数 函数\(y=f(x)\)的自变量\(x\)在一点\(x_0\)上产生一个增量\(\Delta x\)时，函数输出值的增量\(\Delta y=f(x_0 + \Delta x)-f(x_0)\)与自变量增量\(\Delta x\)的比值在\(\Delta x\)趋于0时的极限\(a\)如果存 ...

前言 随机森林的出现，是为了解决决策树对训练数据过拟合的问题而出现的。决策树在训练的工程中，可以让每一个叶子节点的不确定性降为0（即熵或者基尼指数为0），这样做可能把训练数据中的偶然性、异常值或噪声也当成了“规 律”去学习了 对于复杂高维的数据，随机森林的算法可以更好的泛化能力 开始探索 scikit-learn 老规 ...

温馨提示：本文共有8472个字，平均阅读时间约为34分钟 大家可以快速查看自己感兴趣的内容点击下面的目录： 目录模型简介整体架构Encoder结构输入阶段输入嵌入（Input Embedding）位置编码（Position Encoding）输入向量构建Attention结构自注意力机制 Self-Attention 和 缩放点积注意力 Scaled Dot-Product Attention第一 ...

前言 决策树是一种常用的机器学习模型，用于分类和回归任务，它通过模拟“树”的结构来对数据进行决策。本节我们详细讨论的是决策树中的分类任务 开始探索 scikit-learn 假设以下运维场景 CPU 低：<40% 中：40%~70% 高：>70% 内存 低：<60% 中：60%~85% 高：>85% 磁盘I/O 低：<40% 中：40%~70% 高：>70% 日志报错 ...