發(fā)簡(jiǎn)信
IP屬地：福建
-
深入淺出PyTorch_3_主要組成部分
[toc] 基本流程 完成一項(xiàng)深度學(xué)習(xí)任務(wù)的基本流程大致如下： 數(shù)據(jù)預(yù)處理 模型構(gòu)建 模型訓(xùn)練 模型導(dǎo)出及應(yīng)用 模型構(gòu)建則是關(guān)鍵打肝，選擇適當(dāng)?shù)哪Ｐ?..
-
深入淺出PyTorch_2_基礎(chǔ)知識(shí)
[toc] 張量(Tensor) 概念 幾何代數(shù)中定義的張量是基于向量和矩陣的推廣千元，比如我們可以將標(biāo)量視為零階張量煤率，矢量可以視為一階張量辩昆，矩陣就...
-
深入淺出PyTorch_1_簡(jiǎn)介和安裝[toc] PyTorch簡(jiǎn)介 1.1.1 PyTorch的介紹 PyTorch是由Facebook人工智能研究小組開(kāi)發(fā)的一種基于Lua編寫(xiě)的T...
-
深度學(xué)習(xí)推薦系統(tǒng)-NFM
NFM 0.結(jié)論 NFM是FM的神經(jīng)網(wǎng)絡(luò)化嘗試 NFM用神經(jīng)網(wǎng)絡(luò)代替FM中二階隱向量交叉的操作帝嗡，相比于FM绸栅，NFM的表達(dá)能力和特征交叉能力更強(qiáng) ...
-
深度學(xué)習(xí)推薦系統(tǒng)-DeepFM
DeepFM 0.結(jié)論 DeepFM對(duì)W&D模型的改進(jìn)之處：用FM替代了原來(lái)Wide部分螺男，加強(qiáng)了淺層網(wǎng)絡(luò)部分的特征組合能力 DeepFM改進(jìn)之處...
-
深度學(xué)習(xí)推薦系統(tǒng)-Wide&DeepWide & Deep 0. 結(jié)論 W&D由淺層（或單層）的Wide部分神經(jīng)網(wǎng)絡(luò)和深層的Deep部分多層神經(jīng)網(wǎng)絡(luò)組成，輸出層采用softmax或...
-
深度學(xué)習(xí)推薦系統(tǒng)-DeepCrossingDeepCrossing 1. 動(dòng)機(jī) 這個(gè)模型就是一個(gè)真正的把深度學(xué)習(xí)架構(gòu)應(yīng)用于推薦系統(tǒng)中的模型了粘秆， 2016年由微軟提出如迟， 完整的解決了特征工...
-
異常檢測(cè)-高維異常主要內(nèi)容包括： Feature Bagging 孤立森林 練習(xí) 1、引言 在實(shí)際場(chǎng)景中攻走，很多數(shù)據(jù)集都是多維度的殷勘。隨著維度的增加，數(shù)據(jù)空間的大形袈А（...
-
異常檢測(cè)-基于相似度的方法主要內(nèi)容包括： 基于距離的度量 基于密度的度量 LOF檢測(cè)樣例 1玲销、概述 ??“異常”通常是一個(gè)主觀的判斷摘符，什么樣的數(shù)據(jù)被認(rèn)為是“異诚托保”的，需要...