通過(guò)學(xué)習(xí)李宏毅老師的課程，明白了為什么要學(xué)習(xí)機(jī)器學(xué)習(xí)，對(duì)機(jī)器學(xué)習(xí)有了一定的了解。重溫了回歸酌媒、梯度下降等經(jīng)典方法和模型，學(xué)習(xí)了神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)，卷積神經(jīng)網(wǎng)絡(luò)的原理和應(yīng)用茶没，以及一些...
卷積神經(jīng)網(wǎng)絡(luò) 是一種深度學(xué)習(xí)的方法，主要應(yīng)用于計(jì)算機(jī)視覺(jué)晚碾，也可應(yīng)用在文本上抓半。 步驟 · 卷積· Relu· 池化· FC 卷積 設(shè)定若干個(gè)卷積核，提取特征格嘁。 Relu 對(duì)特征...
梯度下降 在訓(xùn)練過(guò)程中笛求，經(jīng)常會(huì)遇到梯度為0的情況，可能并不是我們想要的結(jié)果，我們只想要得到梯度極小值探入。根據(jù)泰勒展開(kāi)來(lái)進(jìn)行判斷屬于哪一個(gè)類(lèi)別狡孔。 數(shù)學(xué)原理 將數(shù)據(jù)分成各個(gè)batc...
深度學(xué)習(xí) 采用深度神經(jīng)網(wǎng)絡(luò)作為模型進(jìn)行學(xué)習(xí)。 步驟 選擇神經(jīng)網(wǎng)絡(luò) 模型評(píng)估 選擇最好結(jié)果 反向傳播 通過(guò)鏈?zhǔn)椒▌t新症，進(jìn)行梯度下降步氏。
誤差分解 誤差來(lái)源于兩個(gè)部分，一個(gè)是偏差徒爹，一個(gè)是方差荚醒。 梯度下降 我們需要找到一個(gè)損失函數(shù)，來(lái)最優(yōu)化這個(gè)損失函數(shù)隆嗅。 學(xué)習(xí)率 學(xué)習(xí)率可以控制梯度下降的速度界阁。
問(wèn)題原因 Mac 安裝了 conda 后, 終端的命令行前面會(huì)有一個(gè)(base), 具體顯示如下: (base) 主機(jī)名稱:~ 用戶名$ 具體原因是安裝 conda 后，每次...
人工智能（AI） 讓機(jī)器具有類(lèi)似人類(lèi)一樣學(xué)習(xí)的能力技健，機(jī)器學(xué)習(xí)是實(shí)現(xiàn)人工智能的手段写穴。 機(jī)器也和生物類(lèi)似，行為取決于先天的本能和后天的學(xué)習(xí)雌贱。先天的本能是人類(lèi)在創(chuàng)造時(shí)所設(shè)立的啊送，后天...
提示：對(duì)于蘋(píng)果電腦是M1芯片的同學(xué)，目前（2022.4月）是不能夠使用C程序的調(diào)試功能的欣孤，因此只能暫時(shí)采用打印來(lái)判斷程序中變量是否正確馋没。 1. 首先在桌面（或者任何其他地方）...
區(qū)別：char *s1：s1是一個(gè)指向字符串的指針char s2[]：s2是一個(gè)字符數(shù)組string s3：s3是一個(gè)string類(lèi)的對(duì)象【內(nèi)存模型】例如：char *s1 ...
無(wú)向圖 連通 在無(wú)向圖中，若從頂點(diǎn)v到頂點(diǎn)w有路徑存在泽论，則稱v和w是連通的艾少。（連通是兩個(gè)頂點(diǎn)之間存在路徑，注意是路徑不是邊翼悴，是頂點(diǎn)之間的關(guān)系） 連通圖與非連通圖 若圖中任意兩...
在根pom.xml中 <groupId>org.apache.maven.plugins</groupId> maven-surefire-plugin <configu...
.bash_profile中添加export LDFLAGS="-L/usr/local/opt/openssl/lib"export CPPFLAGS="-I/usr/lo...
zsh缚够、bash 都是 shell幔妨，zsh 比 bash 更加強(qiáng)大，功能也更加完善谍椅，此篇文章說(shuō)明 zsh 和 bash 之間的切換误堡。Linux/Unix 產(chǎn)品一般默認(rèn)的都是使...
使用mkvirualenv創(chuàng)建環(huán)境報(bào)錯(cuò)setuptools pip wheel failed with error code 2 嘗試更新setuptools版本雏吭，命令如下 ...
