- 文章目录 深度学习 - 深度学习 （人工神经网络的研究的概念）1、概念2、相关应用场景3、简介4、区别于浅层学习5、典型模型案例6、深度学习是如何进行训练的自下上升的非监督学习自顶向下的监督学习 ... 文章目录 深度学习 - 深度学习 （人工神经网络的研究的概念）1、概念2、相关应用场景3、简介4、区别于浅层学习5、典型模型案例6、深度学习是如何进行训练的自下上升的非监督学习自顶向下的监督学习 ...
- 目录 输出1~100所有数字 输出1~100所有数字的和 输出1~100之间所有奇数 输出1~100之间所有偶数 输出1~100之间所有质数 输出1~100之间所有质数的和 输出1~100所有合数 输出圆周率与自然常数e 输出1~100所有数字 for i in range(1,101): print(i,e... 目录 输出1~100所有数字 输出1~100所有数字的和 输出1~100之间所有奇数 输出1~100之间所有偶数 输出1~100之间所有质数 输出1~100之间所有质数的和 输出1~100所有合数 输出圆周率与自然常数e 输出1~100所有数字 for i in range(1,101): print(i,e...
- 学习心得 （1）从optimization的角度,来说明相较於Mean Square Error，交叉熵Cross-entropy是被更常用在分类上 （2）网络设计技巧 【李宏毅深度学习】(task5)... 学习心得 （1）从optimization的角度,来说明相较於Mean Square Error，交叉熵Cross-entropy是被更常用在分类上 （2）网络设计技巧 【李宏毅深度学习】(task5)...
- 学习总结 （1）DeepFM 模型在解决特征交叉问题上非常有优势，它会使用一个独特的 FM 层来专门处理特征之间的交叉问题。具体来说，就是使用点积、元素积等操作让不同特征之间进行两两组合，再把组合后的结... 学习总结 （1）DeepFM 模型在解决特征交叉问题上非常有优势，它会使用一个独特的 FM 层来专门处理特征之间的交叉问题。具体来说，就是使用点积、元素积等操作让不同特征之间进行两两组合，再把组合后的结...
- 学习总结 （1）关于5个assignment的难度，可以参考斯坦福大佬的CS224作业评论，大体是说今年的transformer成为课程重点，由总助教博三大佬John讲，他原本还想让同学们手写encod... 学习总结 （1）关于5个assignment的难度，可以参考斯坦福大佬的CS224作业评论，大体是说今年的transformer成为课程重点，由总助教博三大佬John讲，他原本还想让同学们手写encod...
- 学习心得 （1）首先学习了经典推荐算法协同过滤的深度学习进化版本 NerualCF。相比于矩阵分解算法，NeuralCF 用一个多层的神经网络，替代了矩阵分解算法中简单的点积操作，让用户和物品隐向量之间... 学习心得 （1）首先学习了经典推荐算法协同过滤的深度学习进化版本 NerualCF。相比于矩阵分解算法，NeuralCF 用一个多层的神经网络，替代了矩阵分解算法中简单的点积操作，让用户和物品隐向量之间...
- stanford基本上绝大部分课程主页都包含了完整的大纲、讲义、作业、Lab 甚至是视频的课程信息，非常适合自学，完整的课程列表及其网址：https://docs.google.com/spreadshe... stanford基本上绝大部分课程主页都包含了完整的大纲、讲义、作业、Lab 甚至是视频的课程信息，非常适合自学，完整的课程列表及其网址：https://docs.google.com/spreadshe...
- 学习总结 （1）GraphSAGE 的主要步骤是三步“采样 - 聚合 - 预测”： 采样是指在整体图数据上随机确定中心节点，采样 k 阶子图样本。聚合是指利用 GNN 把 k 阶子图样本聚合成中心节点... 学习总结 （1）GraphSAGE 的主要步骤是三步“采样 - 聚合 - 预测”： 采样是指在整体图数据上随机确定中心节点，采样 k 阶子图样本。聚合是指利用 GNN 把 k 阶子图样本聚合成中心节点...
- 学习总结 本次task学习深度学习模型系统的整体脉络，改进网络模型的常用手段：改变神经网络的复杂程度、改变特征交叉方式、把多种模型组合应用、结合交叉领域（如NLP、强化学习等）。整个深度学习推荐模型的演... 学习总结 本次task学习深度学习模型系统的整体脉络，改进网络模型的常用手段：改变神经网络的复杂程度、改变特征交叉方式、把多种模型组合应用、结合交叉领域（如NLP、强化学习等）。整个深度学习推荐模型的演...
- 简 介： 近年来，深度学习在交通安全、无人驾驶等领域被广泛研究与应用，而车辆检测作为其中不可或缺的一环，被人们所重点关注。本文基于YOLOV3 网络对其不同骨网进行了训练与分析，最终实现了对交通车辆... 简 介： 近年来，深度学习在交通安全、无人驾驶等领域被广泛研究与应用，而车辆检测作为其中不可或缺的一环，被人们所重点关注。本文基于YOLOV3 网络对其不同骨网进行了训练与分析，最终实现了对交通车辆...
- 为了让菜鸡的自己学习更有方向感，本文贴上各厂的推荐算法岗位的要求 （ps：本文既不是广告问也不是内推文！！！）。 文章目录 算法工程师的工作流程（王喆）一、不知哪个厂：二、联通研究院三、阿里巴巴... 为了让菜鸡的自己学习更有方向感，本文贴上各厂的推荐算法岗位的要求 （ps：本文既不是广告问也不是内推文！！！）。 文章目录 算法工程师的工作流程（王喆）一、不知哪个厂：二、联通研究院三、阿里巴巴...
- 学习总结 （1）这次task的模型看似没啥新东西（embedding+MLP），但是对于tensorflow不熟悉，还有需要注意特征处理：类别型特征 Embedding 化，数值型特征直接输入 MLP。... 学习总结 （1）这次task的模型看似没啥新东西（embedding+MLP），但是对于tensorflow不熟悉，还有需要注意特征处理：类别型特征 Embedding 化，数值型特征直接输入 MLP。...
- 背景介绍 这几年图神经网络模型（如谱聚类的GCN、GAT等等）都挺火的，这些图神经网络即将节点或图映射到一个低维空间（称为图嵌入）；而除了GNN还有很多图嵌入方法（在GNN之前图嵌入的概念常出现在流行学... 背景介绍 这几年图神经网络模型（如谱聚类的GCN、GAT等等）都挺火的，这些图神经网络即将节点或图映射到一个低维空间（称为图嵌入）；而除了GNN还有很多图嵌入方法（在GNN之前图嵌入的概念常出现在流行学...
- 学习总结 （1）上一个task我们提到用embedding召回，快速过滤商品，缩小候选集。但是embedding相似度如果都用余弦计算，当数据量很大时计算量很大。所以提出用【局部敏感哈希LSH】解决高维... 学习总结 （1）上一个task我们提到用embedding召回，快速过滤商品，缩小候选集。但是embedding相似度如果都用余弦计算，当数据量很大时计算量很大。所以提出用【局部敏感哈希LSH】解决高维...
- 学习总结 YouTube推荐架构=召回层（多，快）+排序层（少，精）。候选集生成模型：用了Embedding MLP，注意最后的多分类的输出层，预测的是用户点击了“哪个”视频。线上服务时，需要从输出层提... 学习总结 YouTube推荐架构=召回层（多，快）+排序层（少，精）。候选集生成模型：用了Embedding MLP，注意最后的多分类的输出层，预测的是用户点击了“哪个”视频。线上服务时，需要从输出层提...
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签