- 一.监督学习 利用一组带有标签的数据，学习从输入到输出的映射，然后将这种映射关系应用到未知数据上，达到分类或回归的目的。 分类：当输出是离散的，学习任务为分类任务。 回归：当输出是连续的，学习任务为回归任务。 二.分类学习 输入：一组有标签的训练数据(也称观察和评估)，标签表明了这些数据（观察）的所署类别。 输出：分类模型根据这些... 一.监督学习 利用一组带有标签的数据，学习从输入到输出的映射，然后将这种映射关系应用到未知数据上，达到分类或回归的目的。 分类：当输出是离散的，学习任务为分类任务。 回归：当输出是连续的，学习任务为回归任务。 二.分类学习 输入：一组有标签的训练数据(也称观察和评估)，标签表明了这些数据（观察）的所署类别。 输出：分类模型根据这些...
- 选自towardsdatascience;作者：Daniel Bourke 机器之心编译;参与：韩放、一鸣 都说做一件事情最好的时机就是「现在」，但是从何开始往往会难倒一大批人，更不用说是想要入门数据科学和机器学习的朋友了。本文是一篇科普扫盲文章，作者以初学者的视角，为同样想「入坑」的读者们提供了一些建议，还有一些可以获得的学... 选自towardsdatascience;作者：Daniel Bourke 机器之心编译;参与：韩放、一鸣 都说做一件事情最好的时机就是「现在」，但是从何开始往往会难倒一大批人，更不用说是想要入门数据科学和机器学习的朋友了。本文是一篇科普扫盲文章，作者以初学者的视角，为同样想「入坑」的读者们提供了一些建议，还有一些可以获得的学...
- 文章目录 第一部分：深度学习和机器学习一、机器学习任务二、ML和DL区别（1）数据加载（2）模型实现（3）训练过程 第二部分：Pytorch部分一、学习资源二、自动求导机制2.1 tor... 文章目录 第一部分：深度学习和机器学习一、机器学习任务二、ML和DL区别（1）数据加载（2）模型实现（3）训练过程 第二部分：Pytorch部分一、学习资源二、自动求导机制2.1 tor...
- 学习总结 （1）回顾 fine tune BERT 解决新的下游任务的5个步骤： 1）准备原始文本数据 2）将原始文本转换成BERT相容的输入格式（重点，如下图所示） 3）在BERT之上加入新layer... 学习总结 （1）回顾 fine tune BERT 解决新的下游任务的5个步骤： 1）准备原始文本数据 2）将原始文本转换成BERT相容的输入格式（重点，如下图所示） 3）在BERT之上加入新layer...
- 学习总结 交换律： tr ... 学习总结 交换律： tr ...
- 学习总结 （1）adam和dropout是算法岗面试的常考题，下面的问题是源自斯坦福大学NLP的CS224n作业assignment3的2道题。深度学习的优化算法一般分为两类：1）调整学习率，使得优化更... 学习总结 （1）adam和dropout是算法岗面试的常考题，下面的问题是源自斯坦福大学NLP的CS224n作业assignment3的2道题。深度学习的优化算法一般分为两类：1）调整学习率，使得优化更...
- 文章目录 一、官方代码1.1 加载数据1.2 Unsupervised Loss1.3 Models1.4 评估与模型使用1.5 Main 二、PyG版本class SAGEConv(Mess... 文章目录 一、官方代码1.1 加载数据1.2 Unsupervised Loss1.3 Models1.4 评估与模型使用1.5 Main 二、PyG版本class SAGEConv(Mess...
- 学习总结 （1）五种主流的推荐模型离线评估方法：Holdout 检验、交叉检验、自助法、时间切割和离线 Replay。Holdout 检验最简单常用，它通过随机划分的方式把样本集划分成训练集和测试集。而... 学习总结 （1）五种主流的推荐模型离线评估方法：Holdout 检验、交叉检验、自助法、时间切割和离线 Replay。Holdout 检验最简单常用，它通过随机划分的方式把样本集划分成训练集和测试集。而...
- 学习总结 （1）深度推荐模型的前沿趋势，强化学习（Reinforcement Learning，又叫增强学习）与深度推荐模型的结合。强化学习的大体过程：通过训练一个智能体（它与环境交互，不断学习并强化自... 学习总结 （1）深度推荐模型的前沿趋势，强化学习（Reinforcement Learning，又叫增强学习）与深度推荐模型的结合。强化学习的大体过程：通过训练一个智能体（它与环境交互，不断学习并强化自...
- 学习总结 （1）这个task所有求导布局都是分母布局。为了适配矩阵对矩阵的求导，这次的向量对向量的求导，也是以分母布局为准（和之前的不一样）。 （2）由于矩阵对矩阵求导的结果包含【克罗内克积，Kron... 学习总结 （1）这个task所有求导布局都是分母布局。为了适配矩阵对矩阵的求导，这次的向量对向量的求导，也是以分母布局为准（和之前的不一样）。 （2）由于矩阵对矩阵求导的结果包含【克罗内克积，Kron...
- 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）mini-batch：外层for为训练周期，内层for迭代mini-batch。 1）epoch：将所有的训练样本都进行了一次前向传递和反向传播，是一个epoch。 2）Batch-si... 学习心得 （1）mini-batch：外层for为训练周期，内层for迭代mini-batch。 1）epoch：将所有的训练样本都进行了一次前向传递和反向传播，是一个epoch。 2）Batch-si...
- 一.图像识别 （1）图像识别 （Image Recognition）是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。 图像识别的发展经历了三个阶段：文字识别、数字图像处理与识别、物体识别。机器学习领域一般将此类识别问题转化为分类问题。 手写识别是常见的图像识别任务。计算机通过手写... 一.图像识别 （1）图像识别 （Image Recognition）是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。 图像识别的发展经历了三个阶段：文字识别、数字图像处理与识别、物体识别。机器学习领域一般将此类识别问题转化为分类问题。 手写识别是常见的图像识别任务。计算机通过手写...
- 学习总结 假设： x x x表示标量； ... 学习总结 假设： x x x表示标量； ...
- 第30届国际信息与知识管理大会（The 30th ACM International Conference on Information and Knowledge Management, CIKM 20... 第30届国际信息与知识管理大会（The 30th ACM International Conference on Information and Knowledge Management, CIKM 20...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签