- pytorch 多次backward 影响pytorch梯度的参数： 1.requires_grad 需要为True for param in model.named_parameters(): if param[0] in need_frozen_list: param[1].requires_grad ... pytorch 多次backward 影响pytorch梯度的参数： 1.requires_grad 需要为True for param in model.named_parameters(): if param[0] in need_frozen_list: param[1].requires_grad ...
- 学习目标 目标 知道逻辑回归的算法计算输出、损失函数知道导数的计算图知道逻辑回归的梯度下降算法知道多样本的向量计算应用 应用完成向量化运算应用完成一个单神经元神经网络的结构 1.2.1 Logistic回归 1.2.1.1 Logistic回归 逻辑回归是一个主要用于二分分类类的算法。那么逻辑回归是给定一个xx&nbs... 学习目标 目标 知道逻辑回归的算法计算输出、损失函数知道导数的计算图知道逻辑回归的梯度下降算法知道多样本的向量计算应用 应用完成向量化运算应用完成一个单神经元神经网络的结构 1.2.1 Logistic回归 1.2.1.1 Logistic回归 逻辑回归是一个主要用于二分分类类的算法。那么逻辑回归是给定一个xx&nbs...
- 学习目标 目标 了解CapsuleNet应用 无 5.3.1 CapsuleNet为什么会出现 2017年，CapsuleNet的出现是Hinton大佬对于卷积神经网络等的思考，想去构建一种新的网络结构, 如何克服CNN存在的问题的，那CN网络又存在什么问题： CNN的目标不正确 1、CNN对于旋转类型图片不确... 学习目标 目标 了解CapsuleNet应用 无 5.3.1 CapsuleNet为什么会出现 2017年，CapsuleNet的出现是Hinton大佬对于卷积神经网络等的思考，想去构建一种新的网络结构, 如何克服CNN存在的问题的，那CN网络又存在什么问题： CNN的目标不正确 1、CNN对于旋转类型图片不确...
- 训练Tesseract 大多数其他的验证码都是比较简单的。例如，流行的 PHP 内容管理系统 Drupal 有一个著 名的验证码模块(https://www.drupal.org/project/captcha)，可以生成不同难度的验证码。 那么与其他验证码相比，究竟是什么让这个验证码更容易被人类和机器读懂呢? ... 训练Tesseract 大多数其他的验证码都是比较简单的。例如，流行的 PHP 内容管理系统 Drupal 有一个著 名的验证码模块(https://www.drupal.org/project/captcha)，可以生成不同难度的验证码。 那么与其他验证码相比，究竟是什么让这个验证码更容易被人类和机器读懂呢? ...
- [toc] 练习四 现在我们有全球排名靠前的 10000 本书的数据, 那么请统计一下下面几个问题: 1. 不同年份书的数量 执行结果: 2. 不同年份书的平均评分情况 执行结果: [toc] 练习四 现在我们有全球排名靠前的 10000 本书的数据, 那么请统计一下下面几个问题: 1. 不同年份书的数量 执行结果: 2. 不同年份书的平均评分情况 执行结果:
- [toc] 索引的复合索引 简单的索引操作: 获取 index: 执行结果: 指定 index: 执行结果: 重新设置 index: 执行结果: 指定某一列作为 index: 执行结果: 执行结果: 返回 index 的唯一值: 执行结果: ... [toc] 索引的复合索引 简单的索引操作: 获取 index: 执行结果: 指定 index: 执行结果: 重新设置 index: 执行结果: 指定某一列作为 index: 执行结果: 执行结果: 返回 index 的唯一值: 执行结果: ...
- [toc] Pandas 之布尔索引 回到之前狗的名字的问题上, 假如我们想找到所有的使用次数超过 80 次的狗狗名字,应该怎么选择? 执行结果: 缺失数据的处理 对于 NaN 的数据, 在 numpy 中我们是如何处理的? 在 pandas 中我们处理起来非常容易 判断数据是否为 NaN 执行结果: ... [toc] Pandas 之布尔索引 回到之前狗的名字的问题上, 假如我们想找到所有的使用次数超过 80 次的狗狗名字,应该怎么选择? 执行结果: 缺失数据的处理 对于 NaN 的数据, 在 numpy 中我们是如何处理的? 在 pandas 中我们处理起来非常容易 判断数据是否为 NaN 执行结果: ...
- [toc] 在 DataFrame 中使用时间序列 执行结果: 在最开始的 911 数据的案例中, 我们可以使用 pandas 提供的方法把时间字符串转换为时间序列. format 参数大部分情况下可以不用写, 但是对于 pandas 无法格式化的时间字符串, 我们可以使用该参数, 比如包含中文. ... [toc] 在 DataFrame 中使用时间序列 执行结果: 在最开始的 911 数据的案例中, 我们可以使用 pandas 提供的方法把时间字符串转换为时间序列. format 参数大部分情况下可以不用写, 但是对于 pandas 无法格式化的时间字符串, 我们可以使用该参数, 比如包含中文. ...
- [toc] 数据分析 简介 为什么要学习数据分析 1. 有岗位需求 2. 是 Python 数据科学的基础 3. 是机器学习课程的基础 什么是数据分析 数据分析是用适当的方法对收集来的大量数据进行分析, 帮助人们做出判断, 以便采取适当行动. 数据分析的流程 ... [toc] 数据分析 简介 为什么要学习数据分析 1. 有岗位需求 2. 是 Python 数据科学的基础 3. 是机器学习课程的基础 什么是数据分析 数据分析是用适当的方法对收集来的大量数据进行分析, 帮助人们做出判断, 以便采取适当行动. 数据分析的流程 ...
- 非监督学习 概述 概述 从本书开始, 将正式进入到监督学习 (Unsupervised Learning) 部分. 无监督学习, 顾名思义, 就是不受监督学习, 一种自由的学习方式. 该学... 非监督学习 概述 概述 从本书开始, 将正式进入到监督学习 (Unsupervised Learning) 部分. 无监督学习, 顾名思义, 就是不受监督学习, 一种自由的学习方式. 该学...
- [toc] 练习三 假设现在我们有一组从 2006 年到 2016 年 1000 部最流行的电影数据, 我们想知道这些电影中评分的平均分, 导演的人数等信息, 我们应该怎么获取? 执行结果: [toc] 练习三 假设现在我们有一组从 2006 年到 2016 年 1000 部最流行的电影数据, 我们想知道这些电影中评分的平均分, 导演的人数等信息, 我们应该怎么获取? 执行结果:
- [toc] Numpy 中的 nan 和 inf nan ( NAN, Nan ): not a number 表示不是一个数字 inf ( -inf, inf ): infinity, inf 表示正无穷, -inf 表示浮无穷 什么时候 numpy 中会出现 nan 当我们读取本地的文件为 float 的时候, 如果有缺失... [toc] Numpy 中的 nan 和 inf nan ( NAN, Nan ): not a number 表示不是一个数字 inf ( -inf, inf ): infinity, inf 表示正无穷, -inf 表示浮无穷 什么时候 numpy 中会出现 nan 当我们读取本地的文件为 float 的时候, 如果有缺失...
- [toc] Pandas 重采样 重采样: 指的是将时间序列从一个频率转化为另一个频率进行处理的过程, 将高频率数据数据转化为低频数据为降采样, 低频转化为高频率为升采样. pandas 提供了一个 resample 的方法来帮助我们实现频率转化. 执行结果: [toc] Pandas 重采样 重采样: 指的是将时间序列从一个频率转化为另一个频率进行处理的过程, 将高频率数据数据转化为低频数据为降采样, 低频转化为高频率为升采样. pandas 提供了一个 resample 的方法来帮助我们实现频率转化. 执行结果:
- [toc] CONDA 环境安装 conda: data science package & enviornment manager 创建环境: conda create--name python3 python=3 切换环境: windows: activat... [toc] CONDA 环境安装 conda: data science package & enviornment manager 创建环境: conda create--name python3 python=3 切换环境: windows: activat...
- 推荐系统评测 概述推荐系统的实验方法离线实验用户调查在线试验 评测指标用户满意度预测准确度评分预测TopN 推荐 概述 什么才是好的推荐系统? 这是推荐系统需要解决的首要问题... 推荐系统评测 概述推荐系统的实验方法离线实验用户调查在线试验 评测指标用户满意度预测准确度评分预测TopN 推荐 概述 什么才是好的推荐系统? 这是推荐系统需要解决的首要问题...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签