E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
微机课程笔记
机器学习 | 李宏毅
课程笔记
(二)深度学习任务攻略
【深度学习中的一些概念】神经网络的结构:https://www.bilibili.com/video/BV1bx411M7Zx梯度下降法(GradientDescent):https://www.bilibili.com/video/BV1Ux411j7ri反向传播:https://www.bilibili.com/video/BV16x411V7Qg分段线性(piecewiselinear):任
Hygge0+
·
2022-12-01 19:30
深度学习
深度学习
人工智能
汇编语言程序设计实验三 8255LED灯简单设计
题目一8255简单编程实现LED灯开关要求:采用并行接口8255A编写一个用开关量控制LED灯的程序,在
微机
原理实验仪上调试,运行后可以看到LED灯在对应开关量控制下点亮或熄灭将实验台8255接口A0、
好喜欢吃红柚子
·
2022-12-01 19:29
微机原理与接口技术
硬件工程
智芯传感推出高性能低功耗ZXP2绝压压力传感器
作为传感器家族的重要一员,MEMS传感器是一种基于微电子和
微机
械加工技术制造出来的新型传感器,可
智芯传感
·
2022-12-01 14:14
智能传感器
传感器
Big Data 导论&Hadoop&HDFS
BIGDATA
课程笔记
导论大数据的四大特征大量化、快速化、多样化、价值化大数据分析的三个特征全样而非抽样、效率而非精确、相关而非因果大数据处理模型:批处理:以“静止数据”为出发点,处理逻辑进来,算完后价值出去流数据
Tcoder-l3est
·
2022-12-01 11:15
课程学习
bigdata
hdfs
hadoop
mapreduce
深度学习Pytorch初步——Tensor张量
AI
课程笔记
——深度学习框架Pytorch文章目录AI
课程笔记
——深度学习框架Pytorch1pytorch基本数据类型1.1回顾:Python的6大数据类型1.2Pytorch数据类型:张量(一种)1.2.1
望 尘�
·
2022-12-01 09:27
人工智能
ai
python
纽约大学深度学习PyTorch
课程笔记
(自用)Week6
纽约大学深度学习PyTorch
课程笔记
Week6Week66.1卷积网络的应用6.1.1邮政编码识别器使用CNN进行识别6.1.2人脸检测一个多尺度人脸检测系统6.1.3语义分割长程自适应机器人视觉中的卷积神经网络场景解析与标注
cosθ
·
2022-12-01 08:45
深度学习
pytorch
人工智能
cnn
rnn
纽约大学深度学习PyTorch
课程笔记
(自用)Week5
纽约大学深度学习PyTorch
课程笔记
Week5Week55.1优化工具15.1.1梯度下降5.1.2随机梯度下降小批次处理5.1.3动量直观实用指南为什么动量有用?
cosθ
·
2022-12-01 08:14
深度学习
pytorch
机器学习
纽约大学深度学习PyTorch
课程笔记
(自用)Week2
纽约大学深度学习PyTorch
课程笔记
Week22.Week22.1梯度下降和反向传播算法导论2.1.1梯度下降优化算法参数化模型梯度下降2.1.2在传统神经网络中随机梯度下降和反向传播算法的优势随机梯度下降的优势传统神经网络通过非线性函数进行反向传播通过加权和进行反向传播
cosθ
·
2022-12-01 08:14
深度学习
pytorch
机器学习
纽约大学深度学习PyTorch
课程笔记
(自用)Week3
纽约大学深度学习PyTorch
课程笔记
Week3Week33.1神经网络参数变换可视化及卷积的基本概念3.1.1神经网络的可视化3.1.2参数变换一个简单的参数变换:权重共享超网络序列数据中的主题(motif
cosθ
·
2022-12-01 08:14
深度学习
pytorch
机器学习
神经网络
cnn
吴恩达机器学习
课程笔记
+代码实现(26)17.大规模机器学习(Large Scale Machine Learning)
17.大规模机器学习(LargeScaleMachineLearning)文章目录17.大规模机器学习(LargeScaleMachineLearning)17.1大型数据集的学习17.2随机梯度下降法17.3小批量梯度下降17.4随机梯度下降收敛17.5在线学习17.6映射化简和数据并行17.1大型数据集的学习如果我们有一个低方差的模型,增加数据集的规模可以帮助你获得更好的结果。我们应该怎样应对
geekxiaoz
·
2022-12-01 07:07
SGD随机梯度下降
吴恩达
机器学习
吴恩达机器学习系列
课程笔记
——第十七章:大规模机器学习(Large Scale Machine Learning)
17.1大型数据集的学习https://www.bilibili.com/video/BV164411b7dx?p=102接下来的课程,我们会学习大规模机器学习,也就是处理大型数据集的算法,对比之前的算法,我们拥有大量的数据集,使得我们的准确度更高,现在我们要学习如何处理大型数据集。为什么我们要学会处理大型数据集呢?我们之前学习过一种高性能的机器学习算法,是采用低偏差的学习算法,并用大数据进行训练
Lishier99
·
2022-12-01 07:04
机器学习
机器学习
人工智能
算法
学习
机器学习
课程笔记
(第十周)大规模机器学习
课程链接https://www.coursera.org/learn/machine-learning参考文章https://www.cnblogs.com/maxiaodoubao/p/10222170.html大规模机器学习LargeScaleMachineLearning用来处理大数据的算法大数据集的学习LearningWithLargeDatasets如果有一个低方差的模型,通常通过增加数
骨骼惊奇不信邪
·
2022-12-01 07:57
机器学习与数据分析
机器学习
【机器学习】
课程笔记
16_大规模机器学习(Large Scale Machine Learning)
大规模机器学习大型数据集的学习(LaerningwithLargeDatasets)随机梯度下降(StochasticGradientDescent)小批量梯度下降(Mini-BatchGradientDescent)随机梯度下降收敛(StochasticGradientDescentConvergence)在线学习(OnlineLearning)映射化简和数据并行(Map-ReduceandDa
雀栎
·
2022-12-01 07:49
机器学习
人工智能
深度学习
4.3-python爬虫之图形验证码识别
Linux系统2、Mac系统3、Windows系统三、在命令行中使用tesseract识别图像四、在代码中使用tesseract识别图像五、用pytesseract处理网站图形验证码前言摘录自B站对应
课程笔记
不愧是清华大佬
Nosimper
·
2022-12-01 04:02
python爬虫学习笔记
python
图像识别
爬虫
李宏毅2021春季机器学习
课程笔记
6:Self-attention
文章目录1.SophisticatedInput1.1Input1.2Output2.Self-attention2.1Process2.2Matrixtranspose2.3Multi-headSelf-attention2.4PositionalEncoding3.Others3.1Using3.2Self-attentionv.s.CNN3.2Self-attentionv.s.RNN3.2
Andy in boots
·
2022-12-01 02:38
机器学习
机器学习
神经网络
深度学习
人工智能
自然语言处理
【Pytorch深度学习实践】B站up刘二大人之LinearModel -代码理解与实现(1/9)
目录:【Pytorch深度学习实践】B站up刘二大人
课程笔记
——目录与索引(已完结)开篇几句题外话:刘二大人的课程我是从前天(4月5日)开始看的,今天看完了advancedcnn这部分,我做的也是图像,
nemo_0410
·
2022-11-30 22:21
Python/Pycharm
图像处理
深度学习/PyTorch
深度学习
python
计算机视觉
【Pytorch深度学习实践】B站up刘二大人之SoftmaxClassifier-代码理解与实现(8/9)
这是刘二大人系列
课程笔记
的倒数第二个博客了,介绍的是多分类器的原理和代码实现,下一个笔记就是basicCNN和advancedCNN了;写在前面:这节课的内容,主要是两个部分的修改:一是数据集:直接采用了内置的
nemo_0410
·
2022-11-30 22:21
深度学习/PyTorch
Python/Pycharm
图像处理
深度学习
python
计算机视觉
[pytorch深度学习Day03] 张量数据类型
浙江大学教授【深度学习框架PyTorch】
课程笔记
(https://www.bilibili.com/video/BV1wL4y1t7ah?
木又青
·
2022-11-30 19:43
pytorch深度学习笔记
python
pytorch
什么是服务访问点
在连接因特网的普通
微机
上:数据链路层的服务访问点TYPE中的类型说明,(例如0800代表上层是IP)网络层的服务访问点是IP头部中的protocol字段(17表示上层是UDP,
chnyi6_ya
·
2022-11-30 18:33
计算机网络复习
tcp/ip
udp
网络
小小几张图,把深度学习讲透彻
这不仅仅是一份
课程笔记
,同时还是一套信息图与备忘录。本文将从深度学习基础、卷积网络和循环网络三个方面介绍该笔记。一、深度学习基础1
AI科技大本营
·
2022-11-30 16:25
神经网络
卷积
计算机视觉
机器学习
人工智能
深度学习与人类语言处理-语音识别(part1)
深度学习与人类语言处理
课程笔记
,上节回顾深度学习与人类语言处理-introduction。这节课将会简单介绍语音识别的最新研究方法,请看正文语音识别该何去何从?
编程大乐趣
·
2022-11-30 15:27
吴恩达推荐笔记:22张图总结深度学习全部知识
这不仅仅是一份
课程笔记
,同时还是一套信息图与备忘录。从深度学习基础、卷积网络和循环网络三个方面介绍该笔记深度学习基础1.深度学习基本概念监督
程序员生活志
·
2022-11-30 08:09
资源分享
吴恩达
学习笔记
深度学习
吴恩达机器学习
课程笔记
5——过拟合和正则化
过拟合问题过度拟合:就是我们拟合一个高阶多项式,这个假设函数几乎可以拟合所有的数据,但是这个假设函数太过庞大,数量太大导致我们没有足够的数据去约束它。这幅图是以线性回归为例子,第一张图是欠拟合(高偏差),可以看出来它没有很好的拟合数据。第二张图拟合效果刚刚好。第三张图,就是过度拟合(高方差)。这幅图是以逻辑回归为例子,同样是欠拟合、恰好拟合、和过度拟合。那么怎样解决过度拟合的问题呢?主要有两类方法
土豆土豆谢
·
2022-11-30 07:58
吴恩达
机器学习
逻辑回归
深度学习
吴恩达机器学习系列
课程笔记
——第七章:正则化(Regularization)
7.1过拟合的问题https://www.bilibili.com/video/BV164411b7dx?p=39到现在为止,我们已经学习了几种不同的学习算法,包括线性回归和逻辑回归,它们能够有效地解决许多问题,但是当将它们应用到某些特定的机器学习应用时,会遇到过**拟合(over-fitting)**的问题,可能会导致它们效果很差。在这段视频中,我将为你解释什么是过度拟合问题,并且在此之后接下来
Lishier99
·
2022-11-30 07:27
机器学习
机器学习
人工智能
算法
吴恩达老师机器学习
课程笔记
07 正则化
7正则化7.1过拟合的问题过拟合的含义欠拟合是指拟合算法具有高偏差,数据拟合效果很差。过拟合是指拟合算法具有高方差,能拟合所有数据,但函数变量太多,没有足够的数据来约束,从而无法泛化到新的样本中。如果有非常多的特征,而只有非常少的训练数据,通过学习得到的模型可能能够非常好地适应训练集(代价函数可能几乎为0),但是可能会不能推广到新的数据。解决过拟合的方法减少特征的数量:可以手工选择保留更为重要的特
3077491278
·
2022-11-30 06:55
机器学习
cs285深度强化学习
课程笔记
-lec1
cs285深度强化学习
课程笔记
lec1深度强化学习的概念核心观点智能机器必须能学会适应深度学习有助于处理非结构化的环境强化学习提供了一种行为范式深度强化学习提供了端到端的方案。
HarryChi
·
2022-11-29 18:54
cs285深度强化学习课程笔记
机器学习
人工智能
大一计算机导论期中考试,大一计算机导论试题
A.运算器、控制器和存储器B.主机和应用程序C.硬件系统和软件系统D.主机和外部设备3.
微机
中的CPU是指()。
葛咯
·
2022-11-29 14:37
大一计算机导论期中考试
吴恩达机器学习
课程笔记
+代码实现(25)16.推荐系统(Recommender Systems)
16.推荐系统(RecommenderSystems)文章目录16.推荐系统(RecommenderSystems)16.1问题形式化16.2基于内容的推荐系统16.3协同过滤16.4协同过滤算法16.5向量化:低秩矩阵分解16.6推行工作上的细节:均值归一化本章编程作业及代码实现部分见:16.1问题形式化我们从一个例子开始定义推荐系统的问题。假使我们是一个电影供应商,我们有5部电影和4个用户,我
geekxiaoz
·
2022-11-29 09:45
推荐系统
协同过滤
吴恩达
机器学习
吴恩达机器学习系列
课程笔记
——第十六章:推荐系统(Recommender Systems)
16.1问题规划https://www.bilibili.com/video/BV164411b7dx?p=96在接下来的视频中,我想讲一下推荐系统。我想讲推荐系统有两个原因:第一、仅仅因为它是机器学习中的一个重要的应用。在过去几年,硅谷不同的技术公司,吴恩达老师常和工作在这儿致力于机器学习应用的人们聊天,问他们觉得最重要的机器学习的应用是什么,或者他们最想改进的机器学习应用有哪些。我最常听到的答
Lishier99
·
2022-11-29 09:40
机器学习
机器学习
人工智能
【原】Coursera—Andrew Ng机器学习—
课程笔记
Lecture 16—Recommender Systems 推荐系统...
Lecture16RecommenderSystems推荐系统16.1问题形式化ProblemFormulation在机器学习领域,对于一些问题存在一些算法,能试图自动地替你学习到一组优良的特征。通过推荐系统(recommendersystems),将领略一小部分特征学习的思想。假使有5部电影,3部爱情片、2部动作片。4个用户为其中的部分电影打了分。现在希望构建一个算法,预测每个人可能给没看过的电
weixin_30807677
·
2022-11-29 09:38
人工智能
数据结构与算法
【机器学习】
课程笔记
14_异常检测(Anomaly Detection)
异常检测问题的动机(ProblemMotivation)高斯分布(GaussianDistribution)算法(Algorithm)开发和评估异常检测系统(DevelopingandEvaluatinganAnomalyDetectionSystem)异常检测VS.监督学习(AnomalyDetectionvs.SupervisedLearning)选择要使用的特征(ChoosingWhatFe
雀栎
·
2022-11-29 09:36
机器学习
python
人工智能
机器学习
课程笔记
(第九周-2)推荐系统
课程链接:https://www.coursera.org/learn/machine-learning参考文章:https://www.cnblogs.com/maxiaodoubao/p/10220632.html推荐系统RecommenderSystems问题形式化ProblemFormulation例子引入:电影评分定义n:特征变量数,图中有两个特征变量。x1代表电影的浪漫程度,x2代表电
骨骼惊奇不信邪
·
2022-11-29 09:34
机器学习与数据分析
机器学习
推荐系统
【机器学习】
课程笔记
15_推荐系统(Recommender Systems)
推荐系统问题规划(ProblemFormulation)基于内容的推荐算法(Content-BasedRecommendations)协同过滤(CollaborativeFiltering)协同过滤算法(CollaborativeFilteringAlgorithm)矢量化:低秩矩阵分解(Vectorization:LowRankMatrixFactorization)实施细节:均值规范化(Imp
雀栎
·
2022-11-29 08:24
机器学习
人工智能
算法
课程笔记
:优化器
优化器:管理并更新梯度的参数可学习参数是指:权重或偏置更新策略:梯度下降基本属性:defaults:存储学习率,momentum,weight_decaystate:例如再采用momentum时,会用到前几次更新时使用的梯度,就将其存储在state中,在这次更新中使用param_groups:管理一系列参数,是list,其中的每一个元素是字典,而字典中的key是最关键的_step_count:例如
笨笨同学
·
2022-11-29 01:19
pytorch课程
吴恩达机器学习系列
课程笔记
——第四章:多变量线性回归(Linear Regression with Multiple Variables)
4.1多维特征https://www.bilibili.com/video/BV164411b7dx?p=18目前为止,我们探讨了单变量/特征的回归模型,现在我们对房价模型增加更多的特征,例如房间数、楼层、楼屋年限等,构成一个含有多个变量的模型,模型中的特征为(x1,x2,…,xn)。增添更多特征后,我们引入一系列新的注释:n代表特征的数量x(i)代表第i个训练实例,是特征矩阵中的第i行,是一个*
Lishier99
·
2022-11-28 20:56
机器学习
机器学习
线性回归
人工智能
吴恩达机器学习
课程笔记
-2.单变量线性回归
文章目录2.单变量线性回归(LinearRegressionwithOneVariable)2.1模型表示(ModelRepresentation)2.2代价函数(CostFunction)2.3代价函数的直观理解I(CostFunctionIntuitionI)2.4代价函数的直观理解II(CostFunctionIntuitionII)2.5梯度下降(GradientDescent)2.6梯度
st4yfoolish
·
2022-11-28 20:55
吴恩达机器学习课程笔记
机器学习
吴恩达
单变量线性回归
【学习总结】学习惯导模块
MEMS指“
微机
电系统”,相对来说精度、价格较低;据说5w左右就算是不错的光纤、激光,为光学陀螺,利用萨格奈克效应。激光的价格和精度高于光纤。
larry_dongy
·
2022-11-28 16:10
SLAM
惯性导航
微机
原理(汇编语言)学习
编程题A-1:在数组字变量ARRAY中有10个数,将数组中这10个数求和,放到RESULT存储区中。DATASEGMENTARRAYDW1H,1H,1H,1H,1H,1H,1H,1H,1H,1H;存10个字在ARRAY中COUNTEQU($-ARRAY)/2;获得ARRAY中元素个数RESULTDW?;存最终结果DATAENDSCODESEGMENTASSUMECS:CODE,DS,DATASTA
小蒋的技术栈记录
·
2022-11-28 15:07
汇编语言
学习
算法
Apollo Udacity自动驾驶
课程笔记
——高精度地图、厘米级定位
前言:目前Apollo内部高精地图主要应用在高精定位、环境感知、决策规划、仿真运行四大场景,帮助解决林荫道路GPS信号弱、红绿灯是定位与感知以及十字路口复杂等导航难题。1高精度地图1、高精地图与传统地图1.1定义:高精地图是当前无人驾驶车技术不可或缺的一部分。它包含了大量的驾驶辅助信息,最重要是包含道路网的精确三维表征,例如交叉路口布局和路标位置。1.2高精地图还包含很多语义信息,地图上可能会报告
查里王
·
2022-11-28 14:36
自动驾驶
人工智能
APOLLO UDACITY自动驾驶
课程笔记
——规划、控制
1、路径规划使用三个输入,第一个输入为地图,Apollo提供的地图数据包括公路网和实时交通信息。第二个输入为我们当前在地图上的位置。第三个输入为我们的目的地,目的地取决于车辆中的乘客。2、将地图转为图形该图形由“节点”(node)和“边缘”(edge)组成。节点代表路段,边缘代表这些路段之间的连接。我们可以对一个节点移动到另一个节点所需的成本进行建模。3、路径查找算法A*从初始节点开始,我们需要确
查里王
·
2022-11-28 14:36
自动驾驶
人工智能
APOLLO UDACITY自动驾驶
课程笔记
——感知、预测
1、计算机视觉无人驾驶车有四个感知世界的核心任务:检测——指找出物体在环境中的位置;分类——指明确对象是什么;跟踪——指随时间的推移观察移动物体;语义分割——将图像中的每个像素与语义类别进行匹配如道路、汽车、天空。2、Camera图像RGB图像,深度为33、Lidar图像激光雷达传感器创建环境的点云表征,提供了难以通过摄像头图像获得的信息如距离和高度。点云中的每个点代表反射回传感器的激光束,可以告
查里王
·
2022-11-28 14:03
人工智能
深度学习
吴恩达《卷积神经网络》
课程笔记
(1)
1、机器视觉(上图展示了一个神经风格转换(NeuralStyleTransfer)的例子)使用传统神经网络处理机器视觉的一个主要问题是输入层维度很大。例如64x64x3的图片,神经网络输入层的维度为12288。而现在的图片将近几千x几千x3的内存,而导致神经网络输入层的维度达到几百万。这样会造成两个后果,一是神经网络结构复杂,数据量相对不够,容易出现过拟合;二是所需内存、计算量较大。解决这一问题的
逸耀
·
2022-11-28 00:57
cnn
神经网络
深度学习
吴恩达:28张图全解深度学习知识
这不仅仅是一份
课程笔记
,同时还是一套信息图与备忘录。下面,我们将从深度学习基础(01-13)、卷积网络(14-22)和循环网络(23-28)三个方面介绍该笔记,并需要
AI致力
·
2022-11-27 20:42
机器学习
深度学习
人工智能
笔记:神经网络与深度学习—绪论
神经网络与深度学习绪论绪论一、关于本课程1.知识结构2.推荐教材3.推荐课程二、常用的深度学习框架绪论最近开始学习机器学习,从B站找到了一篇网课:复旦大学——邱锡鹏的《神经网络与机器学习》,因此写了几篇
课程笔记
zhenpigmilk
·
2022-11-27 17:07
机器学习
斯坦福机器学习夏令营
Stanford-Machine-Learning-camp课程资料课程主页
课程笔记
课程视频环境配置Anaconda作业介绍比赛环境推荐使用Linux或者Mac系统,以下环境搭建方法皆适用:Docker
SKY_H_N
·
2022-11-27 10:54
AI学习
机器学习
机器学习
TensorRT ONNX 基础
TensorRTONNX基础tensorRT从零起步迈向高性能工业级部署(就业导向)
课程笔记
,讲师讲的不错,可以去看原视频支持下。
Adenialzz
·
2022-11-27 09:55
GPU
模型部署
深度学习
onnx
神经网络和深度学习-第二周神经网络基础-第三节:Logistic 回归损失函数
本系列博客是吴恩达(AndrewNg)深度学习工程师
课程笔记
。全部课程请查看吴恩达(AndrewNg)深度学习工程师课程目录在上一节中,讲解的是logistic回归模型。
geekidentity
·
2022-11-27 09:52
深度学习工程师
AI
深度学习工程师
学习笔记
Logistic
sigmoid函数
Udacity机器人软件工程师
课程笔记
(二十九) - 全卷积网络(FCN)
全卷积网络(FCN)1.全卷积神经网络介绍FCN对图像进行像素级的分类,从而解决了语义级别的图像分割(semanticsegmentation)问题。与经典的CNN在卷积层之后使用全连接层得到固定长度的特征向量进行分类(全联接层+softmax输出)不同,FCN可以接受任意尺寸的输入图像,采用反卷积层对最后一个卷积层的featuremap进行上采样,使它恢复到输入图像相同的尺寸,从而可以对每个像素
Stan Fu
·
2022-11-27 09:52
机器人软件工程
tensorflow
神经网络
机器学习
深度学习
卷积
【机器学习】
课程笔记
11_支持向量机(Support Vector Machines)
支持向量机优化目标(OptimizationObjective)大间距的直观理解(LargeMarginIntuition)大间距分类背后的数学(TheMathematicsBehindLargeMarginClassification)核函数1(KernelsⅠ)核函数2(KernelsⅡ)使用支持向量机(UsingAnSVM)优化目标(OptimizationObjective)支持向量机(S
雀栎
·
2022-11-27 08:51
机器学习
人工智能
机器学习
课程笔记
---聚类
应用评价指标距离k-means算法前提要选取k个点重心点不变了就可以。存在的问题1、初始点2、k,从1开始试,慢慢增加,看趋势聚类之前需要做的事!!!一定要归一化,不同维度的值统一到一个范围中。以及均值中心化。2、k-means++这里的概率就是用轮盘赌算法对于数值型的,可以算距离;对于离散的属性,怎么算距离?K-prototype为了防止分类距离对整体距离的影响还与分类属性的取值频度也有关系,比
野生蘑菇菌
·
2022-11-27 08:13
#
课堂笔记
机器学习
上一页
42
43
44
45
46
47
48
49
下一页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他