李宏毅机器学习课程笔记

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

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】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

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

李宏毅机器学习2021笔记—self-attention（下）

这里是李宏毅机器学习2021笔记self-attention的下篇。如果没看过上篇，可以先看上篇李宏毅机器学习2020笔记-—self-attention（上）。学习本节内容，需要一定的基础知识储备。
zghnwsc·2022-12-01 02:19

李宏毅机器学习2021学习笔记（2）：Self Attention

李宏毅机器学习2021学习笔记（2）：SelfAttention1.特点  传统机器学习深度学习任务一般为分类或者回归（输入为一个向量，输出为一个结果），而SelfAttention有更复杂的输入输出，
不知名菜鸟newdon·2022-12-01 02:49

李宏毅机器学习笔记：CNN和Self-Attention

前言本文主要记录关于李宏毅机器学习2021中HW3和HW4的卷积神经网络和自注意力机制网络部分的笔记，主要介绍了CNN在图像领域的作用及如何处理图像数据，Self-Attention在NLP(自然语言处理
YuriFan·2022-12-01 02:45

李宏毅机器学习笔记第12周_自注意力机制（Self-attention）

文章目录一、SophisticatedInput二、VectorSetasInput三、Whatistheoutput?四、SequenceLabeling五、Self-attention六、Self-attention七、Multi-headSelf-attention八、PositionalEncoding九、Manyapplications1.Self-attentionforSpeech2
MoxiMoses·2022-12-01 02:44

2021/2022李宏毅机器学习笔记-self attention

sophisticatedInput到目前為止我们的Network的Input都是一个向量不管是在预测这个,YouTube观看人数的问题上啊,还是影像处理上啊,我们的输入都可以看作是一个向量，然后我们的输出，可能是一个数值,这个是Regression,可能是一个类别,这是Classification但假设我们遇到更復杂的问题呢,假设我们说输入是多个向量，而且这个输入的向量的数目是会改变的呢我们刚才
nousefully·2022-12-01 02:13

李宏毅机器学习笔记-----Self-Attention

目录1.1self-attention-过程实现1.2Self-attention中的并行运算1.3Multi-headSelf-attention1.4PositionEncoding1.5Self-attentionforImage1.6Self-attentionvsCNN1.1self-attention-过程实现q表示queryk表示keyv表示information第一步：由a得到a^
香菇炸酱面·2022-12-01 02:12

【李宏毅机器学习2022】Task06 self-attention算法

【李宏毅机器学习2021】本系列是针对datawhale《李宏毅机器学习-202210月》的学习笔记。本次是对深度学习中self-attention算法的学习总结。
王多头发·2022-12-01 02:39

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

李宏毅机器学习学习笔记：Self-attention

Self-attention输入无论是图像、音频、单词，embedding成向量vector的形式传统方式将这些向量组成的sequence输入一个model，得到一系列输出，每个向量对应一个输出点此时向量之间的关联，某个向量对另一个向量的影响并不能被体现出来，采用直接相加或cantenate的方法，体现了向量间的影响，但无法量化某个向量受不同向量影响的大小程度不同。采用Window的形式，无法决定
晚安八月·2022-12-01 02:07

【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

【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

[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

李宏毅机器学习2021学习笔记（1）：CNN

李宏毅机器学习2021学习笔记（1）：CNN1.评价指标：交叉熵（Crossentropy）2.CNN本质：读取局部特征3.Receptivefield与StrideReceptivefiled:CNN
不知名菜鸟newdon·2022-11-30 19:24

2021李宏毅机器学习笔记

什么是机器学习？MachineLearning≈LookingforFunction常见的函数类型：Regression(回归):Thefunctionoutputsascalar(数值).Classification(分类)：Givenoptions(classes),thefuctionoutputsthecorrectone.模型训练策略（检查loss值）：在这里顺便说一下Epoch，Bat
不想学习的打工人·2022-11-30 19:17

李宏毅机器学习（2021）学习笔记 01

文章目录前言正文机器学习概念机器学习做什么机器学习分类机器学习怎么做？第一步：设定模型第二步：在训练数据上定义损失函数第三步：寻找最优参数第四步：在测试数据上测试模型总结前言简单写一下，首先记录两个问题：为什么看机器学习教程？为什么写这个博客？第一，论文要用。第二，巩固、梳理以及方便复习，另外，大家都说程序员写博客用处很大，借这个机会稍作尝试。然后大概说一下我对博客内容结构的初步的构想：每一篇博客
hldgs·2022-11-30 19:40

Task04 LeeML P13

李宏毅机器学习P13深度学习简介深度学习的三个步骤深度的理解整个神经网络的本质--通过隐藏层进行特征转换手写数字识别举例思考隐藏层越多越好？
Alice01010101·2022-11-30 16:49

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

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

李宏毅机器学习Homework1（代码简洁版）

李宏毅机器学习Homework1题意大概是（我具体没怎么听，觉得有问题的小伙伴可以提醒我一句），给你前四天的数据，根据第5天的身体状况预测第五天的test_positive，具体数据b站有，懒得放了因为电脑没有
流荧静水·2022-11-30 10:33

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

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

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

李宏毅机器学习2022春季-第六课和HW6

学习目标：GAN第六课学习内容：李宏毅2022课程视频全部以线上视频的形式给出（已经全部录好，你可以选择短时间全部学完），上课时间会直播讲解额外的内容（可以不听）和作业（建议一定要做），目前已更新到作业六。第六课主要内容是GAN，是目前主流的生成式模型，目前相关的研究很多，很多问题也没得到完美的解决方案，还有很多坑没填上，对有志于机器学习的学生，GAN可以作为研究方向，详细内容见课程视频。课程视频
机器学习手艺人·2022-11-30 05:51

李宏毅机器学习 之 回归Regression（二）

目录1、回归的定义2、回归的例子3、建模步骤1）模型假设，选择模型框架（线性模型）2）模型评估，如何判断众多模型的好坏（损失函数）3）模型优化，如何筛选最优的模型（梯度下降）4、步骤优化1）向量化Vectorization2）引入更多参数，更多input3）优化：引入正则化Regularization写在前面，真的很生气，花费一个晚上写好的笔记，结果莫名其妙的突然浏览器就全部给我清空了，我写了将近
Arbicoral·2022-11-29 19:09

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

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

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

【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

【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】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

Self-attention自注意力机制——李宏毅机器学习笔记

self-attention想要解决的问题复杂的输入每次输入的length不同时，即VectorSet大小不同，该如何处理？one-hotencoding，缺点：所有的词汇之间没有语义资讯。wordembedding，会给每一个词汇一个向量，一个句子则是一排长度不一的向量，具有语义资讯。1min便有6000个frame输出是什么？（1）Eachvectorhasalabel(2)Thewholes
我是小蔡呀～～～·2022-11-29 07:31

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

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

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

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

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

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

通俗易懂——VAE变分自编码器原理

变分自编码器（VariationalAutoEncoder,VAE）李宏毅机器学习笔记。转载请注明出处。
BarbaraChow·2022-11-28 13:22

李宏毅机器学习——线性回归笔记整理

主要从机器学习的大局观讲述了线性回归的三步骤。其中还埋了不少坑，比如：过拟合、正则化等。思维导图见下图：笔记整理见下图
QwQQQ_·2022-11-28 12:25

李宏毅机器学习笔记——误差与梯度下降

思维导图一览误差从哪儿来？误差一般来源于bias和variance。问题的来源是搞清楚bias有多大，variance有多大。variance由下图也可以看出：简单的模型得出的variance比较小，但bias会比较大。而复杂的模型得出的bias比较小，但variance比较大。同时简单的模型不容易受到数据的外在因素(如噪音)的干扰。直观可以理解为：假如y=b。则这个模型不论数据是什么样的都是一条
QwQQQ_·2022-11-28 12:25

李宏毅机器学习笔记整理Day1

概念为主，从大框架上讲述ML。不难。以前听过并且记过笔记，现在可以结合笔记再听一遍。吃老本挺香。等深入学习以后可以结合思维导图和更详细的笔记。
QwQQQ_·2022-11-28 12:25

《李宏毅机器学习》回归

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录目录一、回归的模型步骤二、三个步骤的具体做法1.线性模型2.损失函数3.模型优化总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、回归的模型步骤step1:模型
learner.bear·2022-11-28 07:39

李宏毅机器学习 误差和梯度下降

误差和梯度下降误差误差的来源在前面的测试集数据来看，AverageError随着模型复杂度增加呈指数上升趋势。更复杂的模型并不能给测试集带来更好的效果，而这些Error的主要来源有两个，分别是偏差bias和方差variance。它们的差别可以参考机器学习中的Bias（偏差）、Error（误差）、Variance（方差）有什么区别和联系？估测假设真实的模型为f^\hat{f}f^，该模型f^\hat
includeSteven·2022-11-28 07:38
上一页 32 33 34 35 36 37 38 39 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他