李宏毅机器学习课程笔记第43页

PyTorch实现基于卷积神经网络的面部表情识别

基于卷积神经网络的面部表情识别(Pytorch实现)----台大李宏毅机器学习作业3(HW3)一、项目说明给定数据集train.csv，要求使用卷积神经网络CNN，根据每个样本的面部图片判断出其表情。

不喝汽水的小甜甜·2022-11-16 07:18

迁移学习(Transfer Learning)概述及代码实现(full version)

基于PaddlePaddle的李宏毅机器学习——迁移学习大噶好，我是黄波波。希望能和大家共进步，错误之处恳请指出！

黄波波19·2022-11-15 17:49

迁移学习(Transfer Learning)概述及代码实现

基于PaddlePaddle的李宏毅机器学习——迁移学习大噶好，我是黄波波，希望能和大家共进步，错误之处恳请指出！

黄波波19·2022-11-15 17:18

李宏毅机器学习2022春季-第二课和HW2

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），目前已更新到作业二。第二课主要内容是讲如何应对overfit和optimization的方法。课程视频：b站视频号：机器学习手艺人网址：https://www.bilibili.com/video/BV1Z34y1C7sj?spm_id_from

机器学习手艺人·2022-11-15 17:18

李宏毅机器学习作业1——预测COVID-19人数

目录数据集导包辅助函数设定种子划分数据集模型特征选择训练函数配置参数Dataloader开始训练预测预测函数输出结果解答训练函数模型特征选择超参数设置数据集训练集中给出美国某些州五天COVID-19的感染人数（及相关特征数据），测试集中给出前四天的相关数据，预测第五天的感染人数。下载地址：ML2022Spring-hw1|Kaggle特征包括：●States(37,独热编码)●COVID-like

iwill323·2022-11-15 17:15

【李宏毅机器学习HW2】

按照自己的计划，以后应该会一两个星期完成一个作业，目标是尽量都达到bossbaseline吧，能参考的资料也挺多的，但如果只是学会掉包肯定是不行的，所以以后也会花时间总结一下原理。除了算法思想和如何构造外，我认为代码能力也很重要，但现在能看到的代码注解还是较少，包括助教给的代码有些注释不算很详细，所以以后不懂的函数也会总结总结，然后注解好发到GitHub上文章目录前言一、过strongbaseli

detemination_·2022-11-15 17:14

李宏毅机器学习笔记二

Contents8Keras使用9-1TipsforTrainingDNN9-2kerasdemo11WhyDeep?8Keras使用adam高级优化方法不需要自己设置学习速率如果有100个batch，1个epoch就更新参数100次可以看出，batch_size为1和为10，参数更新速度是一样的(相同时间下，都用166s),这是由于vectorization带来的加速，并行运算。但随着batch

niuyoudao·2022-11-15 17:44

李宏毅2021春季机器学习课程笔记4：Classfication & Generative Model & Logic Regression & HW2

文章目录1.Classfication2.GenerativeModel2.1Method2.2ModifyingModel2.2mathematicaltransform3.LogicRegression3.1Method3.2Discriminativev.s.Generative3.3Multi-classClassificationHW21.Classfication首先，老师对二类分类问

Andy in boots·2022-11-15 17:11

李宏毅机器学习作业2——音位分类预测

目录数据集导包辅助函数设定种子数据预处理数据集加载定义模型训练函数读取数据集和训练读取数据集训练删除内存中的数据，节省空间预测预测函数进行预测解答hidden_layers=7，hidden_dim=256hidden_layers=12，hidden_dim=512讨论更宽还是更深学习率的影响batchsize影响数据集音位分类预测（Phonemeclassification），通过语音数据，预

iwill323·2022-11-15 17:10

机器学习 | 台大林轩田机器学习技法课程笔记6 --- Support Vector Regression

上节课我们主要介绍了KernelLogisticRegression，讨论如何把SVM的技巧应用在soft-binaryclassification上。方法是使用2-levellearning，先利用SVM得到参数b和w，然后再用通用的logisticregression优化算法，通过迭代优化，对参数b和w进行微调，得到最佳解。然后，也介绍了可以通过RepresenterTheorem，在z空间中

CoreJT·2022-11-15 09:00

李宏毅机器学习笔记2：Gradient Descent(附带详细的原理推导过程）

李宏毅老师的机器学习课程和吴恩达老师的机器学习课程都是都是ML和DL非常好的入门资料，在YouTube、网易云课堂、B站都能观看到相应的课程视频，接下来这一系列的博客我都将记录老师上课的笔记以及自己对这些知识内容的理解与补充。(本笔记配合李宏毅老师的视频一起使用效果更佳！）今天这篇文章的主要内容是第3课的笔记MLLecture3:GradientDescent1.要真正理解梯度下降算法的原理需要一

weixin_30629977·2022-11-15 08:52

李宏毅机器学习笔记5：CNN卷积神经网络

李宏毅老师的机器学习课程和吴恩达老师的机器学习课程都是都是ML和DL非常好的入门资料，在YouTube、网易云课堂、B站都能观看到相应的课程视频，接下来这一系列的博客我都将记录老师上课的笔记以及自己对这些知识内容的理解与补充。(本笔记配合李宏毅老师的视频一起使用效果更佳！）Lecture7:CNN目录一、CNN的引入二、CNN的层次结构三、CNN的小Demo加深对CNN的理解四、CNN的特点在学习

weixin_30628077·2022-11-15 08:22

机器学习：算法与应用 by XDU 2022冬季课程笔记1：线性回归与逻辑回归

机器学习：[算法与应用byXDU2022冬季课程笔记集合]文章目录1.回顾与总览2.线性模型与线性回归（LinearRegression）3.逻辑回归（LogisticRegression）分类器4.总结

spon-gia·2022-11-15 07:10

Meta learning 元学习李宏毅机器学习

Metalearning=learntolearn机器学过很多任务后，机器变成更厉害的学习者，遇到新的任务的是可以学的更快更好。e.g机器学过语音、影响分类后，可以对文本分类做得更好。一、区别与联系1.transferlearning与metalearning的区别：transferlearning的目的是通过taskA去增强taskB，e.g.用一个NN去解决了城市A的任务，现在用这个NN修改最

宋老板的笔记·2022-11-14 15:55

Meta Learning Gradient Descent as LSTM 李宏毅机器学习笔记

以上结构类似于RNN(LSTM)结构，其中θ类似于隐向量，trainingdata就是输入X以下具体说明。一、LSTMreviewCt-1和Ct改变会很小，所以保持了长期依赖，ht-1和ht变化大代表了短期依赖。zi输入门，zf遗忘门，zo输出门ct=z和zi做点乘+zf和ct-1点乘（选择选择ct-1还是遗忘）ht=zo和tanh(ct)yt=激活（W’ht）二、LSTM与Gradientdes

宋老板的笔记·2022-11-14 15:25

Meta learning - metric-based approach 李宏毅机器学习笔记

SiameseNetwork孪生网络，通常不会放在metalearning里面但是李宏毅就要把这个网络放在metalearning里面讲所以为什么孪生网络可以看成metalearning呢？一、直观解释IntuitiveExplanation可以将train和test看成一组输入，就是一个简单的二分类问题。原理：用CNN将人脸图片投影到同一个空间上，考量这个空间上两张图片的距离（similarit

宋老板的笔记·2022-11-14 15:25

深度学习基础——简单了解meta learning(来自李宏毅课程笔记)

知乎同名账号同步发布目录一、初步了解二、和ML的差异三、应用了解一、初步了解我们以分类问题为例，以前，学习的目的是学习一个二元分类器f∗f^*f∗；现在，学习的目的是学习一个学习算法F，这个学习算法F能够学习一个二元分类器f∗f^*f∗。既然要直接学习一个学习算法F，那么就要考虑它的参数。以往的学习，是为了学习一个具体的二分类器f∗f^*f∗，假设人为指定的学习算法是感知机，那么学习的过程需要改进

umbrellalalalala·2022-11-14 15:54

2020李宏毅机器学习笔记——26.Conditional Generation by GAN（条件生成—GAN）

ConditionalGenerationbyGAN文章目录摘要1.SupervisedConditionalGAN1.1Traditionalsupervisedapproach1.2ConditionalGAN2.unsupervisedconditionalGAN2.1什么是unsupervisedconditionalGAN2.2unsupervisedconditionalGAN要怎么做

HSR CatcousCherishes·2022-11-14 13:48

李宏毅机器学习2016 第十六讲生成对抗网络 GAN

视频链接：李宏毅机器学习(2016)_演讲•公开课_科技_bilibili_哔哩哔哩课程资源：Hung-yiLee课程相关PPT已经打包命名好了：链接：https://pan.baidu.com/s/1c3Jyh6S

Joe-Peng_hitsz·2022-11-14 13:15

李宏毅机器学习|生成对抗网络Generative Adversarial Network (GAN)|学习笔记（1）|GAN基本概念介绍

文章目录前言1Generation2GenerativeAdversarialNetwork(GAN)GeneratorDiscriminatorBasicIdeaofGANAlgorithm结果展示总结前言之前老早就听说了GAN，然后对这个方法还不是很了解，想在今后的论文中应用它。因此来学习下李宏毅讲的GAN,记个笔记。视频地址1Generation之前的神经网络的模型大多是给定x，然后通过Ne

亨少德小迷弟·2022-11-14 13:45

李宏毅机器学习笔记第14周_生成式对抗网络(GAN)

文章目录一、NetworkasGenerator二、Whydistribution?三、AnimeFaceGeneration四、Discriminator五、BasicIdeaofGAN六、Algorithm七、ProgressiveGAN八、OurObjective九、Samplingisgoodenough十、Discriminator十一、TipsforGAN1．JSdivergencei

MoxiMoses·2022-11-14 13:43

2021李宏毅机器学习笔记--23 Theory behind GAN

2021李宏毅机器学习笔记--23TheorybehindGAN摘要一、MaximumLikelihoodEstimation(最大似然估计)二、MLE=MinimizeKLDivergence（最小KL

guoxinxin0605·2022-11-14 13:12

AI 数学基础知识-方向导数与梯度、范数矩阵、SVD分解、PCA、凸函数

原课程链接自己的课程笔记，方便自己查漏补缺。想补充数学预备知识的友友，建议去看原视频。相比于考研数学，这里更注重理解，而不是强调计算能力。

海星？海欣！·2022-11-14 13:10

python实现牛顿法_python实现牛顿法求解求解最小值（包括拟牛顿法）【最优化课程笔记】...

什么是牛顿法在第９章中介绍了一维搜索的牛顿法,什么是一维搜索的牛顿法？首先介绍一下一维搜索一维搜索一维搜索其实也很简单，在许多迭代下降算法中，具有一个共同的特点，就是得到点x(k)后，需要按照某种规则确定一个方向d(k)，再从x(k)出发，沿着d(k)的方向上求目标函数的极小点。从而得到x(k+1)，重复以上做法，知道求得问题的解。这就是一维搜索。上面提到的d可以称作为步长因子。一维搜索的方法有很

weixin_39800957·2022-11-14 12:03

机器学习正则化学习笔记

今天阅读了一篇andrewng的机器学习课程笔记，讲的是正则化。

weixin_30690833·2022-11-14 10:51

CS50_AI_2_Uncertainty 概率（Python实现 - 英文注释）

主要内容概率论基础,贝叶斯公式,贝叶斯网络似然估计马尔可夫模型,马尔可夫链,隐马尔可夫模型课程笔记地址：https://cs50.harvard.edu/ai/2020/notes/2/#joint-probability

lihua777·2022-11-14 07:23

二分类交叉熵损失函数python_【深度学习基础】第二课：softmax分类器和交叉熵损失函数...

【深度学习基础】系列博客为学习Coursera上吴恩达深度学习课程所做的课程笔记。本文为原创文章，未经本人允许，禁止转载。转载请注明出处。

weixin_39650745·2022-11-13 11:11

唐宇迪机器学习课程笔记：随机森林

天气最高温度预测任务我们要完成三项任务：使用随机森林算法完成基本建模任务基本任务需要我们处理数据，观察特征，完成建模并进行可视化展示分析观察数据量与特征个数对结果影响在保证算法一致的前提下，加大数据个数，观察结果变换。重新考虑特征工程，引入新特征后观察结果走势。对随机森林算法进行调参，找到最合适的参数掌握机器学习中两种经典调参方法，对当前模型进行调节#数据读取importpandasaspdfea

小黑无敌·2022-11-13 11:05

吴恩达深度学习课程笔记

目录通用符号总结激活函数sigmoid1、Logistic回归2、梯度下降法3、Logistic回归的梯度下降算法3.1假设只有一个训练样本(x,y)(x,y)(x,y)3.2假设有m个训练样本:3.3向量化3.4广播4、神经网络5、激活函数5.1常用激活函数5.2经验5.3为什么要用激活函数6、神经网络的梯度下降法参数：costfunction:正向传播：反向传播：随机初始化7、深层神经网络7.

静仔是个免费的小精灵·2022-11-12 17:36

吴恩达深度学习课程笔记——梯度下降算法和向量化

梯度下降算法和向量化逻辑回归中的梯度下降单样本梯度下降向量化多样本梯度下降逻辑回归中的梯度下降梯度下降法的作用是：在测试集上，通过最小化代价函数J(w,b)J(w,b)J(w,b)来训练的参数www和bbb。w:=w−a∂J(w,b)∂ww:=w-a\frac{\partialJ(w,b)}{\partialw}w:=w−a∂w∂J(w,b)b:=w−a∂J(w,b)∂bb:=w-a\frac{\

阿姝姝姝姝姝·2022-11-12 17:34

【飞桨-PaddlePaddle-李宏毅机器学习特训营-逻辑回归笔记】

飞桨-PaddlePaddle-李宏毅机器学习特训营-逻辑回归笔记致敬开源附上课程链接：[https://aistudio.baidu.com/aistudio/course/introduce/1978

wingOfStone·2022-11-12 11:52

【课程笔记-李宏毅ML】Deep generative model

Deepgenerativemodel课件资料中文笔记overviewgenerativemodelsPixelRNNVariationalAutoencoderGenerativeAdversarialNetworkPixelRNN每次生成一个pixelVAE（variationalauto-encoder)和auto-encoder结构相似，但在code的地方有所不同对一个10维的数据，固定其

lwz1120·2022-11-12 11:13

【345】机器学习入门 - 李宏毅机器学习笔记

参考：[机器学习入门]经典台大李宏毅机器学习课程从这里开始TOPICBLOGPDFVIDEO【1】LearningMap（学习导图）blogpdfvideo【2】Regression：CaseStudy

sas???·2022-11-12 11:43

[机器学习入门] 李宏毅机器学习笔记-19 （Deep Generative Model-part 2：深度生成模型-part 2）

[机器学习入门]李宏毅机器学习笔记-19（DeepGenerativeModel-part2：深度生成模型-part2）PDFVIDEOWhyVAE?

holeung·2022-11-12 11:42

[机器学习入门] 李宏毅机器学习笔记-20 （Deep Generative Model-part 3：深度生成模型-part 3）

[机器学习入门]李宏毅机器学习笔记-20（DeepGenerativeModel-part3：深度生成模型-part3）PDFVIDEO上接part2，VAE从来没有去学习产生一张看起来能以假乱真的image

holeung·2022-11-12 11:42

[机器学习入门] 李宏毅机器学习笔记-18 （Deep Generative Model-part 1：深度生成模型-part 1）

[机器学习入门]李宏毅机器学习笔记-18（DeepGenerativeModel-part1：深度生成模型-part1）PDFVIDEOCreation据说在费曼死后，人们在他生前的黑板上拍到如图画片，

holeung·2022-11-12 11:41

机器学习笔记9_Generative Model(GAN)

本文是李宏毅机器学习的笔记，这是第九节，介绍了GAN网络。

vrerain·2022-11-12 11:40

【深度学习】01-01-课程介绍-李宏毅老师21&22深度学习课程笔记

01-01-课程介绍PrerequisiteOrientationAssignmentScheduleMachineLearningDeepLearningDifferenttypesofFunctionsSupervisedLearning（Lecture1-5）GenerativeAdversarialNetwork（Lecture6）Self-supervisedLearning（Lectu

暖焱·2022-11-12 11:37

李宏毅机器学习笔记——生成式对抗网路(Generative Adversarial Network, GAN)

概念生成式对抗网络（GAN,GenerativeAdversarialNetworks）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成模型（GenerativeModel）和判别模型（DiscriminativeModel）的互相博弈学习产生相当好的输出。输出是一个分布。z是简化的分布。举例输入过去的画面，通过网络预测出下一步的画面，在同时

vincewm·2022-11-11 11:05

暑期组队学习！

关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale学习开源贡献：Datawhale团队漫漫夏日，不如一起聚众学习暑假特辑开源教程如下：(1)机器学习：吃瓜教程(2)深度学习：李宏毅机器学习

Datawhale·2022-11-10 10:17

2022李宏毅机器学习hw1--COVID-19 Cases Prediction

目录一.开题说明：二.梗概：三.问题背景：四.模型建立：1.数据下载2.导入必要的包3.定义函数4.定义类（Dataset以及DNN）5.特征选择6.定义超参数7.定义DataLoader8.训练与预测五.可视化分析六.优缺点分析与改进建议优点：缺点：改进建议：一.开题说明：本人在完成HW1的过程中，发现存在以下困难：1.信息获取相对麻烦，不易于寻找相关资料2.可提供的有用信息比较零散，导致不能马

Vector Jason·2022-11-09 12:12

cs224w图神经网络-03Node Embeddings-课程笔记

NodeEmbeddings一、NodeEmbeddings1.GraphRepresentationLearning（GPL）2.NodeEmbeddings:EncoderandDecoder二、RandomWalkApproachesforNodeEmbeddings1.符号表示2.RandomWalk定义3.simliarity定义4.Whyrandomwalks?5.optimizati

知之之·2022-11-08 09:18

李宏毅机器学习笔记：自注意力机制

自注意力机制1.self-attention关注输入数据的全局信息没有考虑位置信息计算量是序列长度的平方每个输入ai乘以不同的矩阵，得到向量q、k、v，q表示查询向量，用q乘以所有输入的k向量得到的值再进行softmax归一化，作为输入a的权重和输入a的v向量进行点乘，加起来就得到了a对应的输出：bi把全部输入看成一个向量I,分别乘以WqW^qWq,WkW^kWk,WvW^vWv(模型学习出来的参

chairon·2022-11-07 23:56

李宏毅老师《机器学习》课程笔记-1深度学习简介

注：本文是我学习李宏毅老师《机器学习》课程2021/2022的笔记（课程网站），文中图片来自课程PPT。欢迎交流和多多指教，谢谢！Lecture1IntroductionofDeepLearningMachineLearning≈LookingforFunction我的理解：机器学习要找到输入和输出之间的关系，也可以理解为映射关系，建模也就是找到合适的（映射）函数。本课程主要关注深度学习，即Fun

宁萌Julie·2022-11-07 15:56

吴恩达教授机器学习课程笔记【七】- Part 7 最优模型选择

本节为吴恩达教授机器学习课程笔记第七部分，最优模型选择，主要包括：模型选择方法、特征选择方法以及贝叶斯统计的部分知识。

不会算命的赵半仙·2022-11-07 11:10

吴恩达教授机器学习课程笔记【六】- Part 6 学习理论

本节为吴恩达教授机器学习课程笔记第六部分，学习理论LearningTheory，主要包括：偏差的方差的含义与理解，联合界引理，霍夫丁不等式（切诺夫界），经验风险最小化，有限集和无限集假设类，VC维。

不会算命的赵半仙·2022-11-07 11:40

《机器学习-吴恩达》课程笔记week3

目录第三周ClassificationandRepresentationClassificationLogisticRegressionModelCostFunctionSimplifiedCostFunctionandGradientDescentAdvancedOptimizationMulticlassClassificationOne-vs-allSolvingtheProblemofOv

SofiaT·2022-11-07 11:30

李宏毅机器学习笔记—— 15. Network Compression( 网络压缩)

摘要：本章主要是讲解了为什么要去做网络压缩，以及怎样去做压缩的五种方式。分别是网络剪枝，知识蒸馏，参数量化，架构设计和动态计算。（本章仅从软件方面去考虑）网络剪枝的基本思想是先评估weight和neuron的重要性，然后把不重要的删除掉。知识蒸馏的基本思想是训练一个大网络，用小网络（StudentNet）学习大网络（teachernet）。并计算两者之间的cross-entropy，使其最小化，从

HSR CatcousCherishes·2022-11-06 14:32

李宏毅机器学习笔记第18周_神经网络压缩（Network Compression）

文章目录一、NetworkPruning1.Networkcanbepruned2.Weightpruning3.Neuronpruning4.WhyPruning?二、KnowledgeDistillation三、ParameterQuantization四、ArchitectureDesign1.DepthwiseSeparableConvolution2.Lowrankapproximati

MoxiMoses·2022-11-06 14:57

2021李宏毅机器学习（2）：PyTorch

2021李宏毅机器学习（2）：PyTorch1基础内容1.1产生tensor1.2squeeze压缩维度1.3unsqueeze展出维度1.4transpose转置1.5cat指定dimension连接多个

三耳01·2022-11-06 14:56

推荐频道

李宏毅机器学习课程笔记