李宏毅机器学习课程笔记第49页

李宏毅老师《机器学习》课程笔记--合辑目录

以下是我学习李宏毅老师《机器学习》课程2021/2022的笔记，点击直达文章，欢迎交流和多多指教，谢谢！1-深度学习简介2.1-模型训练技巧2.2-为什么要“深度”学习？3-卷积神经网络

宁萌Julie·2022-05-20 07:04

李宏毅机器学习——卷积神经网络

Lecture6convolutionalneuralnetwork（卷积神经网络）Imageidentification输入比如100*100的图像，三层，每层上数字代表深度，按100*100*3输入，如果输出维度是1000，那么如果全部考虑需要3*10^7，如何简化？convolution：原理：只根据图片的一小部分就能识别，比如鸟嘴，那么：选一个小区域（receptivefield）只关注一

Virginica·2022-05-20 07:32

李宏毅老师《机器学习》课程笔记-3卷积神经网络

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），文中图片除了一幅我自己绘制的图和一幅来自Stanfordcs231n教程的图，其余图片均来自课程PPT。欢迎交流和多多指教，谢谢！Lecture3-Imageasinput本节课主要介绍应用在图像领域的NeuralNetwork:ConvolutionalNeuralNetwork(CNN，卷积神经网络)。我们先来看看

宁萌Julie·2022-05-20 07:55

python向量化与for循环耗时对比分析

目录向量化与for循环耗时对比向量化数据的相比于for循环的优势向量化与for循环耗时对比深度学习中，可采用向量化替代for循环，优化耗时问题对比例程如下，参考AndrewNG的课程笔记importtimeimportnumpyasnpa

·2022-05-19 15:33

李宏毅机器学习--课后作业HW_1

而是通过在课堂上加入游戏元素来引导大家学习，我个人觉得这种方式是很好的，而且原理讲的也很清楚，适合小白学习，这里有B站的视频链接，想学习的可以去看一下【李宏毅《机器学习》-哔哩哔哩】，可以配着学习笔记学（李宏毅机器学习笔记

躺着醒，醒着睡·2022-05-19 07:13

架构设计 10-可扩展架构之面向服务拆分架构

导读：《架构设计》系列为极客时间李运华老师《从0开始学架构》课程笔记。本文为第十部分。主要介绍了如何面向服务拆分架构，首先介绍了SOA架构，接着介绍了微服务架构，以及二者对比。

·2022-05-18 10:24

李宏毅机器学习——回归

回归定义Regression就是找到一个函数，通过输入特征，输出一个数值。模型步骤Step1:模型假设Step2:模型评估Step3:模型优化Step1：模型假设线性模型LinearModel:Step2:模型评估损失函数LossFunction:以线性模型为例：Step3:模型优化找到使得损失函数最小的最小二乘法:计算可能极为复杂Example化简,得梯度下降Example1:随机选取一个初始点

migugu·2022-05-17 11:02

李宏毅机器学习笔记——机器学习相关技术介绍

机器学习技术介绍让机器具有学习的能力，人工智能是人类想要达到的目的，能够像人一样的聪明，机器通过学习方式来达到跟人一样甚至超越人的能力。机器学习技术是达成人工智能的手段。机器学习中包括基于数理统计的传统机器学习和基于人体仿生学的深度学习机器学习相关的技术监督学习数据与标签已知，通过让模型来学习数据与标签之间的映射，对其他输入的数据来完成预测。半监督学习少部分数据标签已知，大部分数据无标签，考虑到标

小陈phd·2022-05-17 07:00

李宏毅机器学习系列-梯度下降法

李宏毅机器学习系列-梯度下降法梯度下降法回顾调节学习率AdaGrad随机梯度下降SGD(StochasticGradientDescent)特征缩放(FeatureScaling)梯度下降法的理论(GradientDescentTheory

王伟王胖胖·2022-05-17 07:55

架构设计 9-可扩展架构之分层架构

导读：《架构设计》系列为极客时间李运华老师《从0开始学架构》课程笔记。本文为第九部分。首先整体介绍可扩展架构的基本思想——“拆”，以及如何拆；随后介绍了面向流程的拆分，即分层架构。

·2022-05-16 22:23

吴恩达机器学习课程笔记

part1监督学习定义给算法一个数据集，其中包含了“正确答案”，算法的目的是给出更多的正确答案重要前提监督学习假设数据是独立同分布产生的监督学习假设输入X与输出Y遵循联合概率分布P(X,Y)监督学习与非监督学习的主要区别是，在非监督学习中，类别信息是不被提前知道的，在学习的过程中使用的训练样本通常不具有标记信息无监督学习定义只给算法一个数据集，但是不给数据集的正确答案，由算法自行分类。无监督学习中

mossfan·2022-05-15 07:45

架构设计 8-高可用架构设计之故障处理

导读：《架构设计》系列为极客时间李运华老师《从0开始学架构》课程笔记。本文为第八部分，主要介绍故障处理，包口典型表现、原因、常见情况、解决思想以及解决方法。

·2022-05-14 10:02

架构设计 7-高可用架构设计之异地多活

导读：《架构设计》系列为极客时间李运华老师《从0开始学架构》课程笔记。

·2022-05-13 23:20

2021李宏毅机器学习（4）：卷积神经网络CNN

2021李宏毅机器学习（4）：卷积神经网络CNN1前言2观察12.1简化方法1：Receptivefield（感受野）2.2最经典的ReceptiveField的安排方式（TypicalSetting）

三耳01·2022-05-13 07:42

李宏毅机器学习（27）

LifeLongLearning对比人类从生到死都只用一个脑子学习，而机器每做一个任务就要换一个模型。那为什么机器不像人一样，也只用一个神经网络做所有事呢？这就是LifeLongLearning（LLL）。我们希望机器学会了一个技能之后就永远记得这项技能。对此，我们需要解决三个问题：让机器永远记得学过的知识，也要能学会新的东西。举例而言：在图像识别中，先学任务1再学任务2会发现机器把任务1基本都忘

Baigker·2022-05-13 07:58

架构设计 6-高可用架构之高可用计算架构

导读：《架构设计》系列为极客时间李运华老师《从0开始学架构》课程笔记。本文为第六部分，主要介绍高可用计算架构，介绍了高可用架构设计的要点以及不同架构方式的优缺点。

·2022-05-12 23:38

架构设计 5-高可用架构之高可用存储架构

导读：《架构设计》系列为极客时间李运华老师《从0开始学架构》课程笔记。本文为第五部分，主要介绍高可用存储架构，分别介绍了双机架构和集群架构以及各种具体方案的优缺点和应用场景。

·2022-05-11 23:07

架构设计 4-高可用架构之FMEA方法

导读：《架构设计》系列为极客时间李运华老师《从0开始学架构》课程笔记。本文为第三部分，主要介绍FMEA方法，以及如何将FMEA方法应用于架构设计之中以提高服务可用性。

·2022-05-10 23:20

深度学习理论与实践——课程笔记（一）

目录课程前言什么是人工智能？什么是机器学习？什么是深度学习？什么是计算机视觉？什么是自然语言处理？PyTorch框架与TensorFlow框架的选取预备知识软硬件基础推荐书籍自学资源人工智能发展人工智能发展史人工智能流派迈向第三代人工智能机器学习机器学习样例机器学习三要素算法类型神经网络从生物神经元到人工神经元——MP模型计算机视觉与NLP计算机视觉研究分类计算机视觉研究难点自然语言处理研究分类自

satisfiedmin·2022-05-09 07:36

22张精炼图笔记，深度学习专项学习必备

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一、深度学习基础篇深度学习基本概念

孙琪翔·2022-05-08 07:42

架构设计 3-高可用架构之CAP理论

导读：《架构设计》系列为极客时间李运华老师《从0开始学架构》课程笔记。本文为第三部分，主要介绍分布式系统中的CAP理论以及相关的ACID理论和BASE理论。对分布式系统架构有一个理论上的感知。

·2022-05-07 23:10

【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）

从有代码的课程开始讨论【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)【Pytorch深度学习实践】B站up刘二大人之GradientDescend-代码理解与实现(2/9)【Pytorch深度学习实践】B站up刘二大人之BackPropagation-代码理解与实现(3/9)【Pytorch深度学习实践】B站up刘二大人之LinearRegress

nemo_0410·2022-05-04 07:41

卷积神经网络CNN各种模型（李沐老师的课程笔记——动手学）

其实大部分是李沐老师ppt的内容，我只是整理了一下不同神经网络模型LeNetAlexNet20122012年sigmoid变成了ReLU（减缓梯度消失）隐藏全连接层后加入了丢弃层数据增强新加入丢弃法，最大池化层VGG2013更大更深的AleNetx（重复的VGG块）将卷积层组合成块NIN全连接层太贵，参数太多容易过拟合但卷积层后的的一个全连接层的参数非常大1x1卷积层来替代全连接层Inceptio

望寒秋·2022-05-02 07:50

架构设计之一——基础架构

导读：《架构设计》系列为极客时间李运华老师《从0开始学架构》课程笔记。本文为第一部分，主要介绍架构设计的历史背景、相关概念、目的、复杂度、原则以及流程。从整体上对架构设计有所了解。

·2022-05-01 22:42

《操作系统原理》学习笔记：第1章概述

前言：该系列文章为笔者学习清华大学《操作系统原理》相关课程笔记，参考书籍《操作系统概念》《现代操作系统等》。

search-lemon·2022-04-25 10:40

单点登录课程笔记

资料hi，这是我用百度网盘分享的文件~复制这段内容打开「百度网盘」APP即可获取。链接：https://pan.baidu.com/s/17v_azZD6tHJ2Y5WJJw4tow?pwd=6666提取码：6666--来自百度网盘超级会员V4的分享文章目录单点登录session跨域代码实现nginxsession共享Token机制传统的session身份认证Token身份认证JSONWebTok

小白一起学编程·2022-04-24 13:15

【CS224n】2斯坦福大学深度学习自然语言处理课程笔记——词向量、词义和神经分类器

NaturalLanguageProcessingwithDeepLearning课程笔记21.词向量和word2vec2.优化基础知识3.我们能否通过计数更有效地抓住词义的本质？

Yang SiCheng·2022-04-23 07:43

计算语言学课程笔记（三）

本周的内容主题是另一个计算语言学领域非常重要的基础概念：n元语法模型(n-gram,也有翻译为文法模型的)本部分也非常基础，但是确实统计自然语言处理这一方法论的核心与重中之重。概念较多，有些容易混淆，但是多多接触之后自然会有更加深刻的理解。在n元语法模型学习完之后还讲解了对应的数据平滑技术，里面涉及到了一些简单的公式推导---------------------------------------

飞奔的火焰·2022-04-17 07:54

李宏毅机器学习课程笔记-1|CSDN创作打卡

李宏毅机器学习课程笔记文章目录李宏毅机器学习课程笔记前言一、机器学习是什么？

技术缝合怪·2022-04-14 16:47

李宏毅机器学习课程笔记-2|CSDN创作打卡

李宏毅机器学习课程笔记--深度学习基本概念简述文章目录李宏毅机器学习课程笔记前言1.如何更好地拟合实际情况：2.定义损失函数loss3寻找最优4.模型套娃前言从零入门机器学习。

技术缝合怪·2022-04-14 16:47

台大李宏毅课程笔记2——Gradient Descent（梯度下降）

李宏毅课程笔记2AdagradStochasticGradientDescentFeatureScaling（特征缩放）梯度下降的理论解释本次笔记主要包含三节课：GradientDescent123（梯度下降

子涣_new·2022-04-14 07:11

PMP课程笔记：第1-3章引论项目运行环境项目经理

目录第一章引论1.什么是项目？2.项目特点2.1临时性2.2独特性2.3渐进明细性2.4变更性2.5商业性2.6背景性3.促成项目创建的因素4.项目VS运营5.项目管理的重要性6.项目，项目集，项目组合，运营7.什么是项目管理目标8.项目管理组成9.项目生命周期，开发生命周期9.1预测型生命周期9.2迭代或增量生命周期9.3敏捷生命周期9.4做项目需要照搬预测和敏捷吗10.项目与开发生命周期（预测

SherylTT·2022-04-13 15:05

李宏毅机器学习笔记：Transformer和Normalization

前言：本文主要记录关于李宏毅机器学习2021中Transfomer和Normalization章节的相关笔记，其中Transformer主要介绍了在NLP领域的作用而Normalization主要介绍BatchNormalization

YuriFan·2022-04-13 07:14

机器学习中级课程笔记——2.2向量矩阵基础---标量，向量，矩阵，张量

2.2向量矩阵基础向量以及它的基本运算对于数据的表示,我们经常会碰到几个概念:标量(scalar),向量(vector),矩阵(matrix)和张量(tensor)。不管使用sklearn,Pytorch,还是Tensorflow也好,一定要掌握这几个概念。即便工具化趋势越来越明显,而且我们可以把模型当作黑盒子来对待,但唯一绕不开的是这个“黑盒子的”输入和输出,而且输入和输出必须要以标量、向量、矩

aprilzj123·2022-04-13 07:31

李宏毅机器学习-----Back propagation反向传播

反向传播的背景Backpropagation这个方法其实也是GradientDescent，只是为了让神经网络有效率地train出来，所以才有了反向传播。假设一堆参数θ\thetaθ(weightandbias)初始化一个值θ0\theta^0θ0计算θ0\theta^0θ0对Lossfunction的偏微分，就是gradient，∇L(θ)\nablaL(\theta)∇L(θ)是一个vecto

zyuPp·2022-04-12 08:24

李宏毅2021春机器学习课程笔记——Introduction of Machine/Deep Learning

本文作为自己学习李宏毅老师2021春机器学习课程所做笔记，记录自己身为入门阶段小白的学习理解，如果错漏、建议，还请各位博友不吝指教，感谢！！一、MachineLearning概念理解MachineLearning主要的任务是寻找一个合适的Function来完成我们的工作（非常不严谨的简单理解），如上图中的ImageRecognition，就是要寻找一个合适的fff，实现通过对输入的图片进行各种转换

sykai1·2022-04-08 08:40

斯坦福CS20SI：基于Tensorflow的深度学习研究课程笔记,Lecture note2:TensorFlow Ops

课程笔记2：TensorflowOpsCS20SI：深度学习研究中的Tensorflow（cs20si.stanford.edu）由ChipHuyen编写（[email protected]）评论者

平凡_·2022-04-08 08:32

李宏毅2021春季机器学习课程视频笔记2：（选修）深度学习简介，反向传播

文章目录1.深度学习简介1.1Step1：建立模型1.2Step2：定义函数优劣（损失函数）1.3Step3：选择最好的函数（优化参数）2.反向传播1.深度学习简介本节是17年李宏毅机器学习课程中的一个章节

诸神缄默不语·2022-04-08 07:21

李宏毅机器学习课程笔记4：CNN、Why Deep、Semi-supervised

台湾大学李宏毅老师的机器学习课程是一份非常好的ML/DL入门资料，李宏毅老师将课程录像上传到了YouTube，地址：NTUEEML2016。这篇文章是学习本课程第10-12课所做的笔记和自己的理解。Lecture10:ConvolutionalNeuralNetworkWhyCNNforImageCNN的参数比全连接神经网络少得多，为什么CNN只用较少的参数就可以用于处理图像呢？这是因为图像具有以

徐子尧·2022-04-04 10:53

【李宏毅机器学习】Convolutiona Neural Network 卷积神经网络（p17）学习笔记

全文总结于哔哩大学的视频：李宏毅2020机器学习深度学习(完整版)国语2020版课后作业范例和作业说明在github上：点击此处李宏毅上传了2020版本的机器学习视频和吴恩达的CS229机器学习相比，中文版本的机器学习显得亲民了许多，李宏毅的机器学习是英文的ppt+中文讲解，非常有利于大家入门。吴恩达的CS229中偏向于传统机器学习（线性回归、逻辑回归、NaiveBayes、决策树、支持向量机等）

running snail szj·2022-04-04 10:52

李宏毅老师2022机器学习课程笔记 01 Introduction of Deep Learning

01IntroductionofDeepLearning机器学习相关规定什么是机器学习机器学习的概念我觉得李老师讲得非常好的一点就是，他真正说清楚了机器学习中的一些因果逻辑。比如我之前在网络上查阅过一些资料，他们在介绍机器学习时，很多时候上来就说机器学习“是机器学习过去的经验”、“模仿人类学习”等等，但是看了这些解释之后对机器学习是什么还是没有一个清晰的概念。按照我个人对李老师课程的理解，这个的因

3077491278·2022-04-04 10:51

李宏毅机器学习Task06——卷积神经网络CNN

李宏毅机器学习Task06——卷积神经网络CNN仅作为学习笔记，参考学习笔记1.为什么要用卷积神经网络——简化神经网络的架构用power-knowledge去把原来全连接层中一些参数拿掉就成了CNN。

以后会改·2022-04-04 10:48

李宏毅机器学习笔记-10：卷积神经网络CNN

CNN通常使用在影像辨识上面CNN整体架构输入Data，经过卷积（Convolution），池化（Pooling），卷积，池化…（碾平（Flatten））全连（FullyConneted），其中卷积层，池化层的层数由自己决定CNN—Convolution理解下Filter，Stride，然后是卷积的过程，对于没颜色的图片，高度就是1，Filter的深度就是1，直接对应相乘得到output，对于彩色

墨九南烟·2022-04-04 10:18

李宏毅机器学习笔记3——卷积神经网络

ImageClassification把图片设成同尺寸。image是一个模型的输入。“yhead”dimention长度决定了辨别多少种类动物。输出的y’与yhead的Crossentropy越小越好。tensor张量向量里的值代表某一个位置颜色的强度。模型的弹性越大，越容易overfitting观察一：不一定要看整个图片，可能只看图片中的几个关键点就可以识别了。每个neuro只需观察自己的rec

vincewm·2022-04-04 10:16

2021-07 李宏毅机器学习打卡Task06：卷积神经网络CNN

Task06卷积神经网络(CNN)学习地址李宏毅机器学习B站视频地址new:2021春课程视频地址李宏毅机器学习开源笔记地址论坛版块最流行的神经网络架构—CNN如何用FullyConnectedNetwork

wizzniu·2022-04-04 10:16

2021李宏毅机器学习笔记--8Convolutional Neural Network CNN卷积神经网络

2021李宏毅机器学习笔记--8ConvolutionalNeuralNetworkCNN卷积神经网络摘要1CNN可以用于图像处理的原因1.1鉴别时只需要看图像的某一部分1.2相同的部位出现在图像不同的位置无需重复训练

guoxinxin0605·2022-04-04 10:45

李宏毅机器学习笔记：CNN 卷积神经网络

源视频链接：https://www.bilibili.com/video/BV1Ht411g7Ef?p=21参考博客链接：https://datawhalechina.github.io/leeml-notes/#/chapter21/chapter21额外再推荐两个视频链接辅助理解CNN李宏毅2021春机器学习课程：https://www.bilibili.com/video/BV1Wv411h

麻麻在学习·2022-04-04 10:45

李宏毅机器学习笔记(九)——卷积神经网络(CNN)

文章目录一.图像的特点二.卷积神经网络的原理1.卷积层2.池化层3.全连接层三.查看CNN的学习内容四.CNN的其余应用一.图像的特点以前的问题中，我们的输入是一个明显的n维向量，但对于一张图片，或者是可以与图片类比的内容(比如说棋盘等等)，如果我们想要使用神经网络，按照以前的思想，那就是把图片也转化成一个n维向量。当然，依靠之前的神经网络，反正是全连接的，那转化方式就不重要了，直接摊平去

Unique13·2022-04-04 10:07

李宏毅老师2022机器学习课程笔记 02 卷积神经网络(CNN)

02卷积神经网络(CNN)CNN介绍上图是CNN的完整结构图，先放在这里，下面会以图像分类任务为例，逐步对其进行介绍。CNN的设计动机CNN是专门为图像设计的网络结构，结合了许多图像才会有的特性。CNN在图像分类中的使用基本结构信息输入CNN的输入一般的图片，且图片一般是一个三维的张量，包括图片的宽、图片的高和图片的信道数。图片的宽和高之积即为图片的像素数目，如果图片是彩色图片，那么有RGB三个信

3077491278·2022-04-04 10:06

DW李宏毅机器学习笔记--Task03（下）-梯度下降

文章目录前言什么是梯度下降法？Tip1：调整学习速率小心翼翼地调整学习率自适应学习率Adagrad算法Adagrad是什么？Adagrad举例Adagrad存在的矛盾？多参数下结论不一定成立Adagrad进一步的解释Tip2：随机梯度下降法Tip3：特征缩放为什么要这样做？怎么做缩放？梯度下降的理论基础问题数学理论泰勒展开式定义多变量泰勒展开式利用泰勒展开式简化梯度下降的限制总结前言这是我在Dat

湘玄书生·2022-03-31 07:51

推荐频道

李宏毅机器学习课程笔记