深度学习基础课程笔记第37页

[Machinie Learning] 吴恩达机器学习课程笔记——Week3

MachineLearningbyAndrewNg吴恩达机器学习课程学习笔记——Week3本人学习笔记汇总合订本✓课程网址standfordmachinelearning参考资源课程笔记python版作业学习提纲

Carsick Car·2022-12-17 08:08

性能课程笔记（五）性能分析思路[转载高楼]

转载课程地址：https://time.geekbang.org/column/article/178068（ps：这个课程都是老师实战经验，还有很多交流）我还年轻的时候，经常听一些大会或者演讲。有些人说，思路逻辑非常重要。我那时就想，你肯定是瞎忽悠的，因为我怎么就没听懂你说的思路呢？而现在轮到自己来写或者讲一些东西的时候，才发现他们说得很对，而我之所以不理解，也是有原因的。性能分析思路和具体的实

m0_37677636·2022-12-17 06:27

[吴恩达机器学习课程笔记] week four强化学习

强化学习定义强化学习（ReinforcementLearning,RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。在强化学习框架中，我们将只提供我们的算法一个奖励函数，它指示学习代理何时做得好，当它做得不好。然后，学习算法的工作将是找出如何随时间选择行动，从而获得巨大的奖

mossfan·2022-12-16 04:35

吴恩达《深度学习》笔记汇总

根据学习进度，将吴恩达《深度学习》课程笔记总结如下，具体如下：第一门课：神经网络和深度学习（第一周）——深度学习引言第一门课：神经网络和深度学习（第二周）——神经网络的编程基础第一门课：神经网络和深度学习

青春是首不老歌丶·2022-12-16 00:01

考研思考记录

开始不知怎么一直不能进行注册：https://piazza.com/class/i5j09fnsl7k5x0课程网址：http://os.cs.tsinghua.edu.cn/oscourse/FrontPage课程笔记

WF19980719·2022-12-15 17:36

Deeplearning.ai深度学习课程笔记-在线版

注意：请点击阅读原文课程概述课程视频离线版本可以到github：https://github.com/fengdu78/deeplearning_ai_books查找下载。课程地址：https://mooc.study.163.com/university/deeplearning_ai#/c这些课程专为已有一定基础（基本的编程知识，熟悉Python、对机器学习有基本了解），想要尝试进入人工智能领

风度78·2022-12-15 14:44

1-4 Coursera吴恩达《神经网络与深度学习》第四周课程笔记-深层神经网络

记录吴恩达深度学习专项课程笔记，方便之后回顾，共5门课，这是第一门课《神经网络与深度学习》第四周深层神经网络的课程笔记，那我们开始吧。上节课课程1-3浅层神经网络我们主要介绍了浅层神经网络。

双木的木·2022-12-15 14:14

深度学习课程笔记-第二周

title:深度学习课程笔记-第二周date:2022-11-2021:58:31对于有m个训练集的样本，并不需要for循环遍历整个样本。

?ZERO?·2022-12-15 14:12

神经网络课程笔记-李沐教程

梯度下降：通过不断沿着反梯度方向更新参数求解小批量随机梯度下降是深度学习默认的求解方法两个重要的超参数批量大小和学习率improtrandom:random包主要用来生成随机数X=torch.normal(0,1,(num_examples,len(w)))生成一个矩阵，这个矩阵中的每一个元素都是均值为0、标准差为1的数。矩阵的行数为num_examples，列为len(w)即w向量的长度。其中，

时--·2022-12-15 08:51

【深度学习】李宏毅2021/2022春深度学习课程笔记 - Recurrent Neural NetWork（RNN）

文章目录一、SlotFilling二、RecurrentNeuralNetWork（RNN）三、BidirectionalRNN（双向RNN）四、LongShortTermMemory（LSTM）五、LearningTarget六、RNN很难Train七、HelpfulTechniques7.1LSTM7.2GRU7.3Others八、ManyToOne8.1SentimentAnalysis情绪

WSKH0929·2022-12-15 06:52

深度学习基础篇【1】从0开始搭建YOLOX模型用于训练个人数据集

深度学习基础篇【1】从0开始搭建YOLOX模型用于训练个人数据集YOLOX模型于2021年由开发者ZhengGe，SongtaoLiu，FengWang，ZemingLi，JianSun在《YOLOX:

极链AI云·2022-12-15 01:18

《物联网技术》课程笔记——第一章物联网概述

文章目录第一章：物联网概述什么是物联网？举例：共享单车关键步骤相关技术问题解决措施之一：1.1物联网的概念1.1.1互联网的诞生1.1.2互联网的发展1.1.3互联网的用途：以服务器为媒介实现人与人之间连接1.1.4互联网与物联网之间的关系：1.1.5关于物联网1.1.6多种网络形式1.1.7物联网的技术基础1.1.8物联网的定义1.1.9物联网、互联网、互联网、传感网与泛在网之间的关系1.2物联

-借我杀死庸碌的情怀-·2022-12-14 16:05

第六课多算法组合与模型调优

本系列是七月算法机器学习课程笔记文章目录1前序工作流程1.1数据处理1.2特征工程1.3模型选择1.4交叉验证1.5寻找最佳超参数2模型优化2.1模型状态2.2模型优化12.3模型优化22.4模型优化32.5

约定写代码·2022-12-14 15:24

深度学习 | 超参数（Hyperparameters）（4.4）| 上

最近在恶补深度学习基础知识，以下为根据公众号“阿力阿哩哩”的《超参数（Hyperparameters）|上》而总结的内容。可以结合作者在哔哩大学的视频。

running snail szj·2022-12-14 07:08

【深度学习基础】从零开始的炼丹生活08——卷积网络

往期回顾：05——深度前馈网络、神经网络概述06——深度学习中的正则化07——深度模型中的优化学习了基本的神经网络结构，以及如何进行正则化和优化之后，我们接下来转向特化的神经网络家族，允许其扩展到能够处理很大规模的数据和具有特殊结构的数据。（主要参考《深度学习》和cousera上吴恩达的课程）卷积网络（convolutionalnetwork），也叫卷积神经网络（CNN）,是一种专门用来处理具有类

wby1905·2022-12-14 07:38

神经网络与深度学习：卷积神经网络

卷积神经网络1.深度学习基础2.图像识别与深度学习3.图像卷积3.1图像卷积运算3.2图像卷积在机器学习中的应用4.卷积神经网络5.卷积神经网络的优化1.深度学习基础特征工程：尽可能选择和构建出好的特征

Twinkle1231·2022-12-14 01:14

01 机器(深度)学习介绍-学习笔记-李宏毅深度学习2021年度

2021年度的李宏毅老师的深度学习课程在之后的笔记中，我会将字体分为红色，黄色，和绿色，分别表示重点，次重点和了解课程作业Github链接本节内容及相关链接机器学习与深度学习介绍视频链接PPT链接课堂作业课程笔记机器学习

iioSnail·2022-12-13 17:14

【深度学习】李宏毅2021/2022春深度学习课程笔记 - Classification（Short Version）

文章目录一、前言二、ClassificationasRegression三、ClassasOne-HotVector四、Soft-Max归一化五、LossofClassification一、前言本节用较短的篇幅介绍一下深度学习解决如何分类问题。如果想看长的版本，可以参考下面的视频。二、ClassificationasRegression把分类当作回归来看如下图所示，我们可以把每个类别对应到一个数字

WSKH0929·2022-12-13 16:58

深度学习基础学习-RNN与LTSM、GRU

最近看文献看到了LTSM（LongShortTermMemory）相关的文献，所以把了解到的内容做一个记录RNN循环神经网络（RecurrentNeuralNetwork,RNN），以序列（sequence）数据为输入，在序列的演进方向进行递归（recursion）且所有节点（循环单元）按链式连接的递归神经网络（recursiveneuralnetwork）。因为与时间序列相关，所以多用于自然语言

小夭。·2022-12-13 10:58

深度学习基础16（softmax回归使用pytorch框架简洁实现）

softmax回归的简洁实现深度学习框架的高级API能够使实现softmax线性回归变得更加容易。同样，通过深度学习框架的高级API也能更方便地实现softmax回归模型。importtorchfromtorchimportnnfromd2limporttorchasd2lbatch_size=256train_iter,test_iter=d2l.load_data_fashion_mnist(

lj_FLR·2022-12-13 09:35

Python深度学习基础（四）——损失函数

损失函数前言损失函数均方误差（MSE）L2范式与闵可夫斯基距离交叉熵误差（cross_entropy_error）极大似然损失函数（LR）应用场景总结前言在进行深度学习的过程中我们需要有一个评判标准来评价模型，损失函数就是通过比较预测值与真实值的来对模型当前的权值进行评价的损失函数均方误差（MSE）均方误差也被称作最小二乘法，常用于解决回归问题公式这里原本的公式应该为E=1n∑k(yk−tk)2E

艾醒(AiXing-w)·2022-12-13 09:03

Udacity机器人软件工程师课程笔记（八）-ROS Turtlesim 包的相关命令

Stan Fu·2022-12-13 08:12

3.深度学习（一）

文章目录第三章深度学习基础3.1基本概念3.1.1神经网络组成？3.1.2神经网络有哪些常用模型结构？3.1.3如何选择深度学习开发平台？3.1.4为什么使用深层表示?

abolition cc·2022-12-12 10:42

【深度学习】李宏毅2021/2022春深度学习课程笔记 - Deep Learning Task Tips

文章目录一、深度学习步骤回顾二、常规指导三、训练过程中Loss很大3.1原因1：模型过于简单3.2原因2：优化得不好3.3原因1or原因2？四、训练过程Loss小。测试过程Loss大4.1原因1：过拟合Overfitting4.2原因2：Mismatch五、N折交叉验证六、Whengradientissmall...6.1Batch6.2Momentum七、AdaptiveLearningRate

WSKH0929·2022-12-12 08:46

通俗理解卷积神经网络

通俗理解卷积神经网络（cs231n与5月dl班课程笔记）1前言2012年我在北京组织过8期machinelearning读书会，那时“机器学习”非常火，很多人都对其抱有巨大的热情。

gldbys·2022-12-12 01:09

深度学习基础

一、网络基础1.感知机单个感知机能够实现逻辑与、或，能实现自我学习。多个感知机组合能够实现逻辑异或。2.神经网络就是一个巨大的复合函数！！！多个感知机连在一起形成级联神经网络为“多层前馈神经网络”。3.激活函数激活函数能将输出转化为非线性，使得神经网络能够解决任意非线性问题。阶跃函数sigmoid函数用来做二分类，将任意实数映射到（0,1）区间。优点：平滑，易于求导。缺点：激活函数计算量大，容易出

青年君·2022-12-12 00:35

[Machinie Learning] 吴恩达机器学习课程笔记——Week2

MachineLearningbyAndrewNg吴恩达机器学习课程学习笔记——Week2本人学习笔记汇总合订本✓课程网址standfordmachinelearning参考资源课程笔记python版作业学习提纲

Carsick Car·2022-12-11 23:06

Linux 入门基础（苏勇）课程笔记

这是网易云课堂上苏勇老师讲的Linux入门基础的笔记。笔记是在CentOS系统下记录的，只能用英文，可能单词的使用会有错误。笔记相对简单，基本上只记录了有关的命令操作，并没有关于原理性的知识。此笔记可以用作课程学习时的参考，也可在平时使用Linux时作为参考。######################Lesson3BasicBash######################hostnameun

疯狂的芒果·2022-12-11 19:00

台大李宏毅老师——深度学习课程笔记五（Deep Learning BackPropagation)

文章目录IntroductionNeuralNetworkBackpropagationIntroductionDeepLearning的神经网络就是一个functionNeuralNetwork现在用的激活函数已经是tanh或者leakyRelu了。ResNet用了特殊的结构，不是单纯的叠加层数其实本质用的MatrixOperation。但是我现在想不起来batch是怎么做运算的。batch应该

大叔爱学习.·2022-12-11 18:52

李宏毅机器学习课程笔记2：Classification、Logistic Regression、Brief Introduction of Deep Learning

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4-6课所做的笔记和自己的理解。Lecture4:Classification:ProbabilisticGenerativeModel以根据宝可梦各属性值预测其类型为例说明分类问题。训练数据是若干宝可梦的各属性值及其类型。1、分类问题不

鹅厂程序小哥·2022-12-11 17:43

【深度学习】李宏毅2021/2022春深度学习课程笔记 - Deep Learning Introduction

文章目录一、深度学习的概念二、函数的类型三、深度学习的步骤3.1定义一个参数未知的函数表达式3.2定义一个损失函数3.3采用梯度下降法求解使得函数表达式的Loss最小的参数四、视频播放量预测案例4.1案例介绍和思路分析4.2线性函数表达式14.3改进1：使用前一段时间的播放量来预测明天的播放量4.4改进2：采用非线性函数表达式4.5多层神经网络一、深度学习的概念让机器自动寻找一个函数如下图所示：语

WSKH0929·2022-12-11 17:32

Apollo 星火计划课程笔记 ---- SLAM

Apollo定位和建图高精地图和SLAM有什么关系？高精地图制作技术栈:设备组装:GNSS-INS惯性导航系统RTK-GNSS服务商和接收器地图坐标存储和召回搞清楚处理数据的格式定位参考点用WGS84坐标计算的时候，將WGS84坐标系转换为(x+x_0,y+y_0,h)，也就是UTM平面坐标和高程。EQDC平面坐标和高程。每个参考点存储在一个点云瓦片(Tile)文件，召回和存储互逆。地图瓦片文件是

Tianchao龙虾·2022-12-11 14:54

Apollo 星火计划课程笔记 ---- Perception

ApolloPerception感知系统:传感器：Lidar,Camera,Radar,Ultrasonic,Phone地图:高精地图机器输出:道路信息：不强求在线识别，可以来自高精地图；场景理解，分割；障碍物信息:障碍物检测(位置，类别，形状大小)，障碍物跟踪(轨迹，速度),传感器融合(更安全)信号灯信息:camera识别颜色，其他信息来自地图；v2x是终极途径。Part-1多个维度看问题感知技

Tianchao龙虾·2022-12-11 14:54

Apollo 星火计划课程笔记 ---- Scenarios

ApolloScenarios场景模块场景可以是地图中有一定特征的路段，比如路口，也可以是无人车想要完成的一系列复杂的动作，比如借道避让。最大期望算法(ExpectationMaximum)EM流程参考线。什么是参考线？就是高精地图所提供的道路的中心线，在此基础上做平滑得到的一条线。它是理想状态下没有障碍物的一条线。要保证平滑，所以在运动的时候，汽车不会横向摆动上图有个错误，应该是(ss˙s¨\q

Tianchao龙虾·2022-12-11 14:24

深度学习基础----GAE和VGAE

就看这一个就行了：PytorchGeometricTutorial配合PyG的文档食用：torch_geometric.nn—pytorch_geometricdocumentation只有一个地方不理解，那个KL的实现如何理解，和我在别的地方看到的不一样：按我自己的理解就是：GAE其实就是GCN之后把得到的embedding经过内积(decoder)后送入交叉熵损失函数。VGAE会经过两个GCN

无意识积累中·2022-12-11 14:52

深度学习基础----mAP和CMC，Recall和Precision，ROC和AUC，NDCG

就Re-ID的任务来说：已知：一个在训练集上训练好的模型，一个query(用于查询的集)，一个gallery（在其中搜索结果，或test）求：mAP,CMCmAP:meanAveragePrecision针对:检索问题。是就query和gallery来讨论直述：每一张查询图片在查找集（query和gallery特征的相似度排序）里的匹配程度。由匹配正确的图片和它们的排序位置决定。主要是特征信息提取

无意识积累中·2022-12-11 14:52

深度学习基础----自监督学习入门

自监督学习初探一.自监督学习的解释:解释一:自监督学习让我们能够没有大规模标注数据也能获得优质的表征，反而我们可以使用大量的未标注数据并且优化预定义的pretext任务。然后我们可以使用这些特性来学习缺乏数据的新任务。解释二:self-supervisedlearning是无监督学习里面的一种，主要是希望能够学习到一种通用的特征表达用于下游任务。其主要的方式就是通过自己监督自己，比如把一段话里面的

无意识积累中·2022-12-11 14:22

深度学习基础----ROC曲线和AUC值

这个链接里的视频就很好：【小萌五分钟】机器学习|模型评估:ROC曲线与AUC值_哔哩哔哩_bilibili

无意识积累中·2022-12-11 13:51

深度学习基础----Exponential Moving Average

pytorch实现的时候非常需要的基础知识：（参考：pytorch拷贝和梯度回传的问题-知乎）pytorch实现：（参考一下博客：深度学习性能提升技巧--指数加权平均（EMA）Pytorch实现_白又白胖又胖的博客-CSDN博客_emapytorchEMA指数滑动平均原理和实现(PyTorch)-知乎）

无意识积累中·2022-12-11 13:12

【HDFS简述】

HDFS前言课程笔记1.HDFS定义1.说明：一台电脑存不下海量数据，就必须分配到多台机器上存储。多台机器不方便管理和维护，就需要一种系统来管理多台机器的文件---分布式系统。

天秤座的分析师·2022-12-11 10:59

狂神redis课程笔记

Redis文章目录RedisNosql单机SQL时代，更多使用静态网页Memcached缓存+MySQL+垂直拆分（读写分离）分库分表+水平拆分+M有SQL集群最近的年代最后总结为什么要用NoSQL大数据时代的3V和3高阿里巴巴框架演进第五代架构改进NoSQL的四大分类KV键值对文档型数据库（Bson格式和Json格式）列存储数据库图形关系数据库Redis入门Redis能干嘛特性常用网站启动Red

好运haoyun·2022-12-10 21:26

UCAS - AI学院 - 知识图谱专项课 - 第6讲 - 课程笔记

UCAS-AI学院-知识图谱专项课-第6讲-课程笔记实体识别信息抽取概述信息抽取的基础：分词和词性标注命名实体识别细粒度实体分类开放领域实体识别实体识别信息抽取概述知识获取输入：领域知识本体/海量数据输出

支锦铭·2022-12-10 14:14

吴恩达机器学习系列课程笔记——第十八章：应用实例：图片文字识别(Application Example: Photo OCR)

18.1问题描述和流程图https://www.bilibili.com/video/BV164411b7dx?p=108图像文字识别应用所作的事是，从一张给定的图片中识别文字。这比从一份扫描文档中识别文字要复杂的多。为了完成这样的工作，需要采取如下步骤：文字侦测（Textdetection）——将图片上的文字与其他环境对象分离开来字符切分（Charactersegmentation）——将文字分

Lishier99·2022-12-10 13:38

2019年CS224N课程笔记-Lecture 11: ConvNets for NLP

资源链接：https://www.bilibili.com/video/BV1r4411想看书吗推荐了一本书～可以自己去了解了解正课内容本周主要是CNN专题从RNNs到卷积神经网络递归神经网络不能捕获没有前缀上下文的短语经常在最终向量中捕获太多的最后单词，如下图例如，如上图，softmax通常只在最后一步计算卷积网络的主要想法：如果我们为每个可能的子序列计算一定长度的向量呢？例如：“tentati

任菜菜学编程·2022-12-10 06:50

[Machinie Learning] 吴恩达机器学习课程笔记——Week1

MachineLearningbyAndrewNg吴恩达机器学习课程学习笔记——Week1学习提纲IntroductionModelandCostFunctionParameterLearningLinearAlgebraReviewIntroductionMachineLearningDefinition机器学习定义MLDefinitionAcomputerprogramissaidtolear

Carsick Car·2022-12-10 01:27

[Machinie Learning] 机器学习课程笔记合订本（更新中）

MachineLearning吴恩达机器学习课程笔记吴恩达机器学习系列吴恩达ML课程笔记——Week1未完待续，持续更新ing…

Carsick Car·2022-12-10 01:57

Gilbert Strang的线性代数课程笔记-第七课

第七课的主题为：矩阵A的零空间（NullSpace）的求解方法第一部分解释矩阵中列与列的独立性、矩阵的秩、支点列与支点变量、自由列与自由变量、矩阵零空间的普通求解假设有矩阵A：通过对A中列的观察可得：1.col2是col1的两倍，因此col2与col1不独立2.col4可由2*（col3-col1）得到，因此col4与col1、col3不独立以上事实中，事实1相较事实2来说更显而易见。那么这些明显

JunyiChen_robot·2022-12-10 00:05

Gilbert Strang的线性代数课程笔记-第一课

目标是把笔记写得谁都能看懂:)首先我们需要了解，线性代数学科的基本目标是：解决线性系统的问题第一课主要从两种角度来解释线性系统（横向与纵向：行图像RowPicture与列图像ColumnPicture）首先我们将方程组用矩阵的形式表达：假设现在有方程组将之写成矩阵形式为【为什么可以这样表达？若看不懂上式的话回顾矩阵的点乘：矩阵点乘运算规则为：设A为mxn的矩阵，B为nxp的矩阵，则A与B的乘积为矩

JunyiChen_robot·2022-12-10 00:35

CS285课程笔记（5.(1)）——从概率图角度理解强化学习（变分推断原理+VAE）

Lecture18,19(2020版)这两节课的核心内容就是如何把强化学习问题（又可以称为最优控制问题）转化为一个基于概率图模型的推断问题，这里的推断又可以进一步细分为精确推断（ExactInference）和近似推断(ApproximateInference)。本文先总结lectrue18，即变分推断与变分推断自编码器的基础知识。一、变分推断与变分自编码器（VariationalInferenc

RavenRaaven·2022-12-09 17:51

人工智能 - 扩展阅读

illustrated-transformer2.AttentionIsAllYouNeed：https://arxiv.org/abs/1706.03762神经网络入门1.CS231n系列CS231n课程笔记翻译

JYCJ_·2022-12-09 17:43

推荐频道

深度学习基础课程笔记