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
CH4-李宏毅机器学习
李宏毅机器学习
笔记第1周-机器学习基本概念
文章目录一、机器学习的概念二、机器学习的应用领域三、监督学习(Supervisedlearning)四、加强学习(Reinforcementlearning)五、无监督学习(UnsupervisedLearning)六、损失函数(LossFunction)七、Sigmoid函数八、机器学习的三个步骤九、前沿研究一、机器学习的概念机器学习是从数据中自动分析获得模型,并利用模型对未知数据进行预测。简单
MoxiMoses
·
2022-11-19 08:10
机器学习
深度学习
datawhale 11月学习——水很深的深度学习:循环神经网络
前情回顾深度学习概述和数学基础机器学习基础前馈神经网络概述本次学习结合了
李宏毅机器学习
的相关章节进行学习,从首先补充了计算图的相关知识,随后,学习了RNN的结构,训练,及可能遇到的梯度消失的问题;再进步学习了
SheltonXiao
·
2022-11-19 07:26
笔记
学习
集成学习
机器学习
决策树
[datawhale202210]
李宏毅机器学习
2021:机器学习模型的可解释性
结论速递可解释性是不可缺少的,因为我们需要在借助机器学习模型做出决策时了解机器学习模型做出决策的原因。模型原生的可解释性和模型本身的拟合能力之间存在着一定的矛盾,线性模型可解释性好,但拟合能力差,而神经网络则恰恰相反。兼具强可解释性和强拟合能力的决策树模型,在实际应用当中也会陷入可解释性变差的困境。我们所探讨的可解释性,是试图给黑箱的模型一个原因,来帮助决策。模型的可解释性分为Local和Glob
SheltonXiao
·
2022-11-19 07:56
笔记
学习
机器学习
人工智能
算法
李宏毅机器学习
组队学习打卡活动day02---回归
文章目录写在前面回归定义模型步骤**线性模型——一元线性模型:****线性模型——多元线性模型:****模型评估--损失函数**最佳模型-梯度下降过拟合问题步骤优化代码写在前面报了一个组队学习的活动,今天的任务是机器学习中的回归,之前也学过一点,但是复习一遍当然更好参考视频:https://www.bilibili.com/video/av59538266参考笔记:https://github.c
CharlesLC的博客
·
2022-11-19 04:16
DataWhale打卡学习
机器学习
python
计算机网络
网络安全
网络协议
学习打卡系列Day1——
李宏毅机器学习
(10月)
想写在最前面的碎碎念,“首次加入DataWale举办的系列学习活动中,跟随船长脚步,与其他船员们一起快乐通关!希望能够积累知识,早日带领自己的船员扬帆起航!”目录一、机器学习介绍1.人工智能、机器学习、深度学习三者之间的联系2.机器学习的三个步骤3.相关技术(学习策略、任务、方法)3.1.监督学习3.2.半监督学习3.3.迁移学习3.4.无监督学习3.5.强化学习二、为什么要学习机器学习一、机器学
不爱喝牛奶的哈士奇
·
2022-11-19 04:43
坚持!
机器学习
人工智能
李宏毅机器学习
笔记Day2—回归
Regression(回归)的步骤看似比较复杂,其实也就是上节课老师所讲的三步:引入一组model➡️评估这组model的好坏➡️得到最佳的function。老师引入了一个很有趣的例子:选择培养宝可梦。找一个function,输入一只宝可梦的信息,预测它的CP(战斗力)的值。一、初始的方法Model线性Model:y=b+w•xcp,w和b是参数,xcp是进化前的CP值。TrainingData:
RosieDragon
·
2022-11-19 04:35
机器学习
人工智能
深度学习
李宏毅机器学习
Day03之误差
李宏毅机器学习
Day03之误差误差从哪里来评估变量x的偏差评估变量x的方差为什么会有很多模型?
心yu
·
2022-11-19 04:05
机器学习
人工智能
python
李宏毅机器学习
Day01之机器学习介绍
李宏毅机器学习
Day01机器学习介绍机器学习的发展机器学习的framework机器学习相关的技术Supervisedlearning1Regression2Classification3StructuredlearningSemi-supervisedlearningTransferlearningUnsupervisedlearning
心yu
·
2022-11-19 04:04
机器学习
李宏毅机器学习
-HW1
文章目录前言一、分析目标二、数据预处理1.初步处理2.特征提取3.Normalize和切分训练集和验证集三、训练四、验证五、预测1.数据预处理2.预测3.写入文件总结前言
李宏毅机器学习
课程第一个作业链接
花生了什么事情
·
2022-11-19 04:33
李宏毅机器学习课程作业记录
机器学习
人工智能
深度学习
李宏毅机器学习
作业一
前言PM2.5预测是李宏毅老师机器学习课程第一个作业,要求实现linearregression预测PM2.5的数值。在第一个线性回归的作业中遇到了很多难点,第一是虽然给出了数据集,但是要对数据集做预处理,整理出需要的数据,并保存到矩阵中和对矩阵的操作,将原始数据依照每个月份重组成12个18(特征)*480(小时)的资料。第二是训练模型,需要用adagrad算法来更新学习率,用梯度下降的方法来更新参
qq_37195826
·
2022-11-19 04:01
机器学习
算法
人工智能
李宏毅机器学习
day1
了解什么是Machinelearning 机器学习就是从已知的有限的数据,发现其潜在的规律。通过数据训练得到训练模型,然后对未知数据进行预测学习中心极限定理,学习正态分布,学习最大似然估计 中心极限定理:中心极限定理指的是给定一个任意分布的总体。我每次从这些总体中随机抽取n个抽样,一共抽m次。然后把这m组抽样分别求出平均值。这些平均值的分布接近正态分布。 (1)推导回归Lossfunction
qq_34116299
·
2022-11-19 04:59
机器学习实战
李宏毅机器学习
day2
一:理解偏差和方差学习误差为什么是偏差和方差而产生的,并且推导数学公式过拟合,欠拟合 经典打靶的例子。靶心就是真实模型。我们首先根据数据,选择所对应的模型。如线形模型或回归模型。这个就相当于划定了一个范围。我们在划定的范围内通过训练得到模型。这就跟真实的模型已经有了距离这就是偏差。而方差就是选择出来的模型范围内模型的复杂程度决定。具体来说。模型较复杂。模型对输入数据敏感,波动大,方差大。易过拟合。
qq_34116299
·
2022-11-19 04:59
李宏毅机器学习
笔记day1
本来是直接记到印象笔记上的,想分享到这里来谁知道上传个图片居然不能直接复制粘贴。。。我只能把文字部分放这了,看图片点下面这个链接机器学习笔记day1导论regression*/rɪˈɡreʃn/n.回归;退化;逆行;复原机器学习就是让电脑自己去找函数bianryclassification二分类卷积神经网络CNNmulti-classclassification多类分类递归神经网络RNN机器学习不
世由心生
·
2022-11-19 04:56
机器学习
李宏毅机器学习
Day01之回归
李宏毅机器学习
Day02之回归回归定义模型步骤Step1:模型假设-线性模型Step2:模型评估-损失函数如何判断众多模型的好坏Step3:最佳模型-梯度下降如何筛选最优的模型(参数w,b)如何验证训练好的模型的好坏针对过拟合问题的优化方法
心yu
·
2022-11-19 04:46
Python
机器学习
回归
人工智能
Datawhale-
李宏毅机器学习
-task01
AsthesourceofthegroupstudytasksofDatawhaleistheChineseversionofLee’sMLcourse,IamtryingtomakeanEnglishversionnotesofthecourse.Therefore,IwatchedtheEnglishversionofLee’sMLcourseinyoutubeandwritedownthes
叶xinwu
·
2022-11-19 02:33
Datawhale
机器学习
人工智能
Datawhale-
李宏毅机器学习
-task02
estimateTheP3vediogivesadifferentviewtoregressionmodel.Comparedwiththetraditionalregressionmodel,animportantdifferenceisthattheregressionsectionofMLcourseisbasedongradientdescent,whilethetraditionalre
叶xinwu
·
2022-11-19 02:33
Datawhale
机器学习
人工智能
李宏毅机器学习
笔记p3-p4
文章目录前言一:Regression回归1.线性模型2.损失函数3.梯度下降二、验证模型好坏过拟合优化1.模型的拆分2.加入更多的参数,更多的input3.正则化三、代码的学习总结前言经过上一篇章的学习,我们得知了有很多种深度学习,比如监督学习,无监督学习,强化学习等,监督学习算是深度学习的入门第一手,所以我们先学习监督学习中的回归一:Regression回归定义:前期学习(通过很多正确的输入和输
鸿鹄一夏
·
2022-11-19 02:02
笔记
李宏毅机器学习
笔记p21:CNN
文章目录前言一、CNN与图像处理二、CNN架构convolution(卷积层)一些词语概念的理解maxpooling(池化层)flatten三、分析CNN学习1.分析filter2.分析全连接层3.分析output让图片更像数字DeepDreamDeepStyle总结前言前面都对深度学习的框架做了学习,现在学习最重要的CNN。一、CNN与图像处理CNN常用于影像处理。实际上在影像处理上,我们希望一
鸿鹄一夏
·
2022-11-19 02:02
机器学习
笔记
机器学习
cnn
计算机视觉
李宏毅机器学习
-Task1
李宏毅机器学习
–Task1很开心能够参加Datawhale十月组队学习活动,今天起我将在CSDN上发布我的
李宏毅机器学习
课程学习笔记。
天气冷冷的_ncepu
·
2022-11-19 02:51
Datawhale打卡
机器学习
2020
李宏毅机器学习
与深度学习笔记——课程入门
课程入门机器学习就是自动找函式,任何与人工智能有关的问题都可以看作是在找它的函式f。eg.语音识别f(一段语音)=“语音内容”图像识别f(一张图片)=“图片内容”下围棋f(棋局)=“下一跳nextmove”对话系统f(你对机器说的话)=“机器的回答”第一个问题:你想让机器帮你找什么样的函式?Regression:找输出是数值的BinaryClassifcation:只有yes和no两种输出Mult
gohna
·
2022-11-19 02:19
机器学习
人工智能
机器学习
深度学习
2021-07
李宏毅机器学习
打卡Task04:深度学习简介和反向传播(下)
Task04深度学习简介和反向传播(下)学习地址
李宏毅机器学习
B站视频地址
李宏毅机器学习
开源笔记地址论坛版块反向传播背景梯度下降参数更新依旧使用梯度下降,只是计算梯度时使用更高效的方法即反向传播机制链式求导法则反向传播的基础即链式法则
wizzniu
·
2022-11-19 02:19
DataWhale组队学习
机器学习
深度学习
神经网络
机器学习
Datawhale
李宏毅机器学习
Task2
RegressionRegression实践Regression就是找到一个函数function,通过输入特征x,输出一个数值Scalar。Step1.ModelAsetoffunctionf1,f2,…f_1,f_2,\dotsf1,f2,…linearmodels:$y=b+\sumw_ix_i$xix_ixi:feature,$w_i$:weight,bbb:biasStep2.Goodne
STUffT
·
2022-11-19 02:48
Datawhale
组队学习
#
李宏毅机器学习
python
人工智能
Datawhale
李宏毅机器学习
Task3
误差和梯度下降1.误差从哪里来?Error的来源估测为什么会有很多的模型?偏差VS方差模型选择2.梯度下降法调整学习率随机梯度下降法特征缩放1.误差从哪里来?Error的来源Bias:偏差variance:方差噪声偏差(Bias)和方差(Variance)——机器学习中的模型选择估测评估x的偏差评估x的方差为什么会有很多的模型?不同的数据集考虑不同模型的方差简单模型:方差较小;复杂模型:方差较大(
STUffT
·
2022-11-19 02:48
Datawhale
组队学习
#
李宏毅机器学习
人工智能
李宏毅机器学习
笔记:深度学习入门简介 反向传播
源视频链接:https://www.bilibili.com/video/BV1Ht411g7Ef?p=13学习笔记总结深度学习和传统机器学习处理特征的差异;做传统机器学习必须要做特征工程来选择合适的输入特征,但深度学习是可以不用事先做特征工程,而是在隐藏层中完成特征选择抽取深度学习本质就是神经网络的进一步延伸,每一层神经元运算都是矩阵运算神经网络架构非常重要,决定了潜在可能的函数集合,越复杂的架
麻麻在学习
·
2022-11-19 02:17
神经网络
深度学习
机器学习
datawhale
李宏毅机器学习
——task07总结
在任务01中,对机器学习的定义、结构和功能有了大致了解。机器学习是为了让机器能够像人一样拥有智慧而设计的一种算法,这种算法最大的特点在于从一堆数据中根据设定的神经网络学习数据中隐含的知识。机器学习的执行步骤,首先,明确要解决的问题类型,是回归还是分类;然后,根据问题类型选择函数集,有线性的非线性的,非线性的就是指深度学习、SVM、KNN这些;最后,根据数据有无标签的特点,选择训练方法。在任务02中
山泼黛
·
2022-11-19 02:44
机器学习
人工智能
神经网络
Datawhale
李宏毅机器学习
Task2
一、回归的定义和举例定义:Regression就是找到一个函数function,通过输入特征x,输出一个数值Scalar。举例:①股市预测输入:过去10年股票的变动、新闻咨询、公司并购咨询等输出:预测明天股市的平均值②自动驾驶输入:无人车上的各个传感器的数据,例如路况、测出的车距等输出:方向盘的角度③商品推荐输入:商品A的特性,商品B的特性输出:购买商品B的可能性④宝可梦进化的属性预测输入:进化前
社区小萌新
·
2022-11-19 02:14
Datawhale
李宏毅机器学习
人工智能
datawhale
李宏毅机器学习
——task04“深度学习简介和反向传播”
深度学习有三个步骤:①选择神经网络②模型评估③选择最优函数神经网络是由神经元按照一定结构连接而成的。经典的连接方式是全连接前馈神经网络:全连接指上一神经层与下一神经层之间两两相连。前馈指的是信息由输入层传递到输出层,流动方向是由后往前传。深度学习中的深度指的是隐藏层有很多层,比如经典的Alexnet有8层,vgg有19层。层数越多,虽然会降低模型的错误率,但运算量也会随之增大。深度学习的本质可以看
山泼黛
·
2022-11-19 02:14
深度学习
机器学习
人工智能
datawhale
李宏毅机器学习
——task05“网络设计技巧”
由前面的学习内容知道,建立深度学习的三个步骤是①选择函数集②评估函数③选择最好的函数做完三个步骤之后会得到自己的神经网络,这时候需要检查神经网络的表现,检查哪些方面呢?1)首先是神经网络在训练集上是否得到了好的结果,如果没有,可以回顾前面的步骤进行调整和修改。2)如果在训练集上有好的效果,再看神经网络在测试集上的表现,如果在测试集上效果不好,说明网络出现了过拟合。(值得说明的是,只有当网络在训练集
山泼黛
·
2022-11-19 02:14
机器学习
网络
深度学习
datawhale
李宏毅机器学习
——task06“卷积神经网络“
卷积神经网络也就是CNN,在图像处理上有很大用处。那为什么要用CNN呢,这种网络相比其他网络有什么得天独厚的优势吗?拿前面提到的很经典的多层前馈神经网络来说,这个网络很重要的一点是后一层与前一层全连接。而神经元与神经元之间连接会有权重参数,这样一来,一张几百个像素点的小尺寸相片也需要几千个参数,这样一来网络太庞杂了,很可能存在冗余。而CNN正是从这一点出发,简化原来这种全连接网络的架构。那cnn如
山泼黛
·
2022-11-19 02:14
机器学习
cnn
人工智能
datawhale
李宏毅机器学习
——task03“误差和梯度下降”
误差:模型越复杂,平均误差反而越大。这种error的主要来源是偏差bias和方差variance。由真实数据训练得到的模型与理想模型之间存在的差距就算是偏差和方差导致的。不同模型的偏差和方差不同。偏差大说明欠拟合。方差大说明过拟合。因此需要在偏差和方差之间权衡一个模型,使得总误差最小。可以通过交叉验证或者n折交叉验证得到的准确率来选择。梯度下降法:这是一种更新参数值的方法。就是每次更新的幅度,由当
山泼黛
·
2022-11-19 02:44
机器学习
人工智能
深度学习
datawhale
李宏毅机器学习
打卡—task01“机器学习介绍”
首先,什么是机器学习?机器学习是做什么的?机器学习通过哪些方法来完成想要的目标?机器学习是为了实现人工智能而设计的一种让机器自主学习的方法。传统的人工智能,只是给机器设定简单的程序,在不同的条件下执行不同的输出。这种“智能”很僵硬,没有人类智慧的属性在。因此提出了机器学习,让机器可以像人一样,从认识的事物(一大堆数据)中学习到知识。那机器如何做到这些呢?或者说怎么做呢?首先要明确机器要解决的任务,
山泼黛
·
2022-11-19 02:43
机器学习
人工智能
datawhale
李宏毅机器学习
打卡——task02“回归”
学习任何知识,最好带着思考和疑问主动地去学,这样能更好地将知识内化,从而学以致用。回归。什么是回归?为什么要回归?如何做到回归?(纵观这一小节,其实就是分这两大块展开讲的)回归按我的理解就是一种找到数学加工厂,你把数据样本的特征给它,它就会吐出一个你想要的值。视频中也是这么讲的,回归就是找到一个function,输入样本特征x,这个function会输出一个数值scalar。为什么要费劲找这样的f
山泼黛
·
2022-11-19 02:43
机器学习
回归
人工智能
【
李宏毅机器学习
2021】Task02 回归
【
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。本次是对回归的学习总结。本节通过视频学习到回归任务的提出,三个要素,及如何优化。
王多头发
·
2022-11-19 02:02
机器学习
回归
人工智能
李宏毅机器学习
<Datawhale task3学习笔记>
文章目录一、误差从哪里来?1,Bias2,Variance二,减小误差1,variance的场合2,bias的场合3,实操时...三,梯度下降1,注意事项与优化①Adagrad②stochasticgradientdecent(随机梯度下降)③FeatureScaling④FormalDerivation2,限制一、误差从哪里来?1,Biasμ:无穷个数据的平均值m:有限个数据的平均值n越多时,值
混沌乌龙茶
·
2022-11-19 02:31
机器学习
学习
深度学习
李宏毅机器学习
<Datawhale task2学习笔记>
文章目录回归(Regression)一,模型假设二,模型评估三,模型优化具体步骤衡量error过拟合redesignregularization总结回归(Regression)一,模型假设有很多因素会决定我们想要的问题的答案。因此我们想要找到一个function,输入已知的影响因素的值(特征input),输出我们想要的数值output。例:recommendation(ytb,tiktok,etc
混沌乌龙茶
·
2022-11-19 02:01
机器学习
学习
深度学习
Datawhale
李宏毅机器学习
Task1
李宏毅机器学习
1.引入引入:生物本能思考:如何赋予机器本能?2.机器学习Framework3.机器学习相关技术4.为什么要做机器学习?1.引入引入:生物本能河狸筑造水坝的能力思考:如何赋予机器本能?
STUffT
·
2022-11-19 02:27
Datawhale
组队学习
#
李宏毅机器学习
人工智能
深度学习
2020
李宏毅机器学习
笔记-Condition Generation by RNN&Attention
目录概述1.Generation1.1ConditionalGeneration2.Attention2.1DynamicConditionalGeneration2.2MachineTranslation2.3ImageCaptionGeneration2.4MemoryNetwork3.TipsforGeneration3.1Attention的正则化3.2MismatchbetweenTra
ZN_daydayup
·
2022-11-18 11:14
机器学习
深度学习
人工智能
李宏毅机器学习
课程-RNN与LSTM0303
B站李宏毅2021春机器学习课程P36P37目录1、RNN2、RNN类型3、LSTM4、RNN不好训练的原因5、LSTM能解决gradientvanishing梯度消失6、CTC1、RNN2、RNN类型3、LSTM长短期记忆(Longshort-termmemory,LSTM)是一种特殊的RNN,主要是为了解决长序列训练过程中的梯度消失和梯度爆炸问题。简单来说,就是相比普通的RNN,LSTM能够在
cq-lc
·
2022-11-18 11:13
机器学习
人工智能
李宏毅机器学习
-卷积神经网络
文章目录写在前面为什么用CNNProperty1:SmallRegionProperty2:SamePatternsProperty3:SubsamplingCNN架构结构简介Convolution一些卷积层的基本概念Property1Property2convolution和fullyconnected之间的关系激活函数RelUMaxPooling池化层的基本概念MaxPooling的步骤Fla
Tongsen99
·
2022-11-18 11:13
cnn
机器学习
深度学习
李宏毅机器学习
2022-hw2
系列文章目录李宏毅ML-2021hw1文章目录系列文章目录问题概述实验部分SimpleBaseline(acc>0.45797)MediumBaseline(acc>0.69747)StrongBaseline(acc>0.75028)BossBaseline(acc>0.82324)ReportQuestions总结对于train_ratio的划分问题概述这个问题刚开始读了好久才读懂…记录一下这
sama_AA
·
2022-11-18 11:41
李宏毅机器学习hw
机器学习
深度学习
人工智能
李宏毅机器学习
-- RNN
RNN的关键点:具有记忆性,按照时间节点不同的输入训练按照时间进行,并参照上一次的训练结果有不同的RNN结构Elman结构将hidden的结果存储并用于下一次计算Jordan结构将最终的输出存储并用于下一次计算双向网络LSTM(longshort-termmemory)具体运算如下:假设输入时z,其他的操控的输入分布式zi,zo,zf当采用sigmoid函数时,根据其输出的0或1,得到是否改变存储
snowflier
·
2022-11-18 11:41
李宏毅机器学习
机器学习
rnn
深度学习
李宏毅2020作业4---RNN
其他作业指路:⭐
李宏毅机器学习
2020作业汇总目录==作业说明====数据说明====原理==*LSTM*==参考内容==作业说明通过RNN进行情感分析,给定一个句子,判断这个句子是负or正面输入:英文句子输出
浪里摸鱼
·
2022-11-18 11:41
#
李宏毅深度学习作业
李宏毅
深度学习
rnn
2022
李宏毅机器学习
深度学习学习笔记第二周--RNN
文章目录摘要一、RNN(recurrentneuralnetwork)循环神经网络RNN的提出bidirectionalRNN双向循环网络LongShort-termMemory(LSTM)长短时记忆网络二、RNN的详细讲述梯度消失问题RNNapplication总结摘要本文介绍了循环神经网络以及长短时记忆网络,分析RNN在训练时会出现梯度消失和梯度爆炸的问题,以及该问题的解决方法;最后讲了一些R
hehehe2022
·
2022-11-18 11:11
机器学习
深度学习
学习
李宏毅机器学习
之RNN
一、应用举例SlotFilling假设订票系统听到用户说:“iwouldliketoarriveTaipeionNovember2nd”,你的系统有一些slot(有一个slot叫做Destination,一个slot叫做timeofarrival),系统要自动知道这边的每一个词汇是属于哪一个slot,比如Taipei属于Destination这个slot,November2nd属于timeofar
哈哈哈捧场王
·
2022-11-18 11:40
机器学习&深度学习
李宏毅机器学习
笔记5--RNN
其实感觉课程中关于RNN这部分讲的不是很细,很多都是泛泛而谈大体的框架,有点晕……RNN引入RecurrentNeuralNetwork搭建的目的是为了使神经网络有一定记忆,可以储存之前的输入,这对对话系统、机器翻译等等有很大帮助。见下图RNN神经元工作示意图:一个RNN神经元在第一个word输入后除去输出相应值,还会将隐藏层信息(Elman)或者输出层信息(Jordan)储存起来等待下次输入。这
Zach要努力
·
2022-11-18 11:07
#
李宏毅课程笔记
神经网络
深度学习
机器学习
李宏毅机器学习
笔记12:RNN(2)
RecurrentNeuralNetwork(Ⅱ)上一篇文章介绍了RNN的基本架构,像这么复杂的结构,我们该如何训练呢?1.LossFunction依旧是SlotFilling的例子,我们需要把model的输出yiy^iyi与映射到slot的referencevector求交叉熵,比如“Taipei”对应到的是“dest”这个slot,则referencevector在“dest”位置上值为1,其
chairon
·
2022-11-18 11:07
李宏毅机器学习
人工智能
深度学习
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
卷积神经网络预测面部表情
神经网络
深度学习
人工智能
pytorch
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
李宏毅机器学习
深度学习
机器学习
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
李宏毅机器学习作业
机器学习
深度学习
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
机器学习
人工智能
上一页
6
7
8
9
10
11
12
13
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