CH4-李宏毅机器学习第13页

李宏毅机器学习笔记：GAN

前言主要记录李宏毅机器学习2021中介绍GAN部分的笔记，从GAN的发展开始到GAN的基本理论再到GAN生成的评价方法最后到介绍流行的GAN方法。

YuriFan·2022-06-18 07:55

李宏毅老师机器学习课程笔记_ML Lecture 0-1: Introduction of Machine Learning

视频链接（bilibili）：李宏毅机器学习(2017)另外已经有有心的同学做了速记并更新在github上：李宏毅机器学习笔记(LeeML-Notes)所以，接下来我的笔记只记录一些我自己的总结和听课当时的

leogoforit·2022-06-18 07:47

李宏毅机器学习课程笔记

李宏毅机器学习课程笔记，持续更新~1.ConvolutionalNeuralNetwork2.RecurrentNeuralNetwork3.GraphNeuralNetwork4.GenerativeAdversarialNetwork5

哎呦茶叶蛋·2022-06-18 07:16

李宏毅机器学习笔记1--线性回归

课程第一部分讲的是关于线性回归和梯度下降的基本知识，虽然这部分比较容易理解，但还是有不少需要注意的点。模型创建在课程开始的时候老师便提到模型创建的流程：ModelGoodnessofFucntionBestFunctionModel这里模型选择比较简单，选择的是线性模型：y=b+∑wixiy=b+\sumw_ix_iy=b+∑wixi其中xix_ixi代表某一input，而wiw_iwi代表相应的

Zach要努力·2022-06-18 07:14

李宏毅机器学习GAN的笔记

笔记仅供参考，加入了很多自己的理解Generatorz和x以一定的方式作用，不一定是直接相加相当于这个network是一个两输入（x和noise）的网络，这种network称作一个generator让输出是有概率的，即加入一个randomdistribution让输出变成一个distribution这样的话就是说要让这个network有一定的创造力，因为输出的值是不一定的GAN先不看x从z里面sa

XiaoQiXiaoWei_J·2022-06-18 07:43

李宏毅机器学习2016 第十一讲半监督学习

视频链接：李宏毅机器学习(2016)(11)_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

Joe-Peng_hitsz·2022-06-07 07:37

李宏毅机器学习总结

人工智能与机器学习与深度学习之间的关系机器学习的三类任务第一类是无监督学习，指的是从信息出发自动寻找规律，并将其分成各种类别，有时也称"聚类问题"。第二类是监督学习，监督学习指的是给历史一个标签，运用模型预测结果。如有一个水果，我们根据水果的形状和颜色去判断到底是香蕉还是苹果，这就是一个监督学习的例子。最后一类为强化学习，是指可以用来支持人们去做决策和规划的一个学习方式，它是对人的一些动作、行为产

梦码城·2022-06-07 07:36

AIstudio——李宏毅机器学习课程记录（一、机器学习介绍）

什么是机器学习？人工智慧（目标）：简单的定义，就是让机器拥有学习的能力。而其中的机器学习，就是实现人工智慧的手段；深度学习，则是机器学习的其中一种方法。对于一款智能产品（比如聊天机器人），假设采用传统的特征定义的方法去创建，其设计结构可能是这样：if(Humansay"PleaseurnontheMusic"):turnOntheMusic();这样设计的弊端是显而易见的：语言表达的复杂性，使得设

假面骑士Quit·2022-06-07 07:33

李宏毅机器学习课程梳理【七】：深度神经网络优化方法与卷积神经网络

文章目录摘要1优化在TrainingSet上无法得到理想结果的问题1.1ReLU1.2Maxout1.3RMSProp1.4Momentum1.5Adam2优化在TrainingSet上结果好却在TestingSet上结果差的问题2.1EarlyStopping2.2Regularization2.3Dropout3ConvolutionalNeuralNetwork3.1何为CNN3.2CNN架

-Emmie·2022-06-07 07:33

李宏毅机器学习Task06

写在正文前：卷积神经网络早有耳闻，但是本次的任务我觉得是我到现在为止最难理解的，这3天的时间我觉得仅仅能够看个皮毛，很多内部的东西都没搞懂。卷积神经网络图像识别中的卷积神经网络图像识别问题：输入一张图片，将这张图片表示成里面的像素，也就是很长很长的向量，然后输出这种图片的类型。根据神经网络的特性，我们期待说每一层都在做一种分类，比如说第一层的神经元完成最简单的分类工作，比如有没有颜色，有没有黄色，

天气冷冷的_ncepu·2022-06-07 07:31

李宏毅机器学习笔记：机器学习介绍

前言本文记录了关于机器学习的基本介绍，机器学习的一个基本的框架以及机器学习的相关技术，并且本文是基于台湾李宏毅机器学习课程的基础上所做的笔记。

YuriFan·2022-06-07 07:01

李宏毅机器学习（一）基本概念介绍

学习内容这是第二次看机器学习的内容，所以这里主要记录的是让我印象深刻的知识点；但是有两个问题：deep？为什么不是越深越好？fat？为什么要套娃，我们只需要将多个sigmoid并排不就好了吗？因为我需要的就是y=constant+sum（蓝线）深度学习的类别输入可以是当前的特征；各种条件；回归：函数输出一个标量；分类：给出一堆类别，函数需要根据某个物体的所有特征输出它属于的一个标签；比如垃圾邮件；

追赶早晨·2022-06-07 07:58

2021李宏毅机器学习笔记--11 explainable ML

2021李宏毅机器学习笔记--11explainableML摘要一、局部可解释性1.1基本思想1.2移除组成要素1.3改变组成要素1.4局限性1.5实例（pokemonvsdigimon）二、全局可解释性

guoxinxin0605·2022-06-07 07:21

李宏毅机器学习笔记4 -- DNN训练

李宏毅课程中关于Tipsofdeeplearning这部分讲的知识点比较多而且很细节。其中的dropout、ReLU等等很早就使用了，但是其中的细节却一直没有注意，这里总结一下课程中的知识，趁机巩固一下基础。开篇作者主要介绍了五部分，针对的是训练集表现不好即以测试集（验证集）表现不好（过拟合）两个问题。训练集表现不好当模型在训练集表现不好时，有可能是模型复杂度不够，但是在DeepLearning中

Zach要努力·2022-06-07 07:16

李宏毅机器学习课程总结(1)

回归(Regression)回归是一种数学模型，主要用于分析因变量与自变量之间的函数关系，如果因变量和自变量之间的关系是线性关系，那么该回归就是线性回归。在机器学习领域，回归的主要功能是预测，即通过使用在已知的数据集上训练并总结出来的因变量与自变量之间的函数规律，对未知的或没有统计到的数据进行预测推断。主要应用场景在：股市预测、自动驾驶和推荐系统等。在课程中李宏毅老师用预测宝可梦进化后的CP值进行

雨中烟花00·2022-06-07 07:12

2020李宏毅机器学习笔记——25. GAN（生成对抗网络）

GenerativeAdversarialNetwork(生成对抗网络)文章目录摘要0引言1.BasicIdeaofGAN（GAN的基本思想）1.1Generation（生成）1.2Discriminator（判别器）1.3生成器和判别器的关系1.4Algorithm2.GANasstructuredlearning2.1什么是StructuredLearning？2.2WhyStructured

HSR CatcousCherishes·2022-06-05 08:12

李宏毅机器学习 HW1批注版

Homework1:COVID-19casespredictionby熠熠发光的白来源网址：https://colab.research.google.com/github/ga642381/ML2021-Spring/blob/main/HW01/HW01.ipynbDataparttr_path='covid.train.csv'#pathtotrainingdatatt_path='covi

熠熠发光的白·2022-06-03 07:05

李宏毅机器学习-HomeWork_01

Homework_01主要涉及的用DeepNeuralNetworks（DNN）处理线性回归问题，更新参数的方法是梯度下降法。是对COVID-19的结果预测，以下附上GoogleColab代码链接。https://colab.research.google.com/drive/1FzqsOU6NIydOz09FMshp9dDJ14gFJTtC#scrollTo=GrEbUxazQAAZhttps:

Oxygen H2O·2022-06-03 07:18

深度学习中的优化算法串讲

如果尚未了解，可以查看我另外的文章《李宏毅机器学习2021》，《Python神经网络编程》。

微笑小星·2022-05-31 07:58

李宏毅机器学习作业二

前言第二个作业是年收入判断，任务是做一个线性二元分类器，根据人们的个人资料来判断其年收入是否高于50000美元。这里用了逻辑回归和概率生成模型两种方法。数据集有X_train,Y_train,X_test三个文件。这三个文件是老师事先帮我们将数据整理成csv格式并且全都是数字的数据。X_train、X_test：每一行包含一个510-dim的特征，代表一个样本。Y_train:label=0表示"

qq_37195826·2022-05-30 09:18

李宏毅机器学习作业2——Classification

作业要求作业要求：根据收集来的资料，判断每个人其年收入是否高于50000美元，用Logisticregression和Generativemodel两种方法来实现用到的数据点击下载,确保有六个文件。点击没反应的，请在新标签页打开链接也可以看这里：Homework2-ClassificationLogisticregression现在开始跟着我一步步copy~~开始之前导入需要用到的库：numpy:

迷雾总会解·2022-05-30 09:18

李宏毅机器学习特训营机器学习作业2-年收入判断

目录项目描述数据集介绍项目要求logisticregression对数据进行标准化z-scorenormalization的想法Porbabilisticgenerativemodel总结可以学习课程内容李宏毅机器学习特训营项目描述二元分类是机器学习中最基础的问题之一

bianhuaHYQ·2022-05-30 09:17

李宏毅机器学习笔记：卷积神经网络

李宏毅机器学习笔记—卷积神经网络这个笔记是Datawhale基于李宏毅老师的机器学习课程而整理的，侵删。

黄波波19·2022-05-20 07:05

李宏毅机器学习笔记L3 卷积神经网络

L3卷积神经网络by熠熠发光的白CNN架构介绍将图片每一个类别都表示成one-hot，例如猫的话对应猫的dimension是1，其余都是0，主要种类长度也就对应了dimension的长度。在模型输出后经过softmax得到的y’要和y^\hatyy^相同一张图片是三维的tensor（宽，高，channel（RGB）），将三维的Tensor拉直，也就能作为network的输入例如对于100×100×

熠熠发光的白·2022-05-20 07:35

李宏毅机器学习笔记06-卷积神经网络

为什么用CNN我们都知道CNN常常被用在影像处理上，如果你今天用CNN来做影像处理，当然也可以用一般的neuralnetwork来做影像处理，不一定要用CNN。比如说你想要做影像的分类，那么你就是training一个neuralnetwork,input一张图片，那么你就把这张图片表示成里面的pixel，也就是很长很长的vector。output就是(假如你有1000个类别，output就是100

hifuture_·2022-05-20 07:00

李宏毅机器学习(6)-卷积神经网络

本次学习课程讲述了深度学习中的基础内容——卷积神经网络CNN。首先分别从Smallregion、SamePattern和Subsamping三个角度引入CNN的设计思路；接着详细介绍了CNN的架构，Convolutional、MaxPooling和Flatten，并通过Keras代码简单实现了CNN；同时从形象意义上分析了CNN到底从图像中学习到了什么东西；最后讲述了CNN的一些典型应用，例如围棋

ATMh__zhang·2022-05-20 07:29

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

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

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

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

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

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

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

【自然语言处理】self-attention和Transformer的详解

本文主要对李宏毅机器学习的课程进行了简单的总结。

Katherine121·2022-03-27 07:27

李宏毅机器学习2022春季-第一课

李宏毅2022年的课程内容与2021年类似，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），另外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）。目前第一课视频和作业一代码已经分别放到了b站视频号（机器学习手艺人）和github（机器学习手艺人）。作业一需要去googledrive或kaggle下载代码和训练数据集资料，不会使用科学上网梯子的同学请关注本公

机器学习手艺人·2022-03-03 07:13

推荐频道

CH4-李宏毅机器学习