Datawhale开源学习

Task06：基于图神经网络的图表征学习方法

Task06：基于图神经网络的图表征学习方法本文参考datawhale开源学习资料一、基于图同构网络（GIN）的图表征网络的实现1.GINConv–图同构卷积层提出图同构网络的论文是：HowPowerfulareGraphNeuralNetworks
idruglab.com·2023-01-31 12:03

Datawhale GNN组队学习-Task 06

基于图神经网络的图表征学习方法概述GNN目前主流的做法是递归迭代聚合一阶邻域表征来更新节点表征，如[[GCN]]和[[GraphSAGE]]，但这些方法大多是经验主义，缺乏理论去理解GNN到底做了什么，还有什么改进空间。HowPowerfulareGraphNeuralNetworks?本文基于Weisfeiler-Lehman(WL)test视角理论分析了GNN，包括：分析了GNN做了什么？在什
lingwenzhenjun·2023-01-31 12:02

Datawhale GNN组队学习-Task 07

超大规模数据集类的创建在一些应用场景中，数据集规模超级大，我们很难有足够大的内存完全存下所有数据。因此需要一个按需加载样本到内存的数据集类。Dataset基类简介在PyG中，我们通过继承torch_geometric.data.Dataset基类来自定义一个按需加载样本到内存的数据集类。此基类与Torchvision的Dataset类的概念密切相关，这与第6节中介绍的torch_geometric
lingwenzhenjun·2023-01-31 12:32

BERT模型的优化改进方法！

Datawhale干货来源：Coggle数据科学本文为论文《BERT模型的主要优化改进方法研究综述》的阅读笔记，对BERT主要优化改进方法进行了研究梳理。
Datawhale·2023-01-31 11:42

2021-10-11Datawhale深入浅出PyTorch笔记：PyTorch简介与安装

PyTorch简介1.1.1PyTorch的介绍PyTorch是由Facebook人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的深度学习库，目前被广泛应用于学术界和工业界，而随着Caffe2项目并入Pytorch，Pytorch开始影响到TensorFlow在深度学习应用框架领域的地位。总的来说，PyTorch是当前难得的简洁优雅且高效快速的框架。因此本课程我们选择了P
JeffDingAI·2023-01-31 11:07

Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增

图像读取1.pillowPillow是Python图像处理函式库(PIL）的一个分支。Pillow提供了常见的图像读取和处理的操作，而且可以与ipythonnotebook无缝集成，是应用比较广泛的库。pillow官方文档2.opencvOpenCV是一个跨平台的计算机视觉库，最早由Intel开源得来。OpenCV发展的非常早，拥有众多的计算机视觉、数字图像处理和机器视觉等功能。OpenCV在功能
咕咕咕咕咯咯·2023-01-31 10:30

【DATAWHALE 第六章：决胜秋招】

DATAWHALE第六章：决胜秋招一、练习一：各部门工资最高的员工（难度：中等）1.创建Employee表，包含所有员工信息，每个员工有其对应的Id,salary和departmentId2.创建Department
beckygong001·2023-01-31 09:24

Datawhale 深入浅出Pytorch【第七章：PyTorch可视化】

第七章：PyTorch可视化一、网络结构可视化1.Torchvision可视化二、CNN可视化1.可视化CNN卷积核的方法2.可视化CNN特征图的方法--HOOK可视化CNN显著图（classactivationmap)三、使用TensorBoard完成训练过程可视化TensorBoard模型结构可视化TensorBoard图像可视化TensorBoard连续变量可视化TensorBoard参数分
beckygong001·2023-01-31 09:54

Datawhale 深入浅出Pytorch【第五章：Pytorch模型的定义】

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档第五章：Pytorch模型的定义前言一、模型定义方式二、如何利用模型块快速搭建复杂网络三、模型修改四、模型保存与读取前言本章将结合U-Net模型和torchvision预定义的ResNet模型来探索Pytorch的模型定义方式和训练技巧。一、模型定义方式这里的话，李老师给我们定义了一下模型的三种方式：Sequential,Module
beckygong001·2023-01-31 09:53

【DataWhale组队学习】MySQL学习笔记

目录学习计划0、环境搭建1、认识数据库和SQL2、SELECT有关的语句4、集合计算————分割线————学习计划主要教程：Docs(feishu.cn)0、环境搭建1、认识数据库和SQL1.1基础语法1.2基础操作--创建本课程用到的数据库CREATEDATABASEshop;--创建本课程用到的商品表CREATETABLEproduct(product_idCHAR(4)NOTNULL,pro
Ninee123·2023-01-31 09:23

Datawhale 深入浅出Pytorch【第三~四章：Pytorch模块和基础实践】

Pytorch主要组成模块前言深度学习基础知识神经网络学习步骤Pytorch深度学习模块基本配置数据读入模型构建损失函数优化器训练与评估总结前言预期完成本课后可以使用Pytorch完成简单的图像分类任务。深度学习基础知识神经网络学习步骤模型设计：模型有多少层，每个层有多少个节点；损失函数和优化方案设计前向传播：把数据传入模型，在输出层得到结果，计算损失函数。方向传播：把损失函数方向传播到模型，用来
beckygong001·2023-01-31 09:53

DATAWHALE 第45期组队学习__图像分类模型部署

ONNX-ONNXRuntime部署一、部署ImageNet预训练图像分类模型1.导出ONNX模型：导入工具包Pytorch模型转ONNX模型二、推理引擎ONNXRuntime部署-预测摄像头实时画面1.导入工具包2.载入onnx模型，获取ONNXRuntime推理器3.载入ImageNet1000图像分类标签和图像预处理4.获取摄像头的一帧画面5.将预测结果可视化在拍摄的图片上总结一、部署Ima
beckygong001·2023-01-31 09:51

七、图像分类模型的部署（Datawhale组队学习）

文章目录前言ONNX简介应用场景部署ImageNet预训练图像分类模型导出ONNX模型推理引擎ONNXRuntime部署-预测单张图像前期准备ONNXRuntime预测推理引擎ONNXRuntime部署-ImageNet预训练图像分类模型预测摄像头实时画面前期准备预测摄像头的一帧画面预测摄像头实时画面部署自己训练的图像分类模型导出ONNX模型推理引擎ONNXRuntime部署-预测单张图像ONNX
卡拉比丘流形·2023-01-30 16:55

【NLP】图解 Attention完整版

译者：张贤，哈尔滨工程大学，Datawhale原创作者本文约4000字，建议阅读11分钟审稿人：Jepson，Datawhale成员，毕业于中国科学院，目前在腾讯从事推荐算法工作。
风度78·2023-01-30 16:23

PyTorch图像分类实战（Datawhale）Task3：迁移学习微调训练

迁移学习微调训练迁移学习微调训练**迁移学习微调训练**1.数据集预处理1.1图像预处理1.2载入图像分类数据集2.定义训练参数2.1定义数据加载器2.2batch数据预览2.3训练策略设置3.训练监控3.1训练日志记录3.2训练日志可视化3.3创建wandb可视化项目4.总结与扩展4.1注意事项4.2创新点展望4.3扩展阅读4.4训练好图像分类模型之后，做什么？本章节内容为基于基础模型以及相关公
北海虽赊，扶摇可接·2023-01-30 09:05

机器学习笔记3

p=8学习Datawhale整理笔记https://datawhalechina.github.io/Leeml-Book/#/chapter
trying52·2023-01-29 18:05

透过面试题掌握HashMap【持续更新中】

本文已收录到1.1KStar数开源学习指南——《大厂面试指北》，如果想要了解更多大厂面试相关的内容及获取《大厂面试指北》离线PDF版，请扫描下方二维码码关注公众号“大厂面试”，谢谢大家了！
NotFound9·2023-01-29 15:53

【Datawhale数据可视化组队学习】Task01 - Matplotlib初相识

【课程介绍】Datawhale开源教程链接：https://github.com/datawhalechina/fantastic-matplotlib本项目重点在两个层面帮助读者构建matplotlib
听小瑜·2023-01-29 13:29

Day07-集成学习-机器学习-投票法(DataWhale)

一、投票法1.1介绍原理遵循少数服从多数原则，通过多个模型的集成降低方差。理想情况，投票法的预测效果优于任何一个基模型的预测结果分类回归投票法：预测结果是所有模型预测结果的平均值分类投票法：预测结果是所有模型中出现最多的预测结果硬投票：所有投票结果出现最多的类软投票：所有投票结果中概率和平均最大的类原则想要投票法产生较好的结果，需要满足:基模型之间的效果不能差别很大。当某个模型相对于其他基模型效果
liying_tt·2023-01-29 13:18

LogicFlow自定义业务节点

同时我信奉分享是成长的唯一捷径，在这里也希望我的每一篇文章都能成为你技术落地的参考~技术&代码分享我在IT200总结技术学习；我在1024Code在线编写代码；我在掘金分享技术文章；我在Github参与开源学习
·2023-01-29 11:29

LogicFlow内置菜单插件

同时我信奉分享是成长的唯一捷径，在这里也希望我的每一篇文章都能成为你技术落地的参考~技术&代码分享我在IT200总结技术学习；我在1024Code在线编写代码；我在掘金分享技术文章；我在Github参与开源学习
·2023-01-29 11:28

LogicFlow自定义业务节点

同时我信奉分享是成长的唯一捷径，在这里也希望我的每一篇文章都能成为你技术落地的参考~技术&代码分享我在IT200总结技术学习；我在1024Code在线编写代码；我在掘金分享技术文章；我在Github参与开源学习
·2023-01-29 11:28

LogicFlow内置插件使用

同时我信奉分享是成长的唯一捷径，在这里也希望我的每一篇文章都能成为你技术落地的参考~技术&代码分享我在IT200总结技术学习；我在1024Code在线编写代码；我在掘金分享技术文章；我在Github参与开源学习
·2023-01-29 11:27

LogicFlow更多配置选项

同时我信奉分享是成长的唯一捷径，在这里也希望我的每一篇文章都能成为你技术落地的参考~技术&代码分享我在IT200总结技术学习；我在1024Code在线编写代码；我在掘金分享技术文章；我在Github参与开源学习
·2023-01-29 11:27

LogicFlow自定义边（Edge）

同时我信奉分享是成长的唯一捷径，在这里也希望我的每一篇文章都能成为你技术落地的参考~技术&代码分享我在IT200总结技术学习；我在1024Code在线编写代码；我在掘金分享技术文章；我在Github参与开源学习
·2023-01-29 11:27

LogicFlow安装与准备工作

同时我信奉分享是成长的唯一捷径，在这里也希望我的每一篇文章都能成为你技术落地的参考~技术&代码分享我在IT200总结技术学习；我在1024Code在线编写代码；我在掘金分享技术文章；我在Github参与开源学习
·2023-01-29 11:25

LogicFlow插件用前准备

同时我信奉分享是成长的唯一捷径，在这里也希望我的每一篇文章都能成为你技术落地的参考~技术&代码分享我在IT200总结技术学习；我在1024Code在线编写代码；我在掘金分享技术文章；我在Github参与开源学习
·2023-01-29 11:25

数据维度爆炸怎么办？详解 5 大常用的特征选择方法

转自|DataWhale在许多机器学习相关的书里，很难找到关于特征选择的内容，因为特征选择要解决的问题往往被视为机器学习的一个子模块，一般不会单独拿出来讨论。
机器学习算法那些事·2023-01-29 11:34

数据维度爆炸怎么办？详解5大常用的特征选择方法

Datawhale干货作者：EdwinJarvis，cnblog博客整理在许多机器学习相关的书里，很难找到关于特征选择的内容，因为特征选择要解决的问题往往被视为机器学习的一个子模块，一般不会单独拿出来讨论
数据分析v·2023-01-29 11:04

DataWhale 第17期组队学习经验分享(IV)2020-09-24

4.1学习目标学习在金融分控领域常用的机器学习模型学习机器学习模型的建模过程与调参流程完成相应学习打卡任务4.2内容介绍逻辑回归模型：理解逻辑回归模型；逻辑回归模型的应用；逻辑回归的优缺点；树模型：理解树模型；树模型的应用；树模型的优缺点；集成模型基于bagging思想的集成模型随机森林模型基于boosting思想的集成模型XGBoost模型LightGBM模型CatBoost模型模型对比与性能评
華麗過去了會灰到記起·2023-01-29 03:06

文件自动化处理与邮件批量处理

又一次参加datawhale的组队学习，这次对python办公自动化比较感兴趣，所以就参与了这一期的学习。由于python基础比较好，所以对于task01的内容还是轻松的学习通过的。
蔓藤树下的甜蜜·2023-01-28 19:57

太赞了！机器学习基础核心算法：贝叶斯分类！(附西瓜书案例及代码实现)

Datawhale作者：尹晓丹，Datawhale优秀学习者寄语：首先，简单介绍了生成模型和判别模型，对条件概率、先验概率和后验概率进行了总结；其次，对朴素贝叶斯的原理及公式推导做了详细解读；再次，对三种可能遇到的问题进行了解析
机器学习算法那些事·2023-01-28 15:29

import numpy as np_这100道练习，带你玩转Numpy

本文授权转载自Datawhale禁止二次转载大家好，我是老表阅读文本大概需要30分钟DatawhaleDatawhale，和鲸社区编辑Numpy是Python做数据分析所必须要掌握的基础库之一。
weixin_39712969·2023-01-28 10:53

Datawhale 202301 设计模式 | 第二章 人工智能 现代方法 智能体

智能体和环境理性智能体(rationalagent)需要为取得最佳结果或在存在不确定性时取得最佳期望结果而采取行动。任何通过传感器(sensor)感知环境(environment)并通过执行器(actuator)作用于该环境的事物都可以被视为智能体(agent)。行为理性智能体(rationalagent)是做正确事情的事物，人工智能通常坚持一种称为结果主义(consequentialism)的概
o0卤化氢0o·2023-01-27 12:23

Datawhale 202301 设计模式 | 人工智能 现代方法 习题

Exercise1绪论Q：用您自己的话来定义：（a）智能，（b）人工智能，（c）智能体，（d）理性，（e）逻辑推理。A：智能：人工智能：(artificialintelligence，AI)领域不仅涉及理解，还涉及构建智能实体。这些智能实体机器需要在各种各样新奇的情况下，计算如何有效和安全地行动。（我们研究的智能偏向理性智能体）智能体：某种能够采取行动的东西；理性：逻辑推理：Q：阅读图灵关于AIT
o0卤化氢0o·2023-01-27 12:23

Datawhale 202301 设计模式 | 第一章 人工智能 现代方法 绪论（基础）

对智能体的研究：智能体(intelligentagent)贯穿整个主题思想，我们将人工智能定义为对从环境中接收感知并执行动作的智能体的研究，每个这样的智能体都要实现一个将感知序列映射为动作的函数人工智能基础什么是人工智能：人工智能的基础：人工智能的历史人工智能的风险和收益什么是人工智能：人工智能(artificialintelligence，AI)领域不仅涉及理解，还涉及构建智能实体。这些智能实体
o0卤化氢0o·2023-01-27 12:22

PyTorch图像分类实战（Datawhale）Task2：预训练模型预测

预训练模型预测参考资料：同济子豪兄教学视频：https://space.bilibili.com/1900783/channel/collectiondetail?sid=606800（P2）项目代码：https://github.com/TommyZihao/Train_Custom_Dataset预训练模型预测**预训练模型预测**1.图像检测1.1.图像预处理1.2.图像类别预测1.3.预测
北海虽赊，扶摇可接·2023-01-27 12:52

Datawhale 202112 - Linux学习 01

任务1：使用命令行登录指定的Linux环境任务要点：ssh登录、密码输入、环境配置Step1:使用安装过ssh的计算机Step2:通过ssh命令输入（ssh用户名@IP密码）补充资料：安装ssh1,安装ssh2任务2：在目录下创建文件夹、删除文件夹任务要点：创建文件夹、创建文件、删除文件、删除文件夹Step1:创建文件夹mkdirShawnHooStep2:进入文件夹cdShawnHoo，创建文件
o0卤化氢0o·2023-01-27 12:52

PyTorch图像分类实战（Datawhale）Task1：构建自己的图像分类数据

构建自己的图像分类数据参考资料：同济子豪兄教学视频：https://space.bilibili.com/1900783/channel/collectiondetail?sid=606800项目代码：https://github.com/TommyZihao/Train_Custom_Dataset本章节内容主要讲述应用于图像分类数据集的收集处理，主要包含数据收集、数据清洗、以及数据集划分和数据
北海虽赊，扶摇可接·2023-01-27 12:22

【Datawhale 组队学习Pytorch】Task01 Pytorch安装和基础知识

【项目简介】PyTorch是利用深度学习进行数据科学研究的重要工具，在灵活性、可读性和性能上都具备相当的优势，近年来已成为学术界实现深度学习算法最常用的框架。考虑到PyTorch的学习兼具理论储备和动手训练，两手都要抓两手都要硬的特点，我们开发了《深入浅出PyTorch》课程，期望以组队学习的形式，帮助大家从入门到熟练掌握PyTorch工具，进而实现自己的深度学习算法。学习的先修要求是，会使用Py
听小瑜·2023-01-27 12:21

datawhale 10月学习——树模型与集成学习：集成模式

前情回顾决策树CART树的实现结论速递本章节从误差的来源入手，结合数学公式推导，了解了集成模型的目的，随后学习了集成学习的几种方法，分别是基础的bagging和boosting，还有stacking和blending，并对stacking进行了代码实现。对思考题的解答融入在了笔记中。本文索引前情回顾结论速递1集成的目的1.1误差的来源1.2方差和偏差1.3集成的意义2bagging和boostin
SheltonXiao·2023-01-27 12:21

Datawhale团队第八期录取名单！

Datawhale团队公示：Datawhale团队成员Datawhale成立三年多了，从一开始的12个人，学习互助，到提议建立开源组织，做更多开源的事情，帮助更多学习者，也促使我们更好地成长。
Datawhale·2023-01-27 12:51

Datawhale-2021年10月组队学习-李宏毅机器学习打卡

Datawhale-2021年10月组队学习李宏毅机器学习打卡Task01Task02Task03李宏毅机器学习打卡Task01参照开源文档，观看视频P1-2：机器学习介绍在视频P1中，李宏毅老师对机器学习进行了整体概括性的介绍
Timothy_Liuu·2023-01-27 12:51

Datawhale学习的常见问题解答！

Datawhale干货内容：每月组队学习本文包括三类常见问题：什么是组队学习？如何报名报名后如何操作什么是组队学习Q1什么是组队学习？
Datawhale·2023-01-27 12:21

Datawhale团队第一期录取名单！

Datawhale作者：Datawhale成员Datawhale已经成立一年半了。
Datawhale·2023-01-27 12:20

第二届无线通信AI大赛全新升级！全英文双赛道，百万奖金虚席以待！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale赛事第二届无线通信AI大赛今年3月29日，2020首届无线通信AI大赛的帷幕刚刚落下，仅仅时隔3个月，第二届无线通信
Datawhale·2023-01-27 12:20

Datawhale团队第六期录取名单！

Datawhale团队公示：Datawhale团队成员Datawhale成立三年了，从一开始的12个人，学习互助，到提议建立开源组织，做更多开源的事情，帮助更多学习者，也促使我们更好地成长。
Datawhale·2023-01-27 12:20

Datawhale 202301 设计模式 | 第三章 人工智能 现代方法 搜索方法

问题求解智能体智能体可以执行以下4个阶段的问题求解过程。目标形式化(goalformulation):智能体的目标为到达Bucharest。目标通过限制智能体的目的和需要考虑的动作来组织其行为。问题形式化(problemformulation):智能体刻画实现目标所必需的状态和动作——进而得到这个世界中与实现目标相关的部分所构成的抽象模型。对智能体来说，一个好的模型应该考虑从一个城市到其相邻城市的
o0卤化氢0o·2023-01-27 12:50

[datawhale202211]跨模态神经搜索实践：前端简介 Streamlit

结论速递VCED项目使用一个十分简单好用的Web应用程序框架Streamlit。本次任务简单学习Streamlit的基本使用。并逐行阅读学习VCED项目的前端代码，学习数据的传递，中间存储方式，以及功能的实现。前情回顾环境配置Jina生态跨模态模型目录结论速递前情回顾1Streamlit1.1Streamlit简介1.2安装和使用1.2.1安装1.2.2使用2VCED项目的前端2.1使用流程2.2
SheltonXiao·2023-01-27 08:26

DataWhale task 11

LRU缓存机制importjava.util.LinkedHashMap;importjava.util.Map;classLRUCache{privateLRUcache;publicLRUCache(intcapacity){this.cache=newLRU(capacity);}publicintget(intkey){if(cache.containsKey(key)){returnca
tecmry·2023-01-27 01:40
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他