Datawhale开源学习第19页

datawhale课程《transformers入门》笔记4：BERT代码讲解

BERT代码实现文章目录1-Tokenization分词-BertTokenizer1.1Tokenization代码1.2Tokenization代码讲解2-Model-BertModel2.1BertModel前向传播过程2.2BertPreTrainedModel完整代码2.3BertEmbeddings3BertEncoder3.2BertAttention3.3BertSelfAtten

神洛华·2022-12-20 09:33

Reinforcement Learning 强化学习（一）

Task01本次学习主要参照Datawhale开源学习及强化学习蘑菇书EasyRL部分内容参考ShusenWang的github开源项目DRL。

黑小板·2022-12-20 08:50

深度学习推荐模型-DeepCrossing

GoAI·2022-12-19 12:46

2020算法工程师超实用技术路线图

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：周远，来源：机器之心这是一份写给公司算法组同事们的技术路线图，其目的主要是为大家在技术路线的成长方面提供一些方向指引

Datawhale·2022-12-19 11:25

三、CAM可解释性分析——可解释性机器学习（DataWhale组队学习）

卡拉比丘流形·2022-12-19 11:25

Tianchi发布最新AI知识树！

来源：Datawhale干货来源：Tianchi，方向：AI内容近期Tianchi开放了9大训练营、26门课程、历届大赛和7大顶会论文解读。

Python数据之道·2022-12-19 08:51

Matplotlib_one

Matplotlib_one在此借鉴datawhale的Matplotlib进行学习Matplotlib初识Matplotlib是python的2D绘图库，用来绘制静态，动态，交互式的图标。

叁..·2022-12-19 07:28

图解 Attention（完整版）！

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达Datawhale干货译者：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，

小白学视觉·2022-12-19 03:46

深度学习的发展方向：深度强化学习！

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达作者：莫凡&马晶敏，上海交通大学转载自：Datawhale深度学习不够智能，强化学习又太抽象。

小白学视觉·2022-12-18 18:21

【Datawhale可解释性机器学习笔记】CAM

CAM是什么论文：LearningDeepFeaturesforDiscriminativeLocalizationCAM全称ClassActivationMapping，既类别激活映射图，也被称为类别热力图、显著性图等。是一张和原始图片等同大小图，该图片上每个位置的像素取值范围从0到1，一般用0到255的灰度图表示。可以理解为对预测输出的贡献分布，分数越高的地方表示原始图片对应区域对网络的响应越

JeffDingAI·2022-12-18 14:15

二、ZFNet可视化卷积神经网络——可解释性机器学习（DataWhale组队学习）

目录引言ZFNet的网络结构可视化反卷积反池化反激活反卷积训练细节特征可视化特征演化特征不变性局部遮挡测试敏感性分析相关性分析消融实验宽度影响深度影响迁移学习能力有效性分析总结引言纽约大学ZFNet，2013年ImageNet图像分类竞赛冠军模型。对AlexNet进行改进的基础上，提出了一系列可视化卷积神经网络中间层特征的方法，并巧妙设置了对照消融实验，从各个角度分析卷积神经网络各层提取的特征及对

卡拉比丘流形·2022-12-18 14:41

【datawhale202203】深入浅出PyTorch：PyTorch可视化

前情回顾PyTorch的模型定义及模型搭建PyTorch进阶训练小结本节内容非常实用，涉及网络结构的可视化，卷积神经网络的可视化，以及使用tensorboard实现训练过程可视化。卷积神经网络的可视化包含卷积核，特征图，以及CAM的可视化，三者都可以用基础的代码实现，也可以调用现有的库（FlashTorch和pytorch-grad-cam实现）。tensorboard是训练过程可视化的好帮手~目

SheltonXiao·2022-12-18 13:43

[Datawhale-李宏毅机器学习-39期]-002-回归+003-误差和梯度下降+004-反向传播机制

咋说嘞，神经网络就是一个函数，拟合线性非线性的数据。改了一个小程序(代码修改自：https://blog.csdn.net/weixin_42318554/article/details/121940694)，构建了一个两层convnet和两层的mlp看看效果如何，003-是介绍了SGD的基本原理004-是介绍深度学习的相关知识有趣的点：回顾一下deeplearning的历史：1958:Perce

deyiwang89·2022-12-17 17:16

Jeff Dean长文展望：2021年后，机器学习领域的五大潜力趋势！

Datawhale干货编辑：杜伟、蛋酱，来源：机器之心2021年之后，机器学习将会对哪些领域产生前所未有的影响？在过去的数年，见证了机器学习（ML）和计算机科学领域的许多变化。

Datawhale·2022-12-17 07:23

DataWhale OpenCV -task3 彩色空间互转小白学习笔记

Datawhale计算机视觉基础-图像处理（上）-Task03彩色空间互转3.1简介图像彩色空间互转在图像处理中应用非常广泛，而且很多算法只对灰度图有效；另外，相比RGB，其他颜色空间(比如HSV、HSI

DreamStar_w·2022-12-17 05:11

DataWhale OpenCV - task5 小白学习笔记

5.1简介该部分的学习内容是对经典的阈值分割算法进行回顾，图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰

DreamStar_w·2022-12-17 05:11

【DataWhale组队学习】吃瓜教程(西瓜书+南瓜书)Task05-SVM函数间隔问题

本次任务是周志华老师《机器学习》第六章支持向量机的内容，个人觉得本章是截至目前所有章节任务中难度相对最大且花时间最多的部分，也看了不少资料（还有一部分还没看完）。目前对SVM学习过程中花费时间最多去思考的一个问题——超平面函数间隔设置为1进行整理。首先给出需要用到的数学表达式和符号：样本集，线性可分；是一个能够将正负样本恰好隔开的超平面，并且使得正样本在分隔超平面“上方”，负样本在分隔超平面“下方

哒卜琉歪歪·2022-12-16 19:41

机器学习算法备忘单！

来源：Datawhale干货作者：AnthonyBarrios，编译：追风者机器学习（ML）是人工智能（AI）和计算机科学的一个子领域，主要是利用数据和算法来模仿人的学习方式，逐步提高其准确性。

Python数据之道·2022-12-16 18:40

基于图神经网络的聚类研究与应用

Datawhale干货本文编辑：Datawhale用手机上网的时候，总有种感觉，推荐的视频是我爱看的，推荐的美食是我爱吃的，大家长的又好看，说话又好听。有时候会对自己发出灵魂拷问：难道隐私被记录了？

Datawhale·2022-12-16 10:43

【Meetup预告】OpenMLDB＋37手游：一键查收实时特征计算场景案例及进阶使用攻略

活动背景提供生产级实时数据及特征开发全栈解决方案的开源学习数据库OpenMLDB邀请到了37手游合作带来第六期Meetup分享。

第四范式开发者社区·2022-12-16 09:54

【Meetup预告】OpenMLDB＋OneFlow：链接特征工程到模型训练，加速机器学习模型开发

活动背景提供生产级实时数据及特征开发全栈解决方案的开源学习数据库OpenMLDB邀请静态编译和流式并行的深度学习框架OneFlow合作带来OpenMLDBMeetup第五期。

第四范式开发者社区·2022-12-16 09:54

广告推荐CTR点击率预测实践项目！

Datawhale干货作者：鱼佬，武汉大学硕士，Datawhale成员与报纸、杂志、电视、广播这些传统的传播媒体广告相比，新生的互联网广告拥有天然优势：它能够追踪、研究用户的偏好，并在此基础上进行精准广告推荐和营销

Datawhale·2022-12-16 02:01

DataWhale集成学习（上）——Task01

目录1.导论1.1回归1.2分类1.3无监督学习1.导论机器学习的一个重要的目标就是利用数学模型来理解数据，发现数据中的规律，用作数据的分析和预测。根据数据是否有因变量，机器学习的任务可分为：有监督学习和无监督学习。根据因变量是否连续，有监督学习又分为回归和分类。科学计算相关包numpypandasmatplotlibseaborn1.1回归基于sklearn内置数据集Boston房价数据集来了解

x___xxxx·2022-12-15 18:43

DataWhale集成学习Task9--Boosting的思路与Adaboost算法

1.导论在前面的学习中，我们探讨了一系列简单而实用的回归和分类模型，同时也探讨了如何使用集成学习家族中的Bagging思想去优化最终的模型。Bagging思想的实质是：通过Bootstrap的方式对全样本数据集进行抽样得到抽样子集，对不同的子集使用同一种基本模型进行拟合，然后投票得出最终的预测。我们也从前面的探讨知道：Bagging主要通过降低方差的方式减少预测误差。那么，本章介绍的Boostin

程序员狐小李·2022-12-15 18:38

Datawhale动手学数据分析——第二章数据清洗、重构和可视化

在这个章节里，进行的是对数据的清洗、重构和可视化的操作。2.1缺失值观察与处理2.1.1任务一：缺失值观察importnumpyasnpimportpandasaspddf=pd.read_csv('train.csv')df.head()#方法一df.info()#方法二df.isnull().sum()2.1.2任务二：对缺失值进行处理（1）利用np.nan,None以及.isnull()检索

Elodieee·2022-12-15 13:52

datawhale数据分析3——数据重构

Task03:数据重构声明：本文主要参考DataWhale开源学习——动手学数据分析，GitHub地址：https://github.com/datawhalechina/hands-on-data-analysis

情定诺坎普1·2022-12-15 13:22

数据分析——数据重构

importnumpyasnpimportpandasaspd载入四个文件和train表格观察关系text_left_up=pd.read_csv("C:/Users/Administrator/LCpython/datawhale

Mayumi_yumi·2022-12-15 13:21

动手学数据分析-Task03：数据重构

本学习笔记为Datewhale-7月组队学习-动手学数据分析的学习内容，学习链接为：https://github.com/datawhalechina/hands-on-data-analysis数据重构前言一

weison（cv）·2022-12-15 13:21

datawhale课程[动手学数据分析]——Task03：数据重构

目录开始之前，导入numpy、pandas包和数据2第二章：数据重构2.4数据的合并2.4.1任务一：将data文件夹里面的所有数据都载入，观察数据的之间的关系2.4.2：任务二：使用concat方法：将数据train-left-up.csv和train-right-up.csv横向合并为一张表，并保存这张表为result_up2.4.3任务三：使用concat方法：将train-left-dow

sd3145265·2022-12-15 13:21

Datawhale机器学习-决策树感想

机器学习-决策树学习笔记理论模型代码和参数criterionmax_depthmin_samples_leaf怎样提高准确率数据处理调整参数总结理论个人对决策树理论的理解：决策树就像是由不同层级的很多选择器的组合，这些选择器内部的criteria是通过对训练集中的数据学习得到的。之后有新的数据传入时，选择器就一层层的对输入数据做判断，最底层选择器给出最有可能的分类结果模型代码和参数tree_clf

肉bot·2022-12-15 11:58

DataWhale深度学习（五）循环神经网络

循环神经网络1计算图2RNN基本原理3RNN训练算法BPTT4LSTM基本原理5其他RNN网络6RNN主要应用参考资料循环神经网络(recurrentneuralnetwork,RNN)是一类用于处理序列数据的神经网络。1计算图计算图是形式化一组计算结构的方式，它的元素包括节点(node)和边(edge)，节点表示变量，可以是标量、矢量、张量等，而边表示的是某个操作，即函数。用两个计算图来表示一个

快乐星球小怪兽·2022-12-15 09:38

【Datawhale可解释性机器学习笔记】ZFNET

ZFNET介绍论文地址：VisualizingandUnderstandingConvolutionalNetworksAlexNet的提出使得大型卷积网络开始变得流行起来，但是人们对于CNN网络究竟为什么能表现这么好，以及怎么样能变得更好尚不清楚，因此为了解决上述两个问题，ZFNet提出了一种可视化技术，用于理解网络中间的特征层和最后的分类器层，并且找到改进神经网络的结构的方法。ZFNet是Ma

JeffDingAI·2022-12-15 08:08

浅析机器学习算法的应用场景！

Datawhale干货作者：知乎KingJames，伦敦国王大学知乎｜https://www.zhihu.com/people/xu-xiu-jian-33在学习算法的过程里，难免有疑问：k近邻、贝叶斯

Datawhale·2022-12-15 05:53

Datawhale 知识图谱组队学习之 Task 1 知识图谱介绍

Datawhale知识图谱组队学习之Task1知识图谱介绍知识图谱理论：相关理论知识图谱背景早在2010年微软就开始构建知识图谱，包括Satori和Probase；2012年，Google正式发布了GoogleKnowledgeGraph

Flying Warrior·2022-12-15 02:06

Datawhale Intel视觉识别学习心得1

1.人工智能引论2.计算机视觉视频本质上是由一系列连续的图像构成，但因为图像之间的移动速度够快，让人们感受不到图片之间的切换，进而感受到物体的连续运动。图像是由像素阵构成。每个像素都有其表示强度的值，通常用RGB三个基本色来表示某个彩色颜色，其中灰色则是通过介于白色0和黑色255之间的值来表示。平滑处理—对于图像中的每个像素的值都替换为周围8个像素的平均值，会得到较为模糊的图像。该方法被称为—模糊

weixin_50299316·2022-12-14 23:13

Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增

数据读取与数据扩增1、图像读取在本赛题中，我们主要使用openCV，OpenCV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。```pythonimg=cv2.imread('mchar_train/000003.png')img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)img=cv

jxwnj_1210·2022-12-14 23:43

Datawhale | CV-异常检测1-阿里天池比赛流程体验

全球人工智能技术创新大赛【热身赛一】记录Content比赛简介数据预处理模型训练docker封装与提交1.安装docker和nvidia-docker2.配置Dockerfile3.Build,tagandpush比赛简介比赛为CV目标检测方向的任务，赛题为对提供的布匹图像进行缺陷检测。评估指标为0.2ACC+0.8mAP。相关链接比赛网址：https://tianchi.aliyun.com/c

weixin_43869150·2022-12-14 23:13

DataWhale计算机视觉实践（目标检测）Task01

DataWhale计算机视觉实践（目标检测）Task01文章目录DataWhale计算机视觉实践（目标检测）Task01目标检测：一、基本概念：二、目标检测数据集VOC：1.VOC数据集简介2.VOC数据集的

soufal·2022-12-14 23:10

Datawhale第32期组队学习——task0：新闻推荐系统项目搭建：centos下前端配置

文章目录0.解决npm命令语法不正确问题0.1powershell报错0.2win10家庭版升级nodejs1.1centos安装nodejs1.2win10安装nodejs2.vue2.1安装vue2.2创建vue项目2.3使用Vue开发H5页面2.4部署新闻推荐前端项目3.后端配置3.1创建conda虚拟环境3.2后端文件配置4.2修改端口，配置文件4.3启动雪花算法服务4.4创建数据库4.4

神洛华·2022-12-14 23:38

DataWhale-天池街景数字识别竞赛-task2-数据载入

背景2020年5月的DW组队学习选择了天池的街景字符编码识别，在这个入门竞赛中，数据集来自Google街景图像中的门牌号数据集（TheStreetViewHouseNumbersDataset,SVHN），并根据一定方式采样得到比赛数据集。评测标准为测试集预测结果的准确率，即编码识别正确的数量占测试集图片数量的比率。组队学习的第二个任务是学习PyTorch的自定义数据集制作方法，并利用torchv

DevinWain·2022-12-14 23:05

Datawhale 零基础入门CV赛事街景字符识别学习笔记--第1次打卡

安装python3.7版本、pytorch、jupyter、tqdm、opencv-python、matplotlib、pandas，在windows环境下安装的，没有GPU，安装的过程和教程中给的有点点差异，好在顺利安装完成。直接按照教程中命令执行，报错，找不到相应的包，命令修改为condainstallpytorch=1.3.1torchvisioncudatoolkit=10.0–cpyto

meili1021·2022-12-14 23:33

Datawhale 计算机视觉基础-图像处理（上）-Task03 彩色空间互转

简介图像彩色空间互转在图像处理中应用非常广泛，而且很多算法只对灰度图有效；另外，相比RGB，其他颜色空间(比如HSV、HSI)更具可分离性和可操作性，所以很多图像算法需要将图像从RGB转为其他颜色空间，所以图像彩色互转是十分重要和关键的。学习目标了解相关颜色空间的基础知识理解彩色空间互转的理论掌握OpenCV框架下颜色空间互转API的使用内容相关颜色空间的原理介绍颜色空间互转理论的介绍OpenCV

空腹熊猫·2022-12-14 23:01

Datawhale 计算机视觉基础-图像处理（上）-Task05 图像分割/二值化

简介该部分的学习内容是对经典的阈值分割算法进行回顾，图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，

空腹熊猫·2022-12-14 23:01

关键点检测项目代码开源了！

Datawhale干货作者：闫永强，算法工程师，Datawhale成员本文通过自建手势数据集，利用YOLOv5s检测，然后通过开源数据集训练squeezenet进行手部关键点预测，最后通过指间的夹角算法来判断具体的手势

Datawhale·2022-12-14 23:26

DataWhale - OpenCV教程01

MetaData:Author:Link:https://vxr.xet.tech/s/49dV3oPublisher:Date:2022-12-12-16:28笔记记录的时间✅2022-12-12Tag:软件技能计算机视觉的发展历史：1982年马尔的书《视觉》，将视觉的任务分为两类：重建和识别。2012年，AlexNet模型赢得了ImageNet图像分类的比赛冠军。传统计算机视觉框架：深度学习计

小南/南儿·2022-12-14 23:25

Task01：概览西瓜书+南瓜书第1、2章（2天）

笔记参考和出处：《机器学习》周志华Datawhale吃瓜教程重学机器学习，巩固基础数学推导知识。原笔记用Typora完成，这里主要学习一些基本概念和一些概念的数学表达，方面在后面推导中快速建立体系。

Flying Warrior·2022-12-14 16:34

《西瓜书》+《南瓜书》第一章笔记（Datawhale）

前言本篇文章主要是笔者日常的一些学习记录和沉淀。大部分都是基于《西瓜书》和《统计学习方法》的一些日常记录，本人学识浅薄，如果有存在理解、记录偏差的地方，希望大家能帮忙指出一下，笔者不胜感激！~第一章1.1引言什么是机器学习？个人认为：机器学习，是基于历史数据，进行特征化，抽象出具体的数据模型，来预测和推断未来结果。1.2基本术语一组记录的集合称为一个数据集（dataset），其中每条记录是关于一个

游弋诗·2022-12-14 16:33

Datawhale组队学习——推荐系统Task03 离线物料系统的构建

以下学习笔记参考自Datawhale12月组队学习的推荐系统课程，内容主要为离线物料系统的构建。

zxc123qwer·2022-12-14 16:18

Datawhale组队学习——推荐系统Task02 数据库的基本使用

以下学习笔记参考自Datawhale12月组队学习的推荐系统课程，内容包括MySQL、MongoDB以及Redis的一些基本命令的使用。

zxc123qwer·2022-12-14 16:48

Datawhale组队学习——推荐系统Task01 熟悉新闻推荐系统基本流程

以下学习笔记来自Datawhale12月组队学习推荐系统课程Task1——【Task01熟悉新闻推荐系统基本流程】，参照了群里天国之影-JustForFun大佬的笔记及视频进行了项目环境的搭载，少踩了很多坑