Datawhale开源学习

神经网络训练不起来，怎么办？

Datawhale开源学习，机器学习课程，项目地址：https://github.com/datawhalechina/leeml-notesOptimizationCriticalPoint是SaddlePoint
晨哥是个好演员·2022-11-25 15:00

超420万奖金！2022 科大讯飞第五届大赛来了

Datawhale赛事主办方：科大讯飞、中国信息协会6月9日，2022年度iFLYTEKA.I.开发者大赛来了。
Datawhale·2022-11-25 15:35

Jina AI x DataWhale｜跨模态神经搜索实践的教程正式上线！

DatawhalexJinaAI联合推出跨模态神经搜索教程！本教程基于MLOps框架Jina与CLIP模型搭建，通过前后端分离的模式，帮助你快速地搭建自己的神经搜索应用，接触前沿的多模态AI技术。
Jina AI·2022-11-25 14:38

[Datawhale-李宏毅机器学习-39期]-005-网络设计技巧

其实没咋看，之前做过很多图像的工作，想着换个东西搞一搞，就参考了几个代码工程，实现了使用LSTM单步预测洛伦兹序列。task-05LSTM单步预测洛伦兹序列(不一定对，试一试)文章目录task-05LSTM单步预测洛伦兹序列(不一定对，试一试)构建洛伦兹序列保留track1的2维度数据构建工程构建迭代器定义模型定义训练方式训练模型查看预测结果构建洛伦兹序列importpandasaspdimpor
deyiwang89·2022-11-25 13:30

十二月组队学习之——目标检测Task02：练死劲儿-网络设计

有幸参加了DataWhale举办的目标检测组队学习。收获颇多。每天记录一些自己之前的知识盲点，需经常温习。
陈俊超Code My Life·2022-11-25 13:29

李宏毅机器学习-Task05

李宏毅机器学习仅作为学习笔记，如有问题请指正视频链接：2019版2021版开源内容：githubgitee2021版2021版datawhale笔记学习规划Task01:机器学习介绍Task02:回归Task03
以后会改·2022-11-25 13:58

《深度学习》李宏毅 -- task5网络技巧设计

本文参考：【DataWhale-李宏毅深度学习】Task05网络设计的技巧_LucyFang2020的博客-CSDN博客Datawhale深度学习资料：LeeML-Notes深度学习中的网络设计技术(一
GoAI·2022-11-25 13:26

DW李宏毅机器学习笔记--Task04（上）-深度学习简介

普遍性定理总结前言这是我在Datawhale组队学习李宏毅机器学习的记录，既作为我学习过程中的一些记录，也供同好们一起交流研究，之后还会继续更新相关内容的博客。
湘玄书生·2022-11-25 12:20

DW李宏毅机器学习笔记--Task05（一）-局部最值与鞍点

Saddlepointv.s.LocalMinima总结前言这是我在Datawhale组队学习李宏毅机器学习的记录，既作为我学习过程中的一些记录，也供同好们一起交流研究，之后还会继续更新相关内容的博客。
湘玄书生·2022-11-25 12:20

Day03-《西瓜书》-决策树(DataWhale)

四、决策树(decisiontree)4.1基本流程决策树是通过一系列规则对数据进行分类的过程。决策树表示给定特征条件下类的条件概率分布决策树组成：内部结点(internalnode)：表示一个特征或属性叶结点(leafnode)：一个类别或某个值决策树生成步骤：特征选择决策树生成决策树的修剪4.2决策树算法4.2.1基础知识信息熵自信息：I(X)=−logbp(x)I(X)=-log_bp(x)
liying_tt·2022-11-25 12:17

Day02-《西瓜书》-线性模型(DataWhale)

三、线性模型出处：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU）具有很好的可解释性(comprehensibility)机器学习三要素
liying_tt·2022-11-25 12:17

李宏毅《机器学习》Task05 - 网络设计的技巧（优化调整）

参考Datawhale-李宏毅《机器学习/深度学习》2021课程如果神经网络训练不起来（优化失败）怎么办。。。一、判断局部最小值与鞍点为什么会优化失败？
Beta Lemon·2022-11-25 12:46

【李宏毅机器学习2021】Task05 网络设计的技巧

【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。本次是对深度学习中卷积神经网络的总结。
王多头发·2022-11-25 12:44

从0梳理1场时间序列赛事！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：杰少，南京大学硕士本文基于2021“AIEarth”人工智能创新挑战赛-AI助力精准气象和海洋预测，梳理了时间序列赛事的实践和分析过程
Datawhale·2022-11-25 12:13

图神经网络的解释性综述！

↑↑↑关注后"星标"Datawhale每日干货 & 每月组队学习，不错过 Datawhale干货 来源：纪厚业，北京邮电大学，图与推荐编辑：数据派THU本文约1.5w字，干货满满，建议收藏本文对近期提出的
Datawhale·2022-11-25 12:13

写给新手：2021版调参上分手册！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：山竹小果，来源：夕小瑶的卖萌屋在日常调参的摸爬滚打中，参考了不少他人的调参经验，也积累了自己的一些有效调参方法
Datawhale·2022-11-25 12:13

深度学习调参tricks总结！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：山竹小果，来源：NewBeeNLP寻找合适的学习率(learningrate)学习率是一个非常非常重要的超参数
Datawhale·2022-11-25 12:42

python如何安装faiss

python如何安装faiss声明faiss暂时不支持winsows，支持mac，linux本人在参加Datawhale组织的11月组队学习《推荐系统入门实践：新闻推荐预测》时，在多路召回任务时，需要导入一个叫
qq_46458164·2022-11-25 12:07

李宏毅强化学习完整笔记！开源项目《LeeDeepRL-Notes》发布

Datawhale开源项目组成员总结了李宏毅的强化学习视频，实现了视频教程的完整梳理和复现，再也不用担心强化学习。目前，项目已完全开源，包括课程内容、配套的习题和项目，供大家使用。
风度78·2022-11-25 10:16

Pytorch 可视化——Torchinfo以及TensorBoard（服务器使用）

Pytorch可视化——Torchinfo以及TensorBoard注：本文为学习DataWhale开源教程《深入浅出Pytorch》学习笔记，仅记录笔者认为价值较大、使用较少的知识点。
西南小游侠·2022-11-25 08:21

卷积神经网络

Datawhale开源学习，机器学习课程，项目地址：https://github.com/datawhalechina/leeml-notesConvolutionalNeuralNetwork本节内容学习了什么是
晨哥是个好演员·2022-11-25 07:01

一种关注于重要样本的目标检测方法！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale学术作者：宋志龙，浙江工业大学，Datawhale成员在目标检测中训练模型时，样本间往往有差异性，不能被简单地同等对待
Datawhale·2022-11-24 19:05

【深度学习】深入浅出卷积神经网络及实现！

作者：陈桦、夏雨柔、樊亮，Datawhale优秀学习者卷积神经网络CNN是深度学习中的基础知识。本文对CNN的基础原理及常见的CNN网络进行了详细解读，并介绍了Pytorch构建深度网络的流程。
风度78·2022-11-24 18:28

PyTorch学习笔记（一）

继吃瓜教程之后，我在dataWhale家又报名了深入浅出Pytorch入门这个课
Mist_Orz·2022-11-24 17:20

DataWhale推荐系统论文组队task3--Session-based Recommendation with Graph Neural Networks

DW推荐系统论文组队task3--Session-basedRecommendationwithGraphNeuralNetworks一、GNN简介二、传统VSSR-GNN2.1传统会话推荐的方法的局限性2.2WhyGNN?2.2.1数据的结构化属性2.2.2可以将高阶的邻居进行连通2.2.3可以缓解监督信号稀疏的问题2.3本模型的创新点三、SR-GNN模型3.1构建基于session的图3.2G
Dr. J·2022-11-24 17:04

Datawhale吃瓜教程Task01

第1章绪论一、基本术语1.数据集(dataset)2.示例(instance)/样本(sample)3.属性(attribute)/特征(feature)：反映事件或对象在某方面的表现或性质属性值(attributevalue)：属性上的取值属性空间(attributespace)/样本空间(samplespace)：属性张成的空间特征向量(featurevector)：一个示例->空间中一个点-
上官沅君·2022-11-24 15:32

Datawhale吃瓜教程Task2

参考资料：【吃瓜教程】《机器学习公式详解》（南瓜书）与西瓜书公式推导直播合集_哔哩哔哩_bilibili
丝竹青云·2022-11-24 15:30

pytorch 代码记录1

datawhale代码运行torch类型importtorchx1=torch.rand(4,3)print(x1)x2=torch.zeros(4,3,dtype=torch.long)print(x2
惟琛·2022-11-24 15:00

Python环境配置保姆教程（Anaconda、Jupyter、GPU环境）！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：吴永强，东北大学，Datawhale团队成员1.写在前面搞算法的同学也都明白，一个比较完美的python环境是多么的重要
Datawhale·2022-11-24 14:19

Datawhale 李宏毅机器学习 Task5

深度学习1.优化器失败的原因探讨：如何判断是局部最小值还是鞍点？2.为什么要用batch？大batch-size不一定比小的时间长不同Batch-size对精度的影响对比：3.loss不降的时候，grad没有减小损失函数批归一化1.优化器失败的原因局部最小值鞍点统称为criticalpoint（梯度接近0）探讨：如何判断是局部最小值还是鞍点？（探讨原因：鞍点可以继续优化）对$L(\theta)$进
STUffT·2022-11-24 07:24

thorough-pytorch-main-task2

task2PyTorch进阶(Datawhale35期组队学习)文章目录task2PyTorch进阶1基础点2具体内容2.1自定义损失函数2.1.1函数定义2.1.2类定义2.2动态调整学习率2.2.1
yxyibb·2022-11-24 06:58

【深入浅出pytorch-task4】-第六章学习笔记-pytorch训练进阶方法

学习网站在此：https://datawhalechina.github.io/thorough-pytorch/以下是对知识的记录（都记下来）一、自定义损失函数许多损失函数并未出现在官方库中，需要我们自己来实现
数据框·2022-11-24 06:27

DataWhale-深入浅出pytorch-Task01

本次报名了深入浅出pytorch的组队学习活动，记录一下。一.安装pytorch由于之前安装过miniconda，再加上笔记本电脑是核显，所以只安装了CPU版本的pytorch，安装过程很顺利，十分钟结束~进入网址---GetStarted---StartedLocally然后选择对应版本，在Anaconda的终端中激活环境，输入RunThisCommand中的命令，然后等待安装完成。（CPU的版
cishard·2022-11-24 06:56

【Datawhale组队学习记录】through-pytorch-task2

Datawhale组队学习学习记录task2本文仅记录在学习过程中遇到的部分问题，Datawhale教程：DATAWHALE-一个热爱学习的社区(linklearner.com)。
cccdsn·2022-11-24 06:25

动手学深度学习之图像风格迁移

课程内容内容撰写的学习笔记原文链接：https://www.boyuai.com/elites/course/cZu18YmweLv10OeV/lesson/3nIhgFs64Fs5g3JEn5EXzm感谢伯禹平台，Datawhale
water19111213·2022-11-24 04:11

Python数据处理入门教程！

Datawhale干货作者：太子长琴，算法工程师，Datawhale成员本教程内容旨在帮助没有基础的同学快速掌握numpy的常用功能，保证日常绝大多数场景的使用。
Datawhale·2022-11-23 21:03

SQL入门学习打卡-基础查询与排序

课程地址：wonderful-sql/ch02:基础查询与排序.mdatmain·datawhalechina/wonderful-sql·GitHub练习题2.1练习题2.2练习题2.3练习题2.6练习题
工程管理跑路er·2022-11-23 19:19

Datawhale组队学习课节2: 传统序列召回实践：GRU4Rec打卡

传统序列召回实践：GRU4Rec论文理解，参考沈向洋论文十问论文解决了什么问题？序列推荐场景下用户长期行为不可知的问题这是否是一个新的问题？不是这篇文章要验证什么科学假设？用户的一个会话中访问的条目是具有相关性的，且随时间而变化有哪些相关研究？如何归类？谁是这一课题在领域内值得关注的研究员？前人的研究主要集中在矩阵分解方法和相似度算法，归类为序列推荐问题，PhilipS.Yu,HongzhiYin
宇宙哇·2022-11-23 19:52

【机器学习基础】机器学习的常用数学符号

作者：小雨姑娘，康涅狄格大学，Datawhale成员这三天复现一个论文实验结果不正确，一直找不到原因，后来发现是自己把当成了。
风度78·2022-11-23 19:42

Datawhale组队学习课节3：手把手教你读推荐论文-SR-GNN

手把手教你读推荐论文-SR-GNN论文理解，参考沈向洋论文十问论文试图解决什么问题？序列推荐中，序列与序列之间相关性建模不足这是否是一个新的问题？这不是一个新的问题，但是一种新的解决方案这篇文章要验证一个什么科学假设？不同的序列之间存在着相关关系，可以更精确的生成商品表征有哪些相关研究？如何归类？谁是这一课题在领域内值得关注的研究员？归类为序列推荐问题，DietmarJannach,Hongzhi
宇宙哇·2022-11-23 18:08

基于Pytorch的中文情感分析实践

基于Pytorch的中文情感分析实践注：本文为学习DataWhale开源教程《深入浅出Pytorch》第四章所做学习笔记，基于实战教程，实现了使用LSTM模型的中文微博情感分析全过程。
西南小游侠·2022-11-23 14:56

Datawhale组队学习 | NLP文本分类比赛全流程体验+Docker学习笔记

本博客记录的是Datawhale组织的竞赛组队学习NLP赛事，因为我一直很想打比赛但又不知道怎么入门，所以非常开心能有这样的机会完整体验一遍比赛流程。
Leonadoice·2022-11-23 13:07

Datawhale 西瓜书第三章

本章主要介绍线性模型进行二分类和多分类问题。1、线性回归线性回归模型在机器学习中应用广泛，通常，线性模型表示为属性的显性组合，即更一般的形式为：损失函数定义为真实值与预测值之间的差，通常使用均方误差来表示：2、对数几率回归显性回归通常用于模型对真实样本的拟合，无法解决分类问题，为此，对数回归几率模型引入单调可微的sigmoid函数（与深度学习中的激活函数类似），也叫逻辑函数，定义为：对数几率回归的
shell·2022-11-23 08:02

AI开发者汇聚四城，精彩Meetup内容回顾来了！

10月23日杭州飞桨联合Datawhale，技术大牛倾囊分享在杭州Meetup活动中，海康威视高级研发工程师、飞桨开发者黄伟介绍了基于PaddleDetection的漂浮物检测项目，并从数据准备
飞桨PaddlePaddle·2022-11-23 08:55

Datawhale 零基础入门心电图心跳信号多分类预测挑战赛-Task 3特征工程

Task3特征工程时间有限…特征工程task2其实也涉及了一些感觉可以从增维/降维/去噪等方面考虑了解到tsfresh工具提取特征(但电脑无法运行)有时间深入研究不知小样本多变量时序是否可以通过这个tsfresh增维来增加复杂性，从而使用神经网络？？？
Little_stepL·2022-11-23 02:23

Datawhale 零基础入门心电图心跳信号多分类预测挑战赛-Task 4模型调参

模型调参篇提到可以在时间序列上进行K折验证，但是查阅了一些博客上写到由于具有时序关系，时间序列并不适合进行k折验证，经过查阅资料，看到一种说法：k倍验证可能会很麻烦，举例如下：因为第4年或第5年的一些模式有可能跟第3年的不同，而对数据集的重复采样会将分离这些趋势，我们可能最终是对过去几年的验证，这就不对了。或许，我们可以尝试采用如下所示的5倍正向链接策略：fold1:training[1],tes
Little_stepL·2022-11-23 02:23

Datawhale 零基础入门心电图心跳信号多分类预测挑战赛-Task 5模型融合

学习到了概率融合以及回归融合结合自己所学，尝试使用cnn-lstm和covlstm，cnn或cov部分进行提取特征，lstm进行实践记忆下一步，想结合transformer尝试效果
Little_stepL·2022-11-23 02:23

Datawhale 零基础入门心电图心跳信号多分类预测挑战赛-Task 1 赛题理解

Task1赛题理解1赛题时间序列多分类问题（预测4种不同心跳信号的概率）。2数据train.csvid为心跳信号分配的唯一标识heartbeat_signals心跳信号序列(数据之间采用“,”进行分隔)label心跳信号类别（0、1、2、3）test.csvid心跳信号分配的唯一标识heartbeat_signals心跳信号序列(数据之间采用“,”进行分隔)比赛-多分类预测指标（值越小越好）选手需
Little_stepL·2022-11-23 02:53

Datawhale 零基础入门心电图心跳信号多分类预测挑战赛-Task 2 EDA

Task2数据分析（EDA-数据探索性分析）简略观察数据（head().append(tail())首尾数据+shape）数据总览：describe()熟悉数据的相关统计量+info()熟悉数据类型判断数据缺失和异常：缺失值：data.isnull().sum()——查看每列的存在nan情况异常值检测（转换为nan/按照某种规律进行填充）了解预测值的分布（如果是分类问题，value_counts(
Little_stepL·2022-11-23 02:53

吴恩达：22张图全解深度学习知识！

↑↑↑关注后"星标"Datawhale每日干货 & 每月组队学习，不错过 Datawhale干货 作者：Sophia，编辑：数据派THU本文约7600字，建议阅读10+分钟本文从深度学习基础、卷积网络和循环网络三个方面介绍该笔记
Datawhale·2022-11-23 02:49
上一页 20 21 22 23 24 25 26 27 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他