dataWhale

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

【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

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

西瓜书，南瓜书第六章：支持向量机

之前跟着统计学习方法对支持向量机进行了推导和学习，这次跟着datawhale和西瓜书又对支持向量机进行了深入复习，发现很多没有注意到的点，更为理解一些操作。
何草不玄丶·2023-01-26 12:13

图解最常用的10个机器学习算法！

↑↑↑关注后"星标"Datawhale每日干货 & 每月组队学习，不错过 Datawhale干货 作者：james_aka_yale，来源：AI有道在机器学习领域，有种说法叫做“世上没有免费的午餐”，简而言之
Datawhale·2023-01-26 10:52

Datawhale组队学习之NLP组第二天 Glove

Datawhale组队学习之NLP组第二天GloveSkip-grams与CBOWCBOW：Skip-gramGlove参考文献与说明：今天是Datawhale组队学习的第二天，本博客主要介绍三个方面的内容
我爱py数据分析·2023-01-26 08:31

Pytorch图像分类实战笔记|Datawhale组队学习

学习计划Task01:构建自己的图像分类数据集第一节配套的代码：（按照顺序学习）1.1配置环境tqdm库官方说明：https://github.com/tqdm/tqdm#documentation简而言之，tqdm是Python进度条库，可以在Python长循环中添加一个进度提示信息。代码例子：fromtqdmimporttqdmfromtimeimportsleepforcharintqdm(
郑粗心·2023-01-26 08:30

【深度推荐算法】DataWhale组队学习Task01: DeepCrossing

DeepCrossing动机将深度学习架构应用于推荐系统中的模型2016年由微软提出，完整的解决了特征工程、稀疏向量稠密化，多层神经网络进行优化目标拟合等一系列深度学习再推荐系统的应用问题。应用场景微软搜索引擎Bing中的搜索广告推荐（用户输入搜索查询进店之后，搜索引擎返回相关结果还返回与搜索词相关的广告）优化目标预测某一广告，用户是否会点击，依旧是点击率预测的问题。点击率预测，即CTR预估。CT
点点菇凉·2023-01-26 08:00

三、利用迁移学习进行模型微调（Datawhale组队学习）

文章目录安装配置环境准备图像分类数据集迁移学习微调训练图像分类模型导入环境图像预处理载入图像分类数据集建立类别和索引号之间映射关系定义数据加载器查看一个batch的图像和标注可视化一个batch的图像和标注模型的构建与测试可视化常见的迁移学习训练方式训练配置模型训练与评估函数：在训练集上训练函数：在整个测试集上评估创建wandb可视化项目模型训练模型测试可视化训练日志训练集损失函数可视化训练集准确
卡拉比丘流形·2023-01-26 08:28

李宏毅机器学习—机器学习介绍

李宏毅机器学习笔记github链接：https://github.com/datawhalechina/leeml-notes李宏毅机器学习笔记在线阅读链接：https://datawhalechina.github.io
修_远·2023-01-26 08:28

Datawhale组队学习-机器学习Task1

目录Datawhale组队学习-机器学习Task11.机器学习介绍：（1）人工智能与机器学习的关系（2）人类是如何实现智能的？（3）社会上常见的“伪人工智能”2.机器学习大概做些什么？
SIGH233·2023-01-26 08:53

Datawhale第23期组队学习—深度学习推荐系统—task3 DeepFM

DeepFM1.引言1.1学习总结1.2研究背景1.3已有模型的介绍2.DeepFM模型结构与原理2.1FM2.2Deep2.3DeepFM3.代码实现本文主要参考来源-Datawhale：https:
蜗牛海胆·2023-01-26 08:53

工业图像异常检测最新研究总结（2019-2020）

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：小小理工男，编辑：极市平台来源丨https://zhuanlan.zhihu.com/p/264887767
Datawhale·2023-01-26 08:23

四、新图片、新视频预测（Datawhale组队学习）

文章目录配置环境预测新图像载入图像并进行预处理导入训练好的模型前向预测将分类结果写入原图中预测新视频导入训练好的模型视频预测单帧图像分类预测可视化方案一：原始图像+预测结果文字可视化方案二：原始图像+预测结果文字+各类别置信度柱状图预测摄像头实时画面导入训练好的模型对一帧画面进行预测获取摄像头的一帧画面对画面进行预测实时画面预测处理单帧画面的函数调用摄像头获取每帧总结【教程地址】同济子豪兄教学视频
卡拉比丘流形·2023-01-26 08:21

Datawhale 实践项目 天池赛中零基础入门推荐系统 Task03：多路召回 笔记[让我看看]

文章目录1前言2.导包3.读取数据4.工具函数4.1获取用户-文章-时间函数4.2获取文章-用户-时间函数4.3获取历史和最后一次点击4.4获取文章属性特征4.5获取用户历史点击的文章信息4.6获取点击次数最多的topk个文章4.7定义多路召回字典4.8召回效果评估函数5.计算相似性矩阵5.1itemcfi2i_sim5.2usercfu2u_sim5.3itemembeddingsim6召回6.
数据闲逛人·2023-01-25 15:38

datawhale数据分析5——数据可视化数据建模及模型评估

Task05：数据建模及模型评估声明：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1·2023-01-25 12:34

动手学数据分析 | Datawhale-8月 | Task05：数据建模及模型评估

文章目录Task05：数据建模及模型评估一、数据预处理1.导包2.缺失值填充和one-hot编码二、模型搭建1.选择模型2.切割训练集和测试集3.模型创建4.优化总结Task05：数据建模及模型评估我们根据任务需求不同，要考虑建立什么模型，我们使用流行的sklearn库，建立模型。对于一个模型的好坏，我们是需要评估的，之后我们会评估我们的模型，对模型做优化。一、数据预处理我们拥有的泰坦尼克号的数据
百无一用是书生g·2023-01-25 12:33

动手学数据分析-Task05：数据建模及模型评估

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数据建模及模型评估前言一
weison（cv）·2023-01-25 12:02

五月份组队学习【吃瓜教程】Task02打卡笔记

本次吃瓜教程是Datawhale组织的组队学习。学习资料由开源学习组织Datawhale提供。
miskirito·2023-01-25 11:52

Datawhale吃瓜教程Task4

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·2023-01-25 11:28

Datawhale--组队学习第12期--python爬虫基础学习---task0/task1环境配置和网页请求基础

先修知识：task0(基本类库安装，git，anaconda，文本处理)Task0(前置)：需要自己安装有关环境，学习git(b站)，下载有关driverChromedriver作用驱动浏览器（一个驱动程序，配合浏览器一起使用），满足一些爬虫的需要，需花一定精力参考配置教程再使用，后面说跟自动化测试有关...后续补上介绍Task01：html等有关知识，api使用，request-get使用拔高部
A half moon·2023-01-24 15:11

task1 中文预训练模型泛化能力天池赛

目录1目的2背景2.1个人配置2.2赛题要求2.3本机跑通Baselinepytorch配置3准备环节4模型训练过程5Docker提交5.1Docker安装5.2本机Docker推送1目的  根据Datawhale
Element简·2023-01-24 11:42
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他