dataWhale

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

吴恩达推荐笔记：22张图总结深度学习全部知识！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale推荐来源：知乎作者Sophia来源｜Sophia@知乎，https://zhuanlan.zhihu.com/p/152362317
Datawhale·2022-11-23 02:48

机器学习理论基础到底有多可靠？

Datawhale干货 作者：AidanCooper，编译：机器之心本文约4600字，建议阅读5分钟本文介绍了机器学习理论的重要性。知其然，知其所以然。
Datawhale·2022-11-23 00:50

Datawhale组队学习-图神经网络（二）

Datawhale组队学习-图神经网络（二）Taks02消息传递范式此次学习分为以下步骤：学习图神经网络生成节点表征的范式–消息传递（MessagePassing）范式。
阿_边·2022-11-22 22:43

Datawhale组队学习-图神经网络（三）

Datawhale组队学习-图神经网络（三）Taks03基于图神经网络的节点表征学习此次学习分为以下步骤：获取并分析数据集、构建一个方法用于分析节点表征的分布。
阿_边·2022-11-22 22:43

【Datawhale第25期组队学习】Task03：基于线性模型的异常检测

Taks03基于线性模型的异常检测文章目录Taks03基于线性模型的异常检测0写在前面1概述2线性回归2.1基于自变量与因变量的线性回归2.1.1梯度下降法优化目标函数2.1.2最小二乘法的正规方程法优化目标函数2.1.3两种方法的比较2.2基于异常检测的线性回归3主成分分析13.1原理推导3.2归一化问题3.3PCA算法实现4总结5参考资料0写在前面上一个博客中，我们讨论了基于统计学的异常检测算
如是我闻__一时__·2022-11-22 22:40

【机器学习】利用随机森林评估特征重要性原理与应用！

Datawhale干货编辑：数据派THU，来源：机器学习研习院本文约2000字，建议阅读8分钟本文对随机森林如何用在特征选择上做一个简单的介绍。随机森林是以决策树为基学习器的集成学习算法。
风度78·2022-11-22 19:04

【Pytorch学习笔记2】Pytorch的主要组成模块

个人笔记，仅用于个人学习与总结感谢DataWhale开源组织提供的优秀的开源Pytorch学习文档：原文档链接本文目录1.Pytorch的主要组成模块1.1完成深度学习的必要部分1.2基本配置1.3数据读入
獭祭·2022-11-22 18:02

Datawhale 李宏毅机器学习 Task4

深度学习1.深度学习1.1神经网络（Neuralnetwork）1.2模型评估（Goodnessoffunction）1.3选择最优函数（Pickbestfunction）2.反向传播2.1背景2.2反向传播1.深度学习三步骤：Step1：神经网络（Neuralnetwork）Step2：模型评估（Goodnessoffunction）Step3：选择最优函数（Pickbestfunction）1
STUffT·2022-11-22 17:36

Datawhale 李宏毅机器学习 Task3

一、误差来源与分析来源从上节课测试集数据来看，AverageError（平均错误）随着模型复杂增加呈指数上升趋势。更复杂的模型并不能给测试集带来更好的效果，而这些Error的主要有两个来源，分别是bias（偏差）和variance（方差）。估测（用宝可梦进化举例）真实模型掌握在游戏公司手中，我们要做的是用上一章回归中step1~step3的步骤训练得到我们的理想模型，这个模型是对真实模型的估测，一
社区小萌新·2022-11-22 17:35

DCIC 2021数据挖掘新赛题开放！

Datawhale的新老朋友们！继2020年百万奖金的NAIC“鹏城赛”、CCFBDCI赛后，DataFountain平台发布了2021年第一场赛事"数字中国创新大赛"。
Datawhale·2022-11-22 17:32

Datawhale 李宏毅机器学习 Task1

目录一.简单理解机器学习二.机器学习基本步骤三.机器学习相关步骤：1.监督学习2.半监督学习3.迁移学习4.无监督学习5.监督学习中的结构化学习6.强化学习四.学习总结一.简单理解机器学习就像是生物本能，比如河狸修水坝一样，流水声刺激河狸->河狸开始修水坝，直到听不见水声。我们需要赋予机器这种本能，然后通过学习具备能力，对机器而言就是找到一个合适的function。二.机器学习基本步骤就像把大象放
社区小萌新·2022-11-22 17:31

第27期 Datawhale 组队学习 吃瓜教程——西瓜书+南瓜书第六章 / 周志华《机器学习》

前言支持向量机（SVM）个人理解是建立在线性空间的基础之上，提供一种算法，使得分开的曲线距离正负样本距离较远，以增加其泛化性能。目录前言1.支持向量机1.0须知知识点1.0.1超平面1.0.1.1基础知识1.0.1.2数学推导1.0.1.3可参考文献：1.0.2几何间隔1.0.2.1基础知识1.0.2.2可参考文献1.0.3sign函数1.0.3.1定义1.0.3.2可参考文献1.1算法原理1.2
weixin_45856170·2022-11-22 17:17

第27期 Datawhale 组队学习 吃瓜教程——西瓜书+南瓜书第五章 / 周志华《机器学习》

神经网络目录神经网络1.神经元模型1.1M-P神经元模型1.2激活函数2.感知机与多层神经网络2.1感知机2.2多层前馈神经网络3.误差逆传播算法（BP算法）参考文献:1.神经元模型1.1M-P神经元模型输出函数：y=f(∑i=1n(ωixi−θ))y=f(\sum^{n}_{i=1}(\omega_ix_i-\theta))y=f(i=1∑n(ωixi−θ))其中θ\thetaθ为阈值，ωi\o
weixin_45856170·2022-11-22 17:47

吃瓜教程——datawhale10月组队学习

task02:概览西瓜书+南瓜书第3章3.1线性回归的基本形式给定d个属性描述，可以通过属性线性组合来进行预测的函数3.2线性回归3.2.1一元线性线性回归模型：线性模型准则：均方误差最小算法：最小二乘假设x和y满足线性函数关系，使用x的值来预测y即这里，为了求出w和b，我们考虑衡量f(x)与y之间差别，使用均方误差来衡量，即让均方误差最小，为我们的优化准则。求解过程中使用最小二乘法，分别对w和b
scdctlt·2022-11-22 16:40

详述人工智能在自动驾驶中的应用

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达来源：智车科技，编辑：Datawhale随着技术的快速发展云计算、大数据、人工智能一些新名词进入大众的视野，人工智能是人类进入信息时代后的又一技术革命正受到越来越广泛的重视
小白学视觉·2022-11-22 16:03

强化学习面试题大全

主要参考资料：datewhale的强化学习教程：https://github.com/datawhalechina/easy-rl【强推】王树森张志华《深度强化学习》强化学习概述简单介绍一下强化学习。
姜呆·2022-11-22 14:08

【机器学习】机器学习算法备忘单！

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。
风度78·2022-11-22 08:52

深度学习模型训练全流程！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：黄星源、奉现，Datawhale优秀学习者本文从构建数据验证集、模型训练、模型加载和模型调参四个部分对深度学习中模型训练的全流程进行讲解
Datawhale·2022-11-22 07:17

datawhale 8月学习——NLP之Transformers：Transformers解决机器翻译任务

前情回顾attention和transformersBERT和GPT编写BERT模型BERT的应用、训练和优化Transformers解决文本分类任务、超参搜索Transformers解决序列标注任务Transformers解决抽取式问答任务结论速递与前面应用BERT的任务不同，此次的任务是transformer整体的应用，解决的是一个经典的Seq2seq，机器翻译问题。解决的流程还是与之前类似，
SheltonXiao·2022-11-22 07:40

【DataWhale推荐系统论文组队task2--session-based RS with RNN】

DW推荐系统论文组队task2--session-basedRSwithRNN一、序列召回基础知识梳理1.1推荐系统1.2召回阶段1.2.1召回算法分类1.3本文模型的目标二、Session-basedrecommendationswithRecurrentNeuralNetworks2.1会话推荐任务简介2.2本文的创新点2.3RNN模型简介2.4GRU单元2.5本文模型概括2.5.1SESSI
Dr. J·2022-11-22 06:40

李宏毅机器学习组队学习打卡活动day04---深度学习介绍和反向传播机制

参考视频:https://www.bilibili.com/video/av59538266参考笔记：https://github.com/datawhalec
CharlesLC的博客·2022-11-22 02:03

【Datawhale深入浅出Pytorch】Task02 PyTorch的各个组件和实战

【课程链接】https://datawhalechina.github.io/thorough-pytorch/index.html【B站视频】https://www.bilibili.com/video
听小瑜·2022-11-22 02:51

【Datawhale 组队学习Pytorch】Task02 PyTorch的各个组件和实战

【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·2022-11-22 02:51

【李宏毅机器学习2021】Task04 深度学习介绍和反向传播机制

【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。本次是对深度学习介绍和反向传播机制的学习总结。
王多头发·2022-11-22 02:45

总奖金100万！大数据赛事来了

Datawhale赛事主办方：江苏省工业和信息化厅、无锡市人民政府大赛主题SEED2021汇数据价值创数字未来围绕车联网、医疗卫生、智慧水利、数字文娱等领域，深度挖掘省市务数据价值，探索数字治理新技术、
Datawhale·2022-11-22 00:57

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学习目标2图像读取2.1Pillow2.2OpenCV3数据扩增方法3.1数据扩增介绍3.2常见的数据扩增方法3.2.1裁剪3.2.1.1中心裁剪3.2.1.2随机裁剪3.2.1.3随机长宽比裁剪3.2.1.4上下左右中心裁剪3.2.1.5上下左右中心裁剪后翻转3.2.2翻转和旋转3.2.2.1依概率p水平翻转3.2.2.2依概率p垂直翻转3.2.2.3随机旋转3.2.3随机遮
小明没有妹子的微信号·2022-11-22 00:40

小白的逻辑回归学习笔记（入门）

很早之前就有写博客来记录自己学习的过程，入machinelearning的坑也有一年了，在理论与实践上也有了一定的积累（其实主要是实践，理论水平还在积极补救），恰逢最近有时间参加了DataWhale的组队学习活动
Q•Q•Drogba·2022-11-22 00:38
上一页 19 20 21 22 23 24 25 26 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他