stanford机器学习笔记第10页

机器学习笔记：线性链条件随机场（CRF）

0引入：以词性标注为例比如我们要对如下句子进行标注：“小明一把把把把住了”那么我么可能有很多种词性标注的方法，中间四个“把”，可以是“名词+名词+动词+名词”，可以是“名词+动词+动词+名词”等多种形式。那么，哪种标注序列最有可能是正确的呢？我们如果可以给每一个标注序列进行打分，打分越高的表示这个标注序列越靠谱，那么就会容易的多。打分最高的就是最可能的标注序列。对于标注序列问题，我们可以设计一组特

UQI-LIUWJ·2023-08-17 14:09

机器学习笔记：主动学习（Active Learning）初探

1基本介绍监督学习问题中，存在标记成本昂贵且难以大量获取的问题。针对一些特定任务，只有行业专家才能为样本做上准确标记。在此问题背景下，主动学习（ActiveLearning,AL）尝试通过选择性地标记较少数据而训练出表现较好的模型。主动学习最重要的假设是不同样本对于特定任务的重要程度不同，所以带来的表现提升也不全相同。选取较为重要的样本可以使当前模型以较少的标记样本数得到较好的表现在这一过程中，主

UQI-LIUWJ·2023-08-17 14:09

GPT法律领域

数据：基于中文裁判文书网公开法律文书数据、司法考试数据等数据集展开，利用Stanford_alpaca、self-instruct方式生成对话问答数据，利用知识引导的数据生成，引入ChatGPT清洗数据

小草cys·2023-08-17 01:35

机器学习理论笔记（一）：初识机器学习

文章目录1前言：蓝色是天的机器学习笔记专栏1.1专栏初衷与定位1.2本文主要内容2机器学习的定义2.1机器学习的本质2.2机器学习的分类3机器学习的基本术语4探索"没有免费的午餐"定理（NFL）5结语1

蓝色是天·2023-08-16 23:47

通用视觉大模型

MicrosoftV-MOE:GoogleSAM：Meta盘古CV：华为文心UFO：百度…预训练大模型#导入必要的库和模块importargparseimportjsonimportpathlib#定义StanfordAlpaca

Zain Lau·2023-08-15 14:24

机器学习笔记 - 在 Vision Transformer 中可视化注意力

2022年，视觉变换器(ViT)成为卷积神经网络(CNN)的有力竞争对手，后者现已成为计算机视觉领域的最先进技术，并广泛应用于许多图像识别应用中。在计算效率和准确性方面，ViT模型超过了当前最先进的(CNN)几乎四倍。一、视觉转换器(ViT)如何工作？视觉转换器模型的性能由优化器、网络深度和数据集特定的超参数等决策决定。CNN比ViT更容易优化。纯Transformer和CNN前端之间的区别在于将

坐望云起·2023-08-15 07:39

机器学习笔记：李宏毅 stable diffusion

1基本框架①：文字变成向量②：喂入噪声+文字encoder，产生中间产物③：decoder还原图片2textencoder这张图越往右下表示效果越好，可以看到textencoder尺寸越大，对后续生成图片的增益越多3评价图片生成好坏的标准3.1FID现有一个训练好的CNN模型，可以生成真实影像和生成图像的representation这两组表征的分布越近，效果越好——>我们sample一堆图片，然后

UQI-LIUWJ·2023-08-14 01:49

机器学习笔记：李宏毅diffusion model

1概念原理首先sample一个都是噪声的vector然后经过denoisenetwork过滤一些杂质接着继续不断denoise，直到最后出来一张清晰图片【类似于做雕塑，一开始只是一块石头（噪声很杂的雕塑），慢慢雕刻出想要的花纹】同一个denoisenetwork的模型反复使用但每一个stage输入的图片的状况差异很大——>完全是同一个模型效果不一定好denoisenetwork还多需要一个输入，野

UQI-LIUWJ·2023-08-14 01:46

机器学习 - 吴恩达版(Stanford)笔记 005

Topic:ModelRepresentation假设你的朋友有一个1250squarefeet的房子，如何借助这个数据估价？之前提到，这是一个监督学习算法。在此我们定义训练集(TrainingSet)的概念。对于监督学习，我们有特征集合x，和目标集合y一一对应，组成训练集。而对于训练集里的单条数据，他的特征组，和结果，写作,整个监督学习的过程即如上图：输入trainingset，使learnin

Wallace_QIAN·2023-08-13 23:19

机器学习笔记 - 基于PyTorch + 类似ResNet的单目标检测

坐望云起·2023-08-13 06:21

世界顶尖教育学院：斯坦福大学教育学院

斯坦福大学教育学研究生院(StanfordGraduateSchoolofEducation,简称“斯坦福教育学院”)一直以来都是美国教育研究与教师培养的学术重镇。

睁眼看教育·2023-08-13 04:54

斯坦福大学官方暑校在线版发布

斯坦福官网展示页面话不多说我们直奔主题▼项目简介斯坦福大学本科前国际学院（StanfordPre-CollegiateInternationalInstitutes）由斯坦福大学本科前培养部（St

朴新国际素质教育研究中心·2023-08-12 21:49

机器学习笔记 - 关于向量嵌入embedding在机器学习中的使用

向量嵌入概述向量嵌入是机器学习中最有趣和最有用的概念之一。它们是许多NLP、推荐和搜索算法的核心。如果您曾经使用过推荐引擎、语音助手、语言翻译器等工具，您就会遇到过依赖嵌入的系统。与大多数软件算法一样，机器学习算法也需要使用数字。有时，我们的数据集包含数值列或可以转换为数值的值（序数、分类等）。其他时候我们会遇到更抽象的东西，比如整个文本文档。我们为这样的数据创建向量嵌入，它们只是数字列表，以便用

坐望云起·2023-08-12 20:59

机器学习笔记 - 基于C++的深度学习二、实现卷积运算

一、卷积卷积是信号处理领域的老朋友。最初的定义如下在机器学习术语中：I(…)通常称为输入K(…)作为内核，并且F(…)作为给定K的I(x)的特征图。虑多维离散域，我们可以将积分转换为以下求和对于二维数字图像，我们可以将其重写为：<

坐望云起·2023-08-12 14:48

机器学习笔记 - 基于C++的深度学习三、实现成本函数

机器学习中的建模作为人工智能工程师，我们通常将每个任务或问题定义为一个函数。例如，如果我们正在开发面部识别系统，我们的第一步是将问题定义为将输入图像映射到标识符的函数F(X)。但是问题是如何知道F(X)公式？事实上，使用公式或一系列固有规则来定义F(X)是不可行的（有一天我会解释原因）。一般来说，我们不是寻找或定义正确的函数F(X)，而是尝试找到F(X)的近似值。我们将这种近似称为假设函数，或者简

坐望云起·2023-08-12 05:59

机器学习笔记：李宏毅chatgpt 大模型 & 大资料

1大模型1.1大模型的顿悟时刻EmergentAbilitiesofLargeLanguageModels，TransactionsonMachineLearningResearch2022模型的效果不是随着模型参数量变多而慢慢变好，而是在某一个瞬间，模型“顿悟”了这边举的一个例子是，比如让模型回答鸡兔同笼问题一开始小模型什么都学不到，故而效果不好随着模型参数量增大，模型慢慢地会一定地推导了，但是

UQI-LIUWJ·2023-08-12 03:37

吴恩达机器学习笔记（二）

模型描述：根据房间的大小（平方数）预测其能售卖出的价格1、监督学习（每个例子都有一个正确的输出值）1.1、回归问题，可以预测一个准确的数值输出1.2、分类问题，可以预测离散值输出（只有0和1的离散值输出）2、训练集（trainingset）：在监督学习中提供“参考”的数据集合三个要素：训练集的数量，输入变量，输出变量训练样本（trainingexample）：（x^(i),y^(i)）第i个训练样

五大人·2023-08-12 02:26

机器学习笔记之优化算法(十三)关于二次上界引理

机器学习笔记之优化算法——关于二次上界引理引言回顾：利普希兹连续梯度下降法介绍二次上界引理：介绍与作用二次上界与最优步长之间的关系二次上界引理证明过程引言本节将介绍二次上界的具体作用以及它的证明过程。

静静的喝酒·2023-08-11 20:41

机器学习笔记值优化算法(十四)梯度下降法在凸函数上的收敛性

机器学习笔记之优化算法——梯度下降法在凸函数上的收敛性引言回顾：收敛速度：次线性收敛二次上界引理梯度下降法在凸函数上的收敛性收敛性定理介绍证明过程引言本节将介绍梯度下降法在凸函数上的收敛性。

静静的喝酒·2023-08-11 20:10

机器学习笔记 - 基于C++的深度学习一、向量运算

由于它们的可扩展性和灵活性，现在很少找到不使用TensorFlow、PyTorch、Paddle......（这里的省略号是指各种成熟的深度学习库）的项目。花时间从头开始编写机器学习算法（即在没有任何基础框架的情况下）似乎有些重复造轮子的感觉。然而，事实并非如此。自己编写算法可以让我们清楚、扎实地理解算法如何工作以及模型真正在做什么。C++曾经是一种古老的语言，但在过去十年中发生了巨大的发展。主要

坐望云起·2023-08-11 08:37

Install Stanford C++ Library for CS106/programming abstractions in C++

repo.huaweicloud.com/java/jdk/8u171-b11/Ubuntu16搭建JDK运行环境https://blog.51cto.com/u_14693305/4765488安装StanfordC

人生导师派大星zx·2023-08-11 06:41

机器学习笔记 - 使用CLIP在没有数据的情况下创建图像分类器

想象一下，如果我们现在需要对人们是否戴眼镜进行分类，但您没有数据或资源来训练自定义模型。该怎么办？这里我们了解如何使用预先训练的CLIP模型来创建自定义分类器，而无需任何培训。这种方法称为零样本图像分类，它可以对原始CLIP模型训练期间未明确看到的类别图像进行分类。一、CLIP理论背景CLIP（对比语言-图像预训练）模型由OpenAI开发，是一种多模态视觉和语言模型。它将图像和文本描述映射到相同的

坐望云起·2023-08-11 02:31

机器学习笔记之优化算法(十一)梯度下降法：凸函数VS强凸函数

机器学习笔记之优化算法——梯度下降法：凸函数VS强凸函数引言凸函数：凸函数的定义与判定条件凸函数的一阶条件凸函数的梯度单调性凸函数的二阶条件强凸函数强凸函数的定义强凸函数的判定条件强凸函数的一阶条件强凸函数的梯度单调性强突函数的二阶条件引言本节将介绍凸函数

静静的喝酒·2023-08-10 10:01

机器学习笔记1_逻辑回归

@[toc]1LogisticRegressionLogisticRegression逻辑回归，简称LR，适合于分类问题1.1LR模型对于线性回归模型，需要拟合一个的函数，回归问题适合于连续的问题，而对于分类问题，需要得到一系列离散的标签，以二分类为例，需要预测的类别为0，1.可以使用sigmoid函数将连续问题转化为离散问题:sigmoid函数的图像为：sigmoid其中，时，，时，.Sigmo

cuiyr123·2023-08-09 17:41

Beta Embeddings for Multi-Hop Logical Reasoning in Knowledge Graphs - 论文笔记

有完整代码作者：HongyuRen，JureLeskovecpdf：https://arxiv.org/pdf/2010.11465.pdfgithub：https://github.com/snap-stanford

Bluestragglers·2023-08-09 14:54

机器学习笔记：李宏毅ChatGPT Finetune VS Prompt

1两种大语言模型：GPTVSBERT2对于大语言模型的两种不同期待2.1“专才”2.1.1成为专才的好处IsChatGPTAGoodTranslator?APreliminaryStudy2023Arxiv箭头方向指的是从哪个方向往哪个方向翻译表格里面的数值越大表示翻译的越好可以发现专门做翻译的工作会比ChatGPT好一些HowGoodAreGPTModelsatMachineTranslatio

UQI-LIUWJ·2023-08-09 08:43

JavaSE基础篇——超详细，Java入门，这一篇就够了

第一节：Java语言概述一、java背景知识1、Java是美国sun公司（StanfordUniversityNetwork）在1995年推出的一门计算机高级编程语言。

摘星2312·2023-08-09 06:21

吴恩达机器学习笔记（自用）

吴恩达机器学习机器学习的定义什么是机器学习？机器学习算法1.监督学习（SupervisedLearning）2.无监督学习（UnsupervisedLearning）单变量线性回归模型描述（ModelRepresentation）代价函数梯度下降线性回归中的梯度下降凸函数（convexfunction）多变量线性回归多元梯度下降法特征缩放（FeatureScaling）学习率（Learningra

cosθ·2023-08-09 06:02

机器学习笔记自用

matplotlib.legend中的ncol，例如plt.legend(label,loc=0,ncol=4)表示一行可放置4个标签loc表示位置常用位置如下

鄙人不善奔跑·2023-08-09 05:00

「AI大咖谈」阿里算法专家谈大规模推荐系统粗排层的设计与实现

这里是「王喆的机器学习笔记」的第三十七篇文章。今天我们「AI大咖谈」邀请的大咖是阿里的算法专家王哲，所以今天是一次王喆对王哲的访谈。

王喆的机器学习笔记·2023-08-09 05:20

机器学习笔记之优化算法(十一)凸函数铺垫：梯度与方向导数

机器学习笔记之优化算法——凸函数铺垫：梯度与方向导数引言回顾：偏导数方向余弦方向导数方向导数的几何意义方向导数的定义方向导数与偏导数之间的关联关系证明过程梯度(Gradient)(\text{Gradient

静静的喝酒·2023-08-08 18:38

机器学习笔记：李宏毅ChatGPT：生成式学习的两种策略

1策略1“各个击破”——autoregressivemodel“各个击破”——一个一个生成出来2策略2：“一次到位”——non-autoregressvemodel一步到位，全部生成出来2.1non-autoregressivemodel如何确定长度？两种策略策略1：始终生成固定长度（比如100），如果出现end，那么end后面的部分直接扔掉策略2：首先输出一个数字n，表示之后我们要输出多长，然后

UQI-LIUWJ·2023-08-08 17:41

机器学习笔记 - week9 -（十五、异常检测）

15.1问题的动机在接下来的一系列视频中，我将向大家介绍异常检测(Anomalydetection)问题。这是机器学习算法的一个常见应用。什么是异常检测呢？为了解释这个概念，让我举一个例子吧：假想你是一个飞机引擎制造商，当你生产的飞机引擎从生产线上流出时，你需要进行QA(质量控制测试)，而作为这个测试的一部分，你测量了飞机引擎的一些特征变量，比如引擎运转时产生的热量，或者引擎的振动等等。这样一来，

火箭蛋头·2023-08-08 05:12

java专业介绍

Java是SUN(StanfordUniversityNetwork，斯坦福大学网络公司)1995年推出的一门高级编程语言，是一种面向Internet的编程语言。

杜卫东·2023-08-08 05:04

机器学习——支持向量机（数学基础推导篇）

支持向量机（SVM）——原理篇机器学习笔记（五）：支持向量机（SVM）支持向量机算法（SVM）详细讲解(含手推

# JFZero·2023-08-07 11:32

机器学习笔记 - 关于GPT-4的一些问题清单

一、简述据报道，GPT-4的系统由八个模型组成，每个模型都有2200亿个参数。GPT-4的参数总数估计约为1.76万亿个。近年来，得益于GPT-4等高级语言模型的发展，自然语言处理(NLP)取得了长足的进步。凭借其前所未有的规模和能力，GPT-4为语言AI设立了新标准，并为机器生成内容开辟了一个充满了无限可能性的世界。然而，GPT-4令人印象深刻的性能背后隐藏着控制其行为的复杂参数网络。我们这里将

坐望云起·2023-08-07 06:29

机器学习笔记 - 基于Python发现最佳计算机视觉模型的神经架构搜索技术NAS

典型案例YOLO-NAS(NeuralArchitectureSearch)机器学习笔记-YOLO-NAS最高效的

坐望云起·2023-08-07 05:52

机器学习笔记：李宏毅ChatGPT课程1：刨析ChatGPT

ChatGPT——ChatGenerativePre-trainedTransformer1文字接龙每次输出一个概率分布，根据概率sample一个答案——>因为是根据概率采样，所以ChatGPT每次的答案是不一样的（把生成式学习拆分成多个分类问题）将生成的答案加到原来的句子里面1.1同时使用同一个会话中之前的互动作为输入模型的输入不止有现在的互动，还有同一会话中过去的互动这里说的1700亿参数是O

UQI-LIUWJ·2023-08-06 20:46

机器学习笔记 - YOLO-NAS 最高效的目标检测算法之一

一、YOLO-NAS概述YOLO（YouOnlyLookOnce）是一种对象检测算法，它使用深度神经网络模型，特别是卷积神经网络，来实时检测和分类对象。该算法首次在2016年由JosephRedmon、SantoshDivvala、RossGirshick和AliFarhadi发表的论文《YouOnlyLookOnce:Unified,Real-TimeObjectDetection》中被引入。自

坐望云起·2023-08-06 12:16

Bits and Bytes

转载stanford——cs101BitsandBytesAtthesmallestscaleinthecomputer,informationisstoredasbitsandbytes.Inthissection

desperatedesperate·2023-08-06 11:23

机器学习笔记之优化算法(十)梯度下降法铺垫：总体介绍

机器学习笔记之优化算法——梯度下降法铺垫：总体介绍引言回顾：线搜索方法线搜索方法的方向Pk\mathcalP_kPk线搜索方法的步长αk\alpha_kαk梯度下降方法整体介绍引言从本节开始，将介绍梯度下降法

静静的喝酒·2023-08-06 09:02

深入NLTK：Python自然语言处理库高级教程

在NLTK中，我们可以使用StanfordParser进行句法解析：fromnl

青春不朽512·2023-08-05 10:10

机器学习笔记 - 使用 Tensorflow 从头开始构建您自己的对象检测器

机器学习笔记-使用Keras、TensorFlow框架进行自定义数据集目标检测训练_keras制作目标检测数据集_坐望云起的博客-CSDN博客学习如何训练自定义深度学习模型，以通过Keras、TensorFlow

坐望云起·2023-08-05 06:48

#ubuntu ROS初学习解决了一个大问题：ubuntu未找到wifi适配器解决方法！

#一些网课小笔记什么是ROSSTanfordAIRobot“分布式模块化”系统ROS就是机器人界的“安卓”ROS版本选择1、项目要求2、硬件驱动这里看网课时看到一句话：“新电脑，安装老版本的ubuntu

dumpling0120·2023-08-04 15:12

机器学习笔记之优化算法(九)收敛速度的简单认识

机器学习笔记之优化算法——收敛速度的简单认识引言收敛速度的判别标准Q\mathcalQQ-收敛速度R\mathcalRR-收敛速度关于算法复杂度与收敛速度引言本节对收敛速度简单介绍。

静静的喝酒·2023-08-04 08:59

机器学习笔记 - 使用 YOLOv5、OpenCV、Python 和 C++ 检测物体

一、YOLOv5简述YOLOv5虽然已经不是最先进的对象检测器，但是YOLOv5使用了一个简单的卷积神经网络CNN架构（相对YOLOv8来讲，不过v8精度是更高了一些），更易理解。这里主要介绍如何轻松使用YOLOv5来识别图像中的对象。将使用OpenCV、Python和C++来加载和调用我们的YOLOv5模型。目标检测是最重要的计算机视觉任务之一。对于给定图像，对象检测器将发现：图像中的物体物体的

坐望云起·2023-08-04 01:30

机器学习笔记 - 了解 GitHub Copilot 如何通过提供自动完成式建议来帮助您编码

一、GitHubCopilot介绍GitHubCopilot是世界上第一个大规模AI开发人员工具，可以帮助您以更少的工作更快地编写代码。GitHubCopilot从注释和代码中提取上下文，以立即建议单独的行和整个函数。研究发现GitHubCopilot可以帮助开发人员更快地编码、专注于解决更大的问题、更长时间地保持在流程中，并对他们的工作感到更满足。GitHubCopilot的生成式预训练语言模型

坐望云起·2023-08-03 23:37

机器学习笔记之优化算法(七)线搜索方法(步长角度；非精确搜索；Wolfe Condition)

机器学习笔记之优化算法——线搜索方法[步长角度，非精确搜索，WolfeCondition]引言回顾：Armijo\text{Armijo}Armijo准则及其弊端Glodstein\text{Glodstein

静静的喝酒·2023-08-03 16:55

机器学习笔记之优化算法(六)线搜索方法(步长角度；非精确搜索；Glodstein Condition)

机器学习笔记之优化算法——线搜索方法[步长角度，非精确搜索，GlodsteinCondition]引言回顾：ArmijoCondition\text{ArmijoCondition}ArmijoCondition

静静的喝酒·2023-08-03 16:54

机器学习笔记之优化算法(八)简单认识Wolfe Condition的收敛性证明

机器学习笔记之优化算法——简单认识WolfeCondition收敛性证明引言回顾：Wolfe\text{Wolfe}Wolfe准则准备工作推导条件介绍推导结论介绍关于Wolfe\text{Wolfe}Wolfe

静静的喝酒·2023-08-03 16:23

推荐频道

stanford机器学习笔记