AI 算法笔记

自从 2012 年在一个图像识别比赛上，一个神经网络的性能超过人类后，深度学习就火了起来，但当时只有少数人会预料到接下来会发生什么。 在过去的十年里，有越来越多的算法面世，也有越来越多的公司开始将这些算法应用到他们的日常业务中。 本文将尝试介绍这些年里，所有重要的深度学习算法和…

本次教程主要介绍如何用深度学习实现迁移学习。更多更详细的迁移学习知识可以查看 cs231n 课程--https://cs231n.github.io/transfer-learning/ 微调网络：采用预训练模型对网络进行初始化，而不是随机初始化，这种做法可以更快收敛，同时也能…

本文将主要介绍如何采用 cuda 和 pycuda 检查、初始化 GPU 设备，并让你的算法跑得更快。 PyTorch 是 torch 的 python 版本，它是 Facebook AI 研究组开发并开源的一个深度学习框架，也是目前非常流行的框架，特别是在研究人员中，短短几年…

本文教程主要是介绍如何加载、预处理并对数据进行增强的方法。 接下来将给我们的人脸关键点数据集自定义一个类别，在 __init__ 方法中将读取数据集的信息，并在 __getitem__ 方法调用获取的数据集，这主要是基于内存的考虑，这种做法不需要将所有数据一次读取存储在内存中，…

上次介绍了Jupyter 入门教程，这次介绍更多 Jupyter notebook 的使用技巧。 介绍如何加强 Seaborn 模块的图表，通过命令行运行，以及使用数据库。 在 notebook 中可以直接采用 shell 命令，只需要在 code cell 中，以 ! 开头的…

Jupyter notebook 是一个很强大的交互式和展示数据科学项目的工具，它可以作为一个开发文档，包含代码、解释说明文字、代码运行结果、数学公式等等，功能非常强大，也是现在非常流行的工具。 本文会通过一个简单的数据分析例子来介绍 Jupyter notebook 的使用方…

这个网站主要是介绍了和细粒度图像分析相关的论文、代码和数据集，论文都是非常新的结果，基本是2017到2019年的结果。 1. 简介 主要是介绍该网站的内容，也就是展示一些基于深度学习的细粒度图像方面的有代表性的论文、代码和数据集，它们的研究方向包括分类、检索、图片生成等等。 2…

上次写的文章-- 一文了解下 GANs可以做到的事情，如果想进一步了解 GAN，学习研究 GAN，可以先从这 10 篇论文开始。 原文作者推荐开始的第一篇论文是 DCGAN 。 文末在介绍几个 Github 项目，分别是专门收集 GAN 方面的论文，以及用 TensorFlow…

如果说目前深度学习最火，应用最多的领域，莫过于 GAN--Generative Adversarial Network，翻译过来就是生成对抗网络，单单从名字上看，你会觉得它就是一个生成模型，看起来就是用于生成图片而已。 实际上，它最开始出现的时候，确实就是用于生成图片，但它可不…

CVPR 是 IEEE Conference on Computer Vision and Pattern Recognition 的缩写，即 IEEE 国际计算机视觉与模式识别会议。该会议是由 IEEE 举办的计算机视觉和模式识别领域的顶级会议。 它是 IEEE 一年一度的学…

这是简单介绍神经网络的知识，并介绍一种特别的神经网络--多层感知器(Multi Layer Perceptron,MLP)。 这篇文章并不涉及到对数学公式的推导，只是简单介绍了神经网络的结构和基本原理。 1. 神经元 神经元(neuron)是神经网络的基本计算单元，也被称作节点…

这是快速入门 PyTorch 的第三篇教程也是最后一篇教程，这次将会在 CIFAR10 数据集上简单训练一个图片分类器，将会简单实现一个分类器从网络定义、数据处理和加载到训练网络模型，最后测试模型性能的流程。以及如何使用多 GPUs 训练网络模型。 4. 训练分类器 上一节介绍…

快速入门 PyTorch 教程第二篇，这篇介绍如何构建一个神经网络。上一篇文章： 3. 神经网络 在 PyTorch 中 torch.nn 专门用于实现神经网络。其中 nn.Module 包含了网络层的搭建，以及一个方法-- forward(input) ，并返回网络的输出 o…

1. Pytorch 是什么 一个可以提供更加灵活和快速的深度学习研究平台。 这里推荐采用 Conda 安装，即使用 Anaconda，主要是可以设置不同环境配置不同的设置，关于 Anaconda 可以查看我之前写的 Python 基础入门--简介和环境配置 。 如下图所示，安…

这个网站非常详细划分了 16 个大方向，包括总共 1081 个子方向。如果想进入机器学习领域，首先还是选择一个方向领域，然后了解和熟悉该方向领域内所需要的算法，特定的解决技巧等。 当然，这篇文章主要介绍的是计算机视觉的应用，计算机视觉也算是这 16 个方向里面最热门也是发展最成…

Kears 和 TensorFlow：用于深度学习。本教程可以仅采用 CPU 版本的 TensorFlow 本教程会用到两个数据集来帮助更好的了解每个机器学习算法的性能。 第一个数据集是 Iris(鸢尾花) 数据集。这个数据集的地位，相当于你刚开始学习一门编程语言时，敲下的 “…

这个系列的文章也是要开始进入尾声了，最后就主要是模型评估部分的内容了。 在机器学习领域中，对模型的评估非常重要，只有选择和问题相匹配的评估方法，才能快速发现算法模型或者训练过程的问题，迭代地对模型进行优化。 模型评估主要分为离线评估和在线评估两个阶段。并且针对分类、回归、排序、…

常用机器学习算法汇总比较的最后一篇，介绍提升(Boosting)算法、GBDT、优化算法和卷积神经网络的基本原理、优缺点。 9. 提升(Boosting)方法 boosting 和 bagging 都是集成学习（ensemble learning）领域的基本算法，两者使用的多个…