人工智能

画图 推荐 ML Visual 地址：https://github.com/dair-ai/ml-visuals 原因：提供一份32页的PPT模型图素材，可以直接使用画出你要的机器学习深度学习模型图

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第30天，点击查看活动详情 Titanic 赛题介绍 比赛名称：Titanic - Machine Learning from Di

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第27天，点击查看活动详情 迁移学习 什么是迁移学习 迁移学习(transfer learning)通俗来讲，就是将某个领域或任务上

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第26天，点击查看活动详情 Transformer 总体架构 Transformer 模型就像论文标题一样，只需要用到 Attent

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第24天，点击查看活动详情 自注意力机制 自注意力机制与一般的注意力机制最大的不同： 一般注意力机制：Query 和 Key 不同。

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第23天，点击查看活动详情 注意力机制 什么是注意力机制 当我们遇到如下照片，并且提出一个 question，我们就会格外的关注照片

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第22天，点击查看活动详情 DCGAN 生成人脸照片 前言 数据集：Large-scale CelebFaces Attribute

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第20天，点击查看活动详情 GAN 生成模型 vs 判别模型 机器学习过程中是利用有限样本尽可能准确的估计出后验概率 $P(y|x)

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第19天，点击查看活动详情 Encoder-Decoder 我们在之前的学习模型当中默认我们输入序列与输出序列是等长的，但是实际中也

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第18天，点击查看活动详情 唤醒词识别 前言 本次实战主要是实现唤醒词识别（Speech Command Recognition），

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第17天，点击查看活动详情 序列模型 输入或者输出中包含有序列数据的模型叫做序列模型。 序列数据 举几个例子： 语音识别，输入一个音

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第16天，点击查看活动详情 ResNet 深度网络退化问题 在前面的学习网络的学习中，我们可以发现VGG到GoogLeNet，这些网

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第15天，点击查看活动详情 常见卷积神经网络 介绍一些常见卷积神经网络，认识以及编写卷积神经网络。 LeNet LeNet 网络结构

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第14天，点击查看活动详情 卷积神经网络 卷积 卷积的过程可以看作两个矩阵之间特殊的乘法，如下图所示： 一个是输入张量，另一个是卷积

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第9天，点击查看活动详情 MLP 是一种比较简单的神经网络模型，算是入门的基础模型。 神经元 神经网络的基本单元是神经元，一般叫做节

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第8天，点击查看活动详情 基于DNN的假钞识别 项目目录 一个项目需要一个清晰的目录来保证各个模块功能的正确放置，下面是经过学习得到

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第7天，点击查看活动详情 欠拟合和过拟合 首先我们通过图像的角度看看过拟合与欠拟合情况。 上面两张图分别是线性模型与逻辑回归模型的表

简单讲解了我学习线性回归模型一些理解。阐述了一些推导过程，之前并没有去深刻理解。 线性回归模型简单，但是可以帮助理解一些概念，可以更好的后面学习。

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第2天，点击查看活动详情 逻辑回归模型 分类问题 分类问题是机器学习主要解决问题的一个重要组成部分，根据已知样本的特征，去判断样本属

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第3天，点击查看活动详情 基础组件详解 划分数据集 当我们拿到一个完整的数据集时候，我们普遍将数据集划分成三部分：训练集，验证集，测