artificiali

实际应用中很多任务的数据的标注成本很高，无法获得充足的训练数据，这种情况可以 使用迁移学习（transfer learning）。假设 A、B 是两个相关的任务，A 任务有很多训练数 据，就可以把从A

流程 (1) 将一幅图像分成SxS个网格(grid cell),如果某个object的中心落在这个网格中，则这个网格就负责预测这个object。 (2) 每个网格预测B个bounding box（边界

自注意力的运作原理 自注意力运作的过程     接下来介绍下向量b1 产生的过程，了解产生向量b1的过程后，剩下向量b2、b3、b4 产 生的过程以此类推。怎么产生向量b1呢？如图6.17所示，第一个

transformer讲解，理解Q、V、V Multi-headattention Add & Norm FNN decoder 解码 masked Padding Mask 因果掩码（Sequenc

Zero-Padding 在卷积神经网络(CNN)中，‌Zero-Padding（零填充）‌是一种在输入数据（如图像）的周围添加零值像素的技术。它的主要目的是控制卷积操作后输出的空间尺寸（宽度和高度）

由于图片可知这个网络输出层维度为3 第$n+1$层为例第1个神经元参数$w^{n+1}_1,b^{n+1}_1$通过如下连锁变化影响损失函数J： $w^{n+1}_1-->z^{n+1}_1-->(a

由上图可知，神经元参数的变化会导致损失函数数值的变化。因此，对于输出层第1个神经元，定义 $w_1^{n+1} = (w_1, w_2, w_3, w_4), b_1^{n+1} = b_1$ 由于J

NumPy  .argmax（）  函数返回数组中沿指定轴的最大值的索引。 语法 参数： array：用于查找最大值的输入数组。 axis（可选）：整数，指定要沿其查找最大值的轴。默认情况下 （） ，

输入部分 句子矩阵 (Sentence matrix) ：输入是一个 7×5 的矩阵，表示一个句子的词嵌入表示。 7 表示句子的长度（单词数）。 5 表示词嵌入的维度（每个单词被表示为一个 5 维向量