harykali

前言 在这一章节中我们会介绍几个与深度学习优化有关的忧患算法（主要是自适应学习率方面的），以及通过一个例子来进一步了解深度学习的实现。 1.卷积神经网络实现图像分类 在这个例子中我们会通过卷积神经网络

0 前言： 在这一章节中我们会介绍一些基础的深度学习概念 1.局部极小值与鞍点：判断与逃离 有时候有人会将深度学习的过程戏称为“调参”，但是在某些时候，我们会发现我们不论如何更新参数，训练的损失就不会

0. 前言 在上一期初步确认了一个Idea之后，团队又对现有的Idea进行了拓展，的Idea以及目前已有Idea的进展 1.已经完成的任务：测试目前选用大模型的对话表现 这两天的工作主要集中在对于Id

0.前言 这篇笔记主要记录task1的教程相关内容，以及团队项目的相关思考 1. 关于大语言模型： 为了对人类语言的内在规律进行建模，研究者们提出使用语言模型（language model）来准确预测

0. 前言 这是DataWhale的最后一期调优，本次调优的两个主要方向是： 尝试引入新特征来进行优化 尝试通过对于lgm本身结构的改进来进行优化 1. 基于新特征的优化 这里我们需要先介绍一下为什么

0.前言 在本章节中我们会简单介绍一下夏令营中我对baseline调优的一些方法。本章主要分为两个部分，基于Lightbm优化baseline，以及通过模型混合、模型替换的方案来尝试优化baselin

1. 任务背景： 本次的任务还是比较清晰明了的，主要是以下的一个任务(官网)： 简单来说就是我们需要通过程序来预测某类药物基因对某类疾病的治疗效果此处我们会拿到的是一个csv文件的数据集 这次的数据集

静态分析学习笔记02：程序中间表示（IR） 1.程序中间表示（IR）？ IR的本质是编译器前端工作的最后产物，编译器会先生成IR，然后进一步地对程序进行优化，最后生成目标算法，常见的IR可以通过抽象层

PL的研究领域主要可以分为理论，环境和应用三大类， 此处的理论主要是包括程序语言设计、类型系统的相关问题，环境一般指代的是编译器、运行时系统的设计（支持程序运行的环境），而应用则是针对已有的程序提出以