首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
mmd
掘友等级
深圳大学
Struggle
获得徽章 0
动态
文章
专栏
沸点
收藏集
关注
作品
赞
27
文章 27
沸点 0
赞
27
返回
|
搜索文章
最新
热门
深度学习中指数加权移动平均(EWMA)优化方法及其发展
本文将要介绍神经网络优化算法中的Momentum算法,RMSProp算法和Adam算法。资料来自于fastai课程和Ng的深度学习课程。 Momentum算法,又称动量法,直接使用了EWMA的思想,即指数加权移动平均法。在进行本次优化时,令之前几次优化的梯度大小和方向对本次优化…
论文解析(CLRpolicy):Cyclical Learning Rates for Training Neural Networks
这是一篇发布于2015年的老论文Cyclical Learning Rates for Training Neural Networks,因为在fastai库中经常使用fit_one_cycle这个方法,就去看了一些底层代码,同时找到了这篇论文大致浏览了一下,在此做一下总结。 …
jupyter使用技巧
基于windows10操作系统。 快捷键规律 对文本进行操作的快捷键都是Ctrl Shift Alt等,比如Ctrl + C/V/X/Z/A 对Cell(即jupyter中的单元格)进行操作的快捷键都是Esc,比如Esc + C/V//X/Z。 还有一个差别在于,用Ctrl必须…
深度学习笔记(Practical Deep Learning for Coders, v3):1.快速建立一个CNN模型
在这节课中,我们将从零开始构建我们自己的图像分类器,看看是否能够取得顶级的准确率。就让我们一探究竟吧! 我们将使用由 O. M. Parkhi et al., 2012引用的Oxford-IIIT Pet Dataset数据集,这个数据集中有12个品种的猫和25个品种的狗。我们…
GPU环境配置
工欲善其事必先利其器,为了进行fast.ai课程的学习,需要搭建一个使用GPU进行模型训练的环境。fast.ai官方推荐了许多的云服务器,如果手上没有现成的GPU可用的话,建议使用官方推荐的服务器,好像也不是很贵。fast.ai官方文档:为什么使用GPU? 因为我的实验室有服务…
机器学习练习八:用Python实现异常检测和协同过滤算法
在本练习中,我们将使用高斯模型实现异常检测算法,并将其应用于检测网络上的故障服务器。我们还将看到如何使用协作过滤构建推荐系统,并将其应用于电影推荐数据集。 我们的第一个任务是使用高斯模型来检测数据集中未标记的示例是否应被视为异常。我们有一个简单的二维数据集开始,以帮助可视化该算…
机器学习练习七:用Python实现K-means和PCA
在本练习中,您将实现K-means算法并将其应用于压缩图像。在第二部分中,您将使用主成分分析(PCA)来寻找面部图像的低维表示。 在本练习中,我们将实现K-means聚类,并使用它来压缩图像。我们将从一个简单的2D数据集开始,以了解K-means是如何工作的,然后我们将其应用于…
机器学习练习六:用SKLearn实现支持向量机(SVM)
在本练习中,我们将从一些简单的2D数据集开始使用SVM来查看它们的工作原理。 顾名思义,基于线性核函数的SVM主要是用来实现线性决策边界的分类问题的。 可以看到这是一个线性决策边界的简单数据集,并且在(0.2,4.2)位置有一个异常点,下面我们将探索SVM中的超参数C(可以理解…
理解概率密度函数
原创声明:本文为 SIGAI 原创文章,仅供个人学习使用,未经允许,不能用于商业目的。 其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》,清华大学出版社,雷明著,由SIGAI公众号作者倾力打造。 书的购买链接 书的勘误,优化,源代码资源 概率密度函…
机器学习练习五:模型的评估(偏置和方差的影响)
数据介绍:在练习的前半部分,您将使用水库水位的变化实现正则化线性回归来预测大坝的出水量。在下半部分中,您将通过调试学习算法的一些诊断并观察偏置和方差的影响。 数据分成了训练集,验证集和测试集。 偏置项不需要正则化,可以通过将置为0的方式来实现。但如果在程序中直接对theta进行…
下一页
个人成就
文章被点赞
42
文章被阅读
42,875
掘力值
898
关注了
3
关注者
25
收藏集
4
关注标签
29
加入于
2019-08-19