ZackSock

在许多机器学习算法中，都假设各个特征之间无关，比如逻辑回归和SVM各个特征对应一个特定的权重。基于这一假设，模型可以非常简单，而且参数量也不会过多。但是实际场景中，特征之间关联是非常大的，尤

在上一篇我们介绍了感知机，以及如何从感知机演变到神经网络。最后得出结论，神经网络就是一个矩阵乘法。在这一篇文章，我们将用介绍更多神经网络的细节，并使用numpy来实现神经网络。

深度学习中有许多框架，包括Tensorflow、PyTorch、Keras等，框架中实现了各种网络，并且可以自动求导，因此构建一个完整的网络只需要十几行代码。因为框架高度封装，因此我们无法知

最近受邀参与了亚马逊云科技【云上探索实验室】活动，体验了一下Amazon SageMaker平台，训练了一个人脸的自编码器。对比本地的训练时间，速度提升比较明显。

AutoEncoder的目的是对输入进行编码，希望这个编码能够很好的还原原有数据。当AutoEncoder训练完成后，我们可以对任意的图像进行编码，这样就可以用一个低维的向量表示图片。

AutoEncoder（AE）中文叫自编码器，是一种介于监督学习和无监督学习之间的模型。其学习方式现在被称为自监督学习，类似于Bert模型，它的训练需要标签数据，但是这个标签数据是自己生成的

虽然人工智能技术已经能完成各种超出想象的事情，但是人工智能仍卸不掉人工智障的标签。即使强如ChatGPT也会犯一些非常弱智的错误。

从2017年起，RNN系列网络逐渐被一个叫Transformer的网络替代，发展到现在Transformer已经成为自然语言处理中主流的模型了，而且由Transformer引来了一股大语言模

文本情感分析是自然语言处理中非常基本的任务，我们生活中有很多都是属于这一任务。比如购物网站的好评、差评，垃圾邮件过滤、垃圾短信过滤等。