08 2023 档案
摘要：4.1 多维特征 现在我们对房价模型增加更多的特征，例如房间数楼层等，构成一个含有多个变量的模型，模型中的特征为(x1,x2,x3,....,xn). 因此，用n表示特征的数量，用x(i)j 表示第i个实例的第j个特征。 则支持多变量的假设h可表示为：h(x(i))=sita0+sita1*x(i)
阅读全文
摘要：3.1 矩阵和向量 这一节对矩阵和向量的概念进行描述，不再赘述。 3.2 加法和标量乘法 矩阵和矩阵的加法：对应元素相加 矩阵和标量乘法：矩阵的每个元素都与标量相乘 3.3 矩阵向量乘法 以及 3.4 矩阵乘法 都可以看作是矩阵乘法，第i行乘第j列，对应元素相乘再相加，然后放到结果矩阵的第i行第j列
阅读全文
摘要：2.1 模型表示 本节将通过线性回归来了解监督学习的过程: 对于房价预测模型，我们之所以将其称为监督学习（因为对每个数据都有一个正确答案-真实的房价）。由于房价是一些连续的值，因此这是一个回归问题。 h代表学习算法的解决方案或函数也称为假设（hypothesis）,监督学习算法的工作方式如下 要解决
阅读全文
摘要：1.2 机器学习是什么？ Arthur Samuel：他定义机器学习为，在进行特定编程的情况下，给予计算机学习能力的领域。 Tom(卡内基梅隆大学)定义的机器学习是，一个好的学习问题定义如下，一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当有了经验E后，经过P评判，程序在处理T
阅读全文
摘要：开始新的章节，吴恩达老师的机器学习，以下为课程笔记索引： 引言(Introduction) 单变量线性回归(Linear Regression with One Variable)
阅读全文
摘要：这摸鱼也很累... 为什么要写技术文档？ 横向来看，能帮助团队其他成员快速了解程序内容，精准查询所需要的部分内容。 纵向来看，便于日后的更新维护，让其更加结构化。 具体的代码细节当然不需要写文档(每个细节都写也非常浪费时间)，但整体的架构和业务流程要讲清楚，这样在别人使用或者自己日后使用。 摸鱼被发
阅读全文
摘要：15.1. 情感分析及数据集 情感分析（sentiment analysis）研究人们在文本中 （如产品评论、博客评论和论坛讨论等）“隐藏”的情绪。由于情感可以被分类为离散的极性或尺度（例如，积极的和消极的），我们可以将情感分析看作一项文本分类任务，它将可变长度的文本序列转换为固定长度的文本类别。
阅读全文
摘要：14.1. 词嵌入（word2vec） 词向量是用于表示单词意义的向量， 并且还可以被认为是单词的特征向量或表示。 将单词映射到实向量的技术称为词嵌入。然独热向量很容易构建，但它们通常不是一个好的选择。一个主要原因是独热向量不能准确表达不同词之间的相似度，比如我们经常使用的“余弦相似度”，任意两个词
阅读全文
摘要：self可视为类的实例，在使用类创建实例时，我们可能需要强制传入一些参数。所以一般在构造函数 _init_ 里给实例的属性赋值。 class Student(obiect): def __init__(self, name, score): self.name = name self.score =
阅读全文
摘要：在定义模型时，很多python的代码里的开始会有super().__init__()，它有什么作用？ super()用来调用父类(基类)的方法。这样，子类中可以不必重复定义某些函数，直接调用父类的即可。 __init__()是类的构造方法，存放在创建对象时会自动执行的语句。 super().__in
阅读全文
摘要：本以为从谷歌硬盘打开的.ipynb可以直接自动调用同目录下的文件（因为之前在本地是这样做的），但是在运行时总报错 "No such file or directory: '../img/catdog.jpg' "我就很懵，是不是因为colab实验室自己没有没有访问硬盘的权限呢？ 然后加上如下代码，运
阅读全文
摘要：本章将重点介绍计算机视觉领域，并探讨最近在学术界和行业中具有影响力的方法和应用。 13.1. 图像增广 图像增广在对训练图像进行一系列的随机变化之后，生成相似但不同的训练样本，从而扩大了训练集的规模。随机改变训练样本可以减少模型对某些属性的依赖，从而提高模型的泛化能力。 例如，我们可以以不同的方式裁
阅读全文
摘要：12.1. 编译器和解释器 命令式编程（imperative programming）和符号式编程（symbolic programming） 单线程的Python解释器使得，Python将很难让所有的GPU都保持忙碌。可以通过将Sequential替换为HybridSequential来解决代码中
阅读全文
摘要：两种方法：保存和加载参数 和 保存加载整个模型 保存和加载参数 #保存 torch.save(model.state_dict,PATH) #PATH推荐格式为.pt #加载 model=TheModelClass(*args, **kwargs ) model.load_state_dict(to
阅读全文
摘要：优化算法对于深度学习非常重要。一方面，训练复杂的深度学习模型可能需要数小时、几天甚至数周。优化算法的性能直接影响模型的训练效率。另一方面，了解不同优化算法的原则及其超参数的作用将使我们能够以有针对性的方式调整超参数，以提高深度学习模型的性能。 11.1. 优化和深度学习 对于深度学习问题，我们通常会
阅读全文
摘要：10.1. 注意力提示 考虑一个相对简单的状况， 即只使用非自主性提示。 要想将选择偏向于感官输入， 则可以简单地使用参数化的全连接层， 甚至是非参数化的最大汇聚层或平均汇聚层。 在注意力机制的背景下，自主性提示被称为查询（query）。 给定任何查询，注意力机制通过注意力汇聚（attention
阅读全文
