机器学习-李宏毅课程笔记

目录

• Sigmoid函数相关
• 模型训练参数相关
  • 模型训练相关问题
  • 极小值点与鞍点
  • 批次 (batch) 與動量 (momentum)
  • 自动调整学习率
  • 損失函數 (Loss) 也可能有影響
  • 批次標準化 (Batch Normalization)
• 卷積神經網路 (Convolutional Neural Networks, CNN)
• 自注意力機制 (Self-attention)
• 生成式對抗網路 (Generative Adversarial Network, GAN)
• 自編碼器 (Auto-encoder)
  • ML Lecture 16: Unsupervised Learning - Auto-encoder
  • ML Lecture 17: Unsupervised Learning - Deep Generative Model (Part I)
  • ML Lecture 18: Unsupervised Learning - Deep Generative Model (Part II)
• 图像生成模型
• diffusion model
  • stable diffusion
  • diffusion model 数学原理
• transformers

Sigmoid函数相关

模型训练参数相关

模型训练相关问题

极小值点与鞍点

批次 (batch) 與動量 (momentum)

自动调整学习率

損失函數 (Loss) 也可能有影響

批次標準化 (Batch Normalization)

卷積神經網路 (Convolutional Neural Networks, CNN)

自注意力機制 (Self-attention)

生成式對抗網路 (Generative Adversarial Network, GAN)

自編碼器 (Auto-encoder)

ML Lecture 16: Unsupervised Learning - Auto-encoder

ML Lecture 17: Unsupervised Learning - Deep Generative Model (Part I)

ML Lecture 18: Unsupervised Learning - Deep Generative Model (Part II)

图像生成模型

diffusion model

stable diffusion

diffusion model 数学原理

transformers

![image](https://img2023.cnblogs.com/blog/2373501/202309/2373501-2023093010