摘要：
pytorch 实现上采样 点击查看代码 import numpy as np import torch.nn.functional as F import torch from torch import nn input = torch.arange(0, 12, dtype=torch.floa 阅读全文
摘要：
安装包版本 点击查看代码 完整的TadGan环境列表 (orion) C:\Users\User>pip list WARNING: Ignoring invalid distribution -ensorflow-gpu (c:\users\user\appdata\roaming\python\ 阅读全文
摘要：
资料来源 https://www.bilibili.com/video/BV11g4y1i7MW 80年代的n元语法 隐马尔科夫模型 SVM MRF CRF 等等 提纲 1.n元文法 2.神经语言模型 3.问题思考 历史 后面词的出现受前面词的影响，改进为条件概率，数据量太大 改进，当前词只和前面n 阅读全文
摘要：
1.推荐材料 1.PRML 第十章节 变分推断 2.B站 白板推导 这部分讲解的很详细 https://www.bilibili.com/video/BV1aE411o7qd?p=70 https://www.bilibili.com/video/BV1aE411o7qd?p=71 https:// 阅读全文
摘要：
1.批归一化的作用 参看权值初始化那篇的内容，批归一化的主要意图和权值初始化是一样的，是要解决梯度的前向传播和反向传播过程中，梯度弥散，梯度消失的问题 2.批归一化的流程 这里注意一点，BN层一般放在激活层前面 3.算法流程 算法比较简单，解决问题的主要宗旨和权重初始化一样，尽量能勾勒出一个0均值， 阅读全文
摘要：
原地址 https://www.bilibili.com/video/BV1ba411m72B 1.为什么需要对权重初始化精心设计 1.容易出现梯度消失(梯度特别的接近0)和梯度爆炸(梯度特别的大)的情况,导致大部分反向传播得到的梯度不起作用或者起反作用 2.设计思路 神经网络的每层的数据的传送是要 阅读全文
摘要：
材料准备 网络找了很多关于卷积神经网络的资料，综合来看，挑了一些比较有质量的材料汇总如下 1.鲁鹏老师的计算机视觉与深度学习 https://www.bilibili.com/video/BV1V54y1B7K3 2.邱锡鹏老师的蒲公英书 3.PRML关于卷积神经网络，不变性的章节(提供了一些不变性 阅读全文
摘要：
1.sigmoid函数 2.softmax函数 及其导数 3.tanh函数及其导数 3.MSE均方差损失函数及其导数 4.交叉熵损失函数及其导数 阅读全文
摘要：
#1.GBDT算法流程 \(设有训练集:Data=\{(x_1,y_1),(x_2,y_2),...,(x_N,y_N)\},y_i\in \{+1,-1\}\) 初始化弱学习器 一般用所有训练样本的标签值的均值 \(f_0(x)=argmin_c\sum\limits_{i=1}^{N}L(y_i 阅读全文
摘要：
概述 Adaboost的思想是将关注点放在被错误分类的样本上，减小上一轮被正确分类的样本权值 Adaboost采用加权投票的方法，分类误差小的弱分类器的权重大，而分类误差大的弱分类器的权重小 算法流程 1.\(假设输入训练数据为\) \(T=\{(x_1,y_1),(x_2,y_2),...,(x_ 阅读全文