AI 机器学习
刷新
深度学习入门笔记——Transform的使用

博主头像 Transfrom是什么？ 可以看作是一个图像处理的工具箱，通过查看Transform类可以找到不同的图像处理方法 更准确的说，Transform中有各种类的的定义，我们可以通过继承或者构造这些类，然后调用里面的方法来实现相应的功能 可以通过结构来便捷的查看transform中的类和方法，然后实现对 ...

Anaconda Pytorch 深度学习入门记录

博主头像 环境 我这里用的是Anaconda最新的版本24.9.2，创建的pyton版本是3.9，虚拟环境名叫pytorch，下载的pytorch版本是12.1 初步配置 创建虚拟环境 首先进入Anaconda的终端，然后运行conda create -n xxx python=3.9创建一个虚拟环境，这里x ...

强化学习算法笔记之【DDPG算法】

博主头像 强化学习笔记之【DDPG算法】 目录强化学习笔记之【DDPG算法】前言：原论文伪代码DDPG 中的四个网络代码核心更新公式 前言： 本文为强化学习笔记第二篇，第一篇讲的是Q-learning和DQN 就是因为DDPG引入了Actor-Critic模型，所以比DQN多了两个网络，网络名字功能变了一下， ...

从零开始学机器学习——构建一个推荐web应用

博主头像 首先给大家介绍一个很好用的学习地址：https://cloudstudio.net/columns 今天，我们终于将分类器这一章节学习完活了，和回归一样，最后一章节用来构建web应用程序，我们会回顾之前所学的知识点，并新增一个web应用用来让模型和用户交互。所以今天的主题是美食推荐。 美食推荐 We ...

从零开始学机器学习——分类器详解

博主头像 首先给大家介绍一个很好用的学习地址：https://cloudstudio.net/columns 今天我们将结合第一章节中清洗得到的菜品数据，利用多种分类器对这些数据进行训练，以构建有效的模型。在这个过程中，我会详细讲解每一种分类器的原理及其重要性。 尽管这些知识点对于实践来说并不是必须掌握的，因 ...

神经辐射场 NeRF 相关公式推导

博主头像 学习了 NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis 这篇论文后, 看到里面的一些公式, 思考着它们是怎么来的, 同时查询了很多资料和博客, 现在将它们的推导汇总起来. ...

从零开始学机器学习——初探分类器

博主头像 首先给大家介绍一个很好用的学习地址：https://cloudstudio.net/columns 在上一节中，我们已经完成了对所有经过均衡和清洗的菜品数据的准备工作。接下来，我们将考虑使用多种算法，也就是不同的分类器，来构建模型。我们将利用这个数据集和各种分类器，基于一组特定的配料，预测这些菜品属 ...

从零开始学机器学习——了解分类算法

博主头像 分类算法 首先给大家介绍一个很好用的学习地址：https://cloudstudio.net/columns 分类算法是监督学习的一种重要方法，它与回归算法在许多方面有相似之处。监督学习的核心目标是利用已有的数据集进行预测，无论是数值型数据还是类别型数据。具体而言，分类算法主要用于将输入数据归类为不 ...

强化学习笔记之【SAC算法】

博主头像 强化学习笔记之【SAC算法】 前言： 本文为强化学习笔记第四篇，第一篇讲的是Q-learning和DQN，第二篇DDPG，第三篇TD3 TD3比DDPG少了一个target_actor网络，其它地方有点小改动 CSDN主页：https://blog.csdn.net/rvdgdsva 博客园主页：h ...

从零开始学机器学习——网络应用

博主头像 首先给大家介绍一个很好用的学习地址：https://cloudstudio.net/columns 今天，我们的主要任务是按照既定的流程再次运行模型，并将其成功加载到 Web 应用程序中，以便通过 Web 界面进行调用。最终生成的模型将能够基于 UFO 目击事件的数据和经纬度信息，推断出事件发生的城 ...

从零开始学机器学习——逻辑回归

博主头像 首先给大家介绍一个很好用的学习地址：https://cloudstudio.net/columns 在之前的学习中，我们学习了直线线性回归与多项式回归，我们今天的主题则是逻辑回归，我记得在前面有讲解过这两个回归的区别，那么今天我们主要看下逻辑回归有哪些特征需要我们识别的。 逻辑回归 逻辑回归主要用于 ...

从零开始学机器学习——线性和多项式回归

博主头像 首先给大家介绍一个很好用的学习地址：https://cloudstudio.net/columns 在之前的学习中，我们已经对数据的准备工作以及数据可视化有了一定的了解。今天，我们将深入探讨基本线性回归和多项式回归的概念与应用。 如果在过程中涉及到一些数学知识，大家也不必感到畏惧，我会逐步为大家进行 ...

使用cifar100上训练的resnet18进行ood测试

博主头像 以cifar100作为闭集(closed-set)数据集，使用resnet18模型进行训练，然后在常见的开集(out-of-distribution)数据集上进行OOD检测。使用MSP(Maximum Softmax Probability)作为OOD检测的依据。 开集噪声数据集使用gaussian ...

从零开始学机器学习——了解回归

博主头像 在本文中，我们探讨了回归分析在统计学和数据分析中的重要性和应用。线性回归和逻辑回归作为两种主要的回归分析方法，分别适用于不同类型的数据建模和预测需求。通过数学建模，它们能够揭示变量之间的关系，并且在实际应用中展现了强大的预测能力。 ...

MATLAB R2024a免费+破解版本（含密钥）

博主头像 强大功能 在使用2024a之前，我一直在使用2018b，最近数学建模+学年论文的摧残，让我看到了matlab新增的强大功能： Deep Learning Toolbox：新增支持 Transformer 等架构，允许导入 PyTorch 和 TensorFlow 模型并执行协同仿真。 Compute ...

极大似然估计的思想及计算[例题]

0 前言 本文主要介绍极大似然估计的意义，并举出例题帮助读者理解。 1 思想 极大似然估计（Maximum Likelihood Estimation, MLE）是一种在统计学中估计模型参数的方法。它的基本思想是：找到一组参数值，使得在这组参数下，观测到的数据出现的概率（即似然函数）最大。 假如有一 ...

<1234···12>