随笔 - 1402  文章 - 2 评论 - 181 阅读 - 812万
< 2025年3月 >
日 一 二 三 四 五 六
23 24 25 26 27 28 1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 29
30 31 1 2 3 4 5

随笔分类 -  机器学习

1 2 3 4 5 ··· 7 下一页
LangChain：一个让你的LLM变得更强大的开源框架
摘要：前言 你可能听说过，最近几个月出现了很多人工智能的应用程序。你可能也在用一些这样的应用。 比如ChatPDF和CustomGPT AI这些AI工具，它们可以帮我们省去很多麻烦，我们不用再翻来覆去地看文档，就能找到想要的答案。它们让AI为我们做了很多工作。 那么，开发这些工具的人是怎么做到的呢？其实， 阅读全文
posted @ 2023-07-03 15:25 知识天地 阅读(713) 评论(0) 推荐(0) 编辑
机器学习面试题总结（笔记）
摘要：一 面试题概述 面试的时候，面试官会结合你的回答和你的简历来询问你，所以在写简历的时候，简历上所写的所有内容在写的时候必须自己反问一下自己，这个知识点懂不懂。 面试其实是一个沟通技巧的考量，在面试的时候要“灵活”； 在有一些问题上，如果不会，那么直接说不会就可以；但是在一些比较关键的问题上，如果这个 阅读全文
posted @ 2021-09-16 15:01 知识天地 阅读(1071) 评论(0) 推荐(0) 编辑
Tensorflow 损失函数（loss function）及自定义损失函数（三）
摘要：版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/limiyudianzi/article/details/80697711 我主要分三篇文章给大家介绍tensorflow的损失函数，本篇为 阅读全文
posted @ 2019-09-05 09:48 知识天地 阅读(4106) 评论(0) 推荐(0) 编辑
深度学习剖根问底: Adam优化算法的由来
摘要：在调整模型更新权重和偏差参数的方式时，你是否考虑过哪种优化算法能使模型产生更好且更快的效果？应该用梯度下降，随机梯度下降，还是Adam方法？ 这篇文章介绍了不同优化算法之间的主要区别，以及如何选择最佳的优化方法。 什么是优化算法？ 优化算法的功能，是通过改善训练方式，来最小化(或最大化)损失函数E( 阅读全文
posted @ 2019-09-05 09:36 知识天地 阅读(1217) 评论(0) 推荐(0) 编辑
深度排序模型概述（一）Wide&Deep/xDeepFM
摘要：本文记录几个在广告和推荐里面rank阶段常用的模型。广告领域机器学习问题的输入其实很大程度了影响了模型的选择，因为输入一般维度非常高，稀疏，同时包含连续性特征和离散型特征。模型即使到现在DeepFM类的方法，其实也都很简单。模型的发展主要体现于对特征的充分挖掘上，比如利用低阶和高阶特征、尝试自动学习 阅读全文
posted @ 2019-09-04 21:51 知识天地 阅读(1707) 评论(1) 推荐(0) 编辑
机器学习排序算法：RankNet to LambdaRank to LambdaMART
摘要：使用机器学习排序算法LambdaMART有一段时间了，但一直没有真正弄清楚算法中的所有细节。 学习过程中细读了两篇不错的博文，推荐给大家： 梯度提升树(GBDT)原理小结 徐博From RankNet to LambdaRank to LambdaMART: An Overview 但经过一番搜寻之 阅读全文
posted @ 2019-08-30 08:24 知识天地 阅读(749) 评论(0) 推荐(0) 编辑
主题模型TopicModel：主题模型LDA的应用
摘要：http://blog.csdn.net/pipisorry/article/details/45665779 主题模型LDA的应用 拿到这些topic后继续后面的这些应用怎么做呢：除了推断出这些主题，LDA还可以推断每篇文章在主题上的分布。例如，X文章大概有60%在讨论“空间探索”，30%关于“电 阅读全文
posted @ 2019-08-29 20:15 知识天地 阅读(2578) 评论(0) 推荐(0) 编辑
主题模型（LDA）(一)--通俗理解与简单应用
摘要：版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/qq_39422642/article/details/78730662 <!-- flowchart 箭头图标 勿删 --> 这篇文章主要 阅读全文
posted @ 2019-08-29 19:55 知识天地 阅读(1342) 评论(0) 推荐(0) 编辑
【深度学习】深入理解Batch Normalization批标准化
摘要：这几天面试经常被问到BN层的原理，虽然回答上来了，但还是感觉答得不是很好，今天仔细研究了一下Batch Normalization的原理，以下为参考网上几篇文章总结得出。 Batch Normalization作为最近一年来DL的重要成果，已经广泛被证明其有效性和重要性。虽然有些细节处理还解释不清其 阅读全文
posted @ 2019-08-26 16:19 知识天地 阅读(381) 评论(0) 推荐(0) 编辑
强大而精致的机器学习调参方法：贝叶斯优化
摘要：一、简介 贝叶斯优化用于机器学习调参由J. Snoek(2012)提出，主要思想是，给定优化的目标函数(广义的函数，只需指定输入和输出即可，无需知道内部结构以及数学性质)，通过不断地添加样本点来更新目标函数的后验分布(高斯过程,直到后验分布基本贴合于真实分布。简单的说，就是考虑了上一次参数的信息** 阅读全文
posted @ 2019-08-26 11:11 知识天地 阅读(2105) 评论(1) 推荐(0) 编辑
深度学习调参技巧
摘要：完整机器学习实现代码GitHub欢迎转载，转载请注明出处https://www.cnblogs.com/huangyc/p/10111234.html欢迎沟通交流： 339408769@qq.com 0. 目录 1. 前言 2. 深度学习中的主要参数 3. 自动调参 3.1 Gird Search 阅读全文
posted @ 2019-08-26 10:05 知识天地 阅读(932) 评论(0) 推荐(0) 编辑
深度学习调参技巧总结
摘要：做dl也有一段时间了，积累了一些经验，也在网上看到一些别人的经验。 为了面试，结合知乎上面的问答，我也总结了一下，欢迎大家补充。 知乎 深度学习调参有哪些技巧？ 一. 初始化 有人用normal初始化cnn的参数，最后acc只能到70%多，仅仅改成xavier，acc可以到98%。 二.从理解CNN 阅读全文
posted @ 2019-08-22 12:30 知识天地 阅读(1073) 评论(0) 推荐(0) 编辑
如何选择神经网络的超参数
摘要：原 十、如何选择神经网络的超参数 2017年08月18日 10:33:06 独孤呆博 阅读数 21041 版权声明：本文为博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/dugudaibo/article 阅读全文
posted @ 2019-08-22 12:28 知识天地 阅读(1320) 评论(0) 推荐(0) 编辑
深度学习网络调参技巧
摘要：本文转载自:https://zhuanlan.zhihu.com/p/24720954?utm_source=zhihu&utm_medium=social 转载请注明：炼丹实验室 之前曾经写过一篇文章，讲了一些深度学习训练的技巧，其中包含了部分调参心得：深度学习训练心得。不过由于一般深度学习实验， 阅读全文
posted @ 2019-08-22 12:28 知识天地 阅读(1139) 评论(0) 推荐(1) 编辑
深度学习调参策略（二）
摘要：超参数（Hyper-Parameter)是困扰神经网络训练的问题之一，因为这些参数不可通过常规方法学习获得。 神经网络经典五大超参数: 学习率(Leraning Rate)、权值初始化(Weight Initialization)、网络层数(Layers) 单层神经元数(Units)、正则惩罚项（R 阅读全文
posted @ 2019-08-22 12:25 知识天地 阅读(577) 评论(0) 推荐(0) 编辑
深度学习调参策略（一）
摘要：经常会被问到你用深度学习训练模型时怎么样改善你的结果呢？然后每次都懵逼了，一是自己懂的不多，二是实验的不多，三是记性不行忘记了。所以写这篇博客，记录下别人以及自己的一些经验。 Ilya Sutskever（Hinton的学生）讲述了有关深度学习的见解及实用建议： 获取数据：确保要有高质量的输入/输出 阅读全文
posted @ 2019-08-22 12:23 知识天地 阅读(887) 评论(0) 推荐(0) 编辑
深度学习_调参经验
摘要：面对一个图像分类问题，可以有以下步骤： 1.建立一个简单的CNN模型，一方面能够快速地run一个模型，以了解这个任务的难度 卷积层1：卷积核大小3*3，卷积核移动步长1，卷积核个数64，池化大小2*2，池化步长2，池化类型为最大池化，激活函数ReLU。 卷积层2：卷积核大小3*3，卷积核移动步长1， 阅读全文
posted @ 2019-08-22 12:22 知识天地 阅读(707) 评论(0) 推荐(0) 编辑
深度学习调参经验汇总
摘要：此篇文章是在原创教程这个栏目下，但实际上是一篇汇总整理文章。相信大家在做深度学习时对调参尤为无奈，经验不足乱调一通，或者参数太多无从下手，我也如此。希望通过此文汇总网上一些调参的经验方法，供大家参考。此文会对网上每一篇调参文章做简练的总结与提炼，以此为此文的组成单元，并附上原文的链接。如果遇到不对的 阅读全文
posted @ 2019-08-22 12:19 知识天地 阅读(5108) 评论(2) 推荐(0) 编辑
深度学习调参经验
摘要：作者：Captain Jack链接：https://www.zhihu.com/question/25097993/answer/127472322来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 我现在的工作内容主要就是使用CNN做CV任务. 干调参这种活也有两年时间 阅读全文
posted @ 2019-08-22 11:43 知识天地 阅读(217) 评论(0) 推荐(0) 编辑
Gated CNN 阅读笔记
摘要：之前看过TCN，稍微了解了一下语言模型，这篇论文也是对语言模型建模，但是由于对语言模型了解不深，一些常用数据处理方法，训练损失的计算包括残差都没有系统的看过，只是参考网上代码对论文做了粗浅的复现。开学以来通过看的几篇论文及复现基本掌握了tensorflow的基本使用，了解了“数据处理-模型构建-训练 阅读全文
posted @ 2019-08-20 16:06 知识天地 阅读(2301) 评论(0) 推荐(0) 编辑

1 2 3 4 5 ··· 7 下一页
Copyright © 2025 知识天地
Powered by .NET 9.0 on Kubernetes Powered by: 博客园
点击右上角即可分享
微信分享提示