|
深度学习理论基础 与 代码实践
|
|
模型训练 tricks 总结
|
|
|
模型加速【1】入门篇
模型加速【2】-知识蒸馏 代码
|
深度学习 之 模型部署【1】-基础入门
深度学习 之 模型部署【2】-TensorRT 入门
深度学习 之 模型部署【3】-ONNX 入门
深度学习 之 模型部署【4】-libtorch入门 - pytorch部署torchscript 以及 c++ libtorch 调用 pytorch 模型
模型部署翻车记：pytorch转onnx踩坑实录
|
GPU【1】-基础用法 及 性能分析
GPU【2】-用法进阶
GPU【3】-不同版本tensorflow对GPU资源占用
GPU-多GPU训练加速
|
|
|
NLP 学习笔记
|
|
|
|
|
NLP基础知识汇总
词云 绘制总结
word2vec
Word Embedding 实现 文本分类
信息抽取
|
Bert【1】-基础
Bert【2】-应用
Bert【3】 详解
GPT
txtai系列教程
封神榜科技成果
|
大语言模型一览
ChatYuan
用于生成程序代码的大型语言模型
chatglm
|
langchain-入门指南
langchain-使用教程
langchain-结合LLM实现本地知识库
|
| 机器学习 笔记 |
|
|
|
|
朴素贝叶斯
决策树-缺失值处理
决策树-回归
支持向量机 SVM
从 回归(简述) 到 广义线性模型
|
集成学习-简介
集成学习-提升树
集成学习-梯度提升树
集成学习-组合策略与Stacking
集成学习-Adaboost
集成学习-Adaboost 参数选择
集成学习-Adaboost 进阶
集成学习-xgboost
集成学习-Boosting 模型深度串讲
|
softmax与多分类
激活函数
损失函数汇总 及 Pytorch用法汇总（迁移中）
二分类实现多分类
分类 - 模型评估
类别不均衡
伪标签 解决 小数据集问题
|
|
|
缺失值处理
数据规范化
数据编码
特征选择
神经网络-初始化参数
训练测试样本划分
参数优化-学习曲线
参数优化-验证曲线
参数优化-API
参数优化-偏差与方差
|
吴恩达读书笔记【1】-偏差与方差
吴恩达读书笔记【2】-学习曲线
吴恩达读书笔记【3】-基于不同分布数据的模型
吴恩达读书笔记【4】-调试推理算法
吴恩达读书笔记【5】-流水线与端到端
|
某次使用随机森林的总结 |
|
|
层次聚类
DBSCAN
Mean shift 【1】- 基本原理
模糊 C 均值聚类 FCM
图像分割 - KMeans 实现
kmeans 聚类 k 值优化
EM 算法(一)-原理
EM 算法(二)-KMeans
EM 算法(三)-GMM
|
KL 散度（相对熵）
beta 分布
概率分布汇总
核函数 <-- 内积 <-- 余弦相似
|
动态时间规整-DTW简介 |
|
| CLIQUE - 子空间聚类算法 |
|
|
|
|
卡尔曼滤波
中值滤波 - 进阶篇
|
|
LDA 线性判别分析 |
|
| 时间序列 - 平稳性与差分 |
|
|
|
