标签:AI
0803-PyTorch的Debug指南 目录一、ipdb 介绍二、ipdb 的使用三、在 PyTorch 中 Debug四、 通过PyTorch实现项目中容易遇到的问题五、第八章总结 pytorch完整教程目录:https://www.cnblogs.com/nickchen121/p/1466
0901-生成对抗网络GAN的原理简介 目录一、GAN 概述二、GAN 的网络结构三、通过一个举例具体化 GAN四、GAN 的设计细节 pytorch完整教程目录:https://www.cnblogs.com/nickchen121/p/14662511.html 一、GAN 概述 GAN(生成
1、基于MXNET框架的线性回归从零实现例子    下面博客是基于MXNET框架下的线性回归从零实现,以一个简单的房屋价格预测作为例子来解释线性回归的基本要素。这个应用的目标是预测一栋房子的售出价格(元)。   为了简单起见,这里我们假设价格只取决于房屋状况的两个因素,即面积(平方米)和房龄(年)
Flink主要用来处理数据流,所以从抽象上来看就是对数据流的处理,正如前面大数据开发-Flink-体系结构 && 运行架构提到写Flink程序实际上就是在写DataSource、Transformation、Sink. DataSource是程序的数据源输入,可以通过Stream
人工智能成了当下新时代的必修课,每个人都需要一些AI知识来升级自己,才能与时代同行。   对于大多数的新手来说,如何入手人工智能其实都是一头雾水,比如到底需要哪些数学基础、是否要有工程 经验、对于深度学习框架应该关注什么等等。   王天一教授与你分享他对人工智能的理解,用通俗易懂的语言从零开始教你
本文主要介绍总体及样本的主成分的概念,如何可视化,以及一些最基本的性质。 1 总体的主成分 考虑(xsim (mu,Sigma)),其中(Sigma)可分解为(Sigma=GammaLambdaGamma'),(Gamma=(eta_1,ldots,eta_d)),各列为单位特征向量,(Lambd
一、单标签多分类 1、单标签二分类算法原理 单标签二分类这种问题是我们最常见的算法问题,主要是指label 标签的取值只有两种,并且算法中只有一个需要预测的label标签; 直白来讲就是每个实例的可能类别只有两种(A or B);此时的分类 算法其实是在构建一个分类线将数据划分为两个类别。
1 为何需要标准化 有的数据,不同维度的数量级差别较大,导致有的维度会主导整个分析过程。如下图所示: 该图的数据维度(d=30),样本量(n=40),上面的图是对原始数据做PCA后,第一个PC在各个维度上的权重的平行坐标图,下面的图则是对数据做标准化之后的情况。可以发现,在原始数据中,第(4)和
今天的人工智能,犹如一百年前的电,正在给人类带来同样巨大,甚至更加精彩的变化。   这是一个属于人工智能的时代。人工智能正在渗透到各行各业,并且离我们越来越近,新的时代中,我们应 该如何利用好新武器?   为你系统剖析人工智能核心技术,精讲人工智能国际顶级学术会议核心论文,解读技术发展前沿与最新研
Benamou Brenier算法 Brief 是一种连续数值方法,将最优传输问题转化为一个容易处理的(d+1)维凸变分问题。我们将会用Wasserstein测地线的理论描述它(相比于找到映射,这个方法是找到测地曲线(mu_t))。 另外两个经典的连续方法是: Angenent-Hacker-T
写在前面 之前为了应付课程Project对GNN的学习就是半路出家,全靠网上的博客。所以现在对于一些GNN底层最基本的东西还不是很清楚,觉得理应学明白一点。之前就对《深入浅出图神经网络》一书有所耳闻,看了网上的一些评论认为这本书的内容还是偏浅偏简单,我认为权当一个引子作为学习GNN的第一步也没什么
强化学习是智能体与环境的交互,通过交互信息来感知环境,从而调整自己的行为,选择出最好的结果。 【相当于人做了多次的探索,把最后的劳动成果以状态值函数、动作状态对值函数等方式表达出来。对人学习过程的简单模拟】 需要思考的问题: 研究什么问题,与环境中的什么东西相关? 哪些行为可以影响到环境,是不是可
第3章 卷积神经网络 卷积神经网络CNN是目前应用最广泛的模型之一,具有局部连接、权值共享等特点,是一种深层前馈神经网络。 3.1 卷积与池化 卷积与池化是CNN中的两个核心操作。 3.1.1 信号处理中的卷积 题外话:因为这部分的核心知识应该是属于《信号与系统》这门课程的,但...我没学过,所
第2章 神经网络基础 2.1 机器学习基本概念 2.1.1 机器学习的分类 机器学习有以下几种常见的分类方法: 根据训练数据是否有标签可分为: 监督学习:训练数据中每个样本都有标签,通过标签指导模型进行训练 无监督学习:训练数据完全没有标签,算法从数据中发现约束关系,如数据之间的关联等,典型的无监
友盟+近日发布了《小程序用户增长白皮书》,白皮书总结了友盟+在小程序统计分析和精细化运营方面的方法论、解决方案和成功案例,以下为白皮书的部分内容: 移动互联网已经进入存量市场,移动设备数、用户数、用户时长都处于存量市场竞争。2020年新应用上线做到腰部以上活跃度的难度已经非常大,用户整体呈下降态势
本文写作时间:2021 年 5 月 前言: Jupyter Notebook 默认并不支持 Conda,无法访问虚拟环境中的资源,自然也无法切换不同的虚拟环境运行笔记。通过插件 nb_conda 可以添加对 Conda 环境的支持。 官方对于 nb_conda 的描述是:Provides Cond
第4章 表示学习 在第2章的时候提到了机器学习的第一步就是提取特征。而表示学习就是自动地从数据中学习特征,并直接用于后续的任务。 4.1 表示学习 4.1.1 表示学习的意义 表示学习要回答3个问题: 如何判断一个表示比另一个表示更好? 如何挖掘这些表示? 使用什么样的目标去得到一个好的表示? 举
介绍 大概4月,Flink1.13就发布了,参加 了Flink1.13 的Meetup,收获还是挺多,从大的方面讲就是FlingSql的改进和优化,资源调度管理方面的优化,以及流批一体Flink在运行时与DataStream API的优化,另外就是State backend 模块的优化,本篇文章既