Lesson

CodeForces 789B (Masha and geometric depression)

B.Mashaandgeometricdepressiontimelimitpertest1secondmemorylimitpertest256megabytesinputstandardinputoutputstandardoutputMashareallylovesalgebra.Onthelastlesson
passer__·2022-11-25 17:40

pytorch深度学习实战lesson26

第二十六课GoogLeNet这节课学习Googlenet，虽然nin现在几乎没有被使用，但是Googlenet还是在大量的被使用。在比如说Google内部当然是用的挺多的，在外面也是被经常使用。这个网络当时候出来的时候也是吓了大家一跳。如上图所示，它是第一次做一个几乎快到100层的卷积层。而且可以看到它的名字L是大写的，所以它是致敬了lenet。然后它在IMAGnet上拿了挺好的成绩，是老冠军。目
光·宇·2022-11-25 11:43

PMP-强化练习题一(180题答案及解析)

Aprojectmanagerreceivedacceptanceofprojectdeliverablesandheldthelessonslearnedsession.Toclosetheproject
大狼狗_·2022-11-25 11:09

从零实践强化学习之基于表格型方法求解RL(PARL)

Lesson2-1MDP、Q表格一、强化学习MDP四元组S:state状态A:action动作R:reward奖励r[st,at]P:probability状态转移概率p[st+1,rt|st,at]强化学习是一系列决策的过程
小蒋的技术栈记录·2022-11-25 07:07

学习笔记 - GreedyAI - DeepLearningCV - Lesson3 Deep-Neural-Network

第7章深度神经网络任务学习41:梯度消亡深度神经网络面临的挑战（1）梯度消亡（GradientVanishing）：训练过程非常慢（2）过拟合（Overfitting）：在训练数据集上表现好，在实际测试数据集上表现差梯度消亡（GradientVanishing）现象（1）神经网络中，靠近输入端网络各层的系数逐渐不再随着训练而变化，或者变化非常缓慢（2）网络层数越多，该现象越明显梯度消亡(Gradi
K5niper·2022-11-24 15:45

选择性必修三 Unit 9 Lesson 1 To Clone Or Not To Clone 语篇研读

主题语境／主题意义本课是本单元的第一篇阅读课，文章对“克隆还是不克隆”问题进行剖析，作者提出了自己的观点表明自己的态度，属于“人与自然”主题的“人类生存，社会发展与环境的关系”。2018年引发轩然大波的深圳基因编辑婴儿双胞胎是给人类带来福音还是开启灾难？“高科技的发展又确实是一柄双刃剑。（孙明哲）”本文的主题意义在通过展示人们对克隆技术使用和不同态度，启发人们思考如何使用人类自然科学研究成果，旨在
YangErin·2022-11-24 09:31

lesson5_KNN&时间序列

1.KNN的K值怎么选取？通过交叉验证（将样本数据按照一定比例，拆分出训练用的数据和验证用的数据），从选取一个较小的k值开始，不断增加k的值，然后计算验证集合的方差，最终找到一个比较合适的k值2.KNN使用是否需要进行标准化，有什么效果？需要。归一化可以提高精度，这在涉及到一些距离计算的算法时效果显著，有助于防止具有较大初始值域的属性比具有较小初始值域的属性的权重过大，而归一化可以让各个特征对结果
weixin_45255694·2022-11-24 08:03

Deepl使用教程

前言相信绝大多数科研人员都听说过DeepL的鼎鼎大名，美国TechCrunch给的评价是这样子的：“TechgiantsGoogle,MicrosoftandFacebookareallapplyingthelessonsofmachinelearningtotranslation
敢敢J的憨憨L·2022-11-24 06:00

《吴恩达深度学习》学习笔记003_浅层神经网络(Shallow neural networks)

http://www.ai-start.com/dl2017/html/lesson1-week3.html浅层神经网络(Shallowneuralnetworks)神经网络概述（NeuralNetworkOverview
Stark0x01·2022-11-24 05:38

选择性必修三Unit 9 Lesson 1 To Clone Or Not To Clone指向学科核心素养发展的英语学习活动设计

选择性必修三Unit9Lesson1ToCloneOrNotToClone指向学科核心素养发展的英语学习活动设计教学目标学生在完成本篇学习后，应该能够：1.提取语篇大意梳理文章结构，归纳文中关于clone
YangErin·2022-11-24 05:47

动手学深度学习之图像风格迁移

参考伯禹学习平台《动手学深度学习》课程内容内容撰写的学习笔记原文链接：https://www.boyuai.com/elites/course/cZu18YmweLv10OeV/lesson/3nIhgFs64Fs5g3JEn5EXzm
water19111213·2022-11-24 04:11

论文速读 -- Automatic Labeling to Generate Training Data for Online LiDAR-based Moving Object Seg

参考：1.Auto-MOS2.MaplessOnlineDetectionofDynamicObjectsin3DLidar3.Rigidscenefl
Darchan·2022-11-24 02:33

Lesson 17.7&17.8&17.9&17.10 调用经典框架&基于resnet与vgg的自建架构&基于普通卷积层和池化层的自建架构&有监督的预训练/迁移学习&深度学习中的模型选择

2从经典架构出发2.1调用经典架构我们已经学习了大量经典架构以及他们的经典思想，可以开始考虑自己的架构了。大多数时候，我们不会从0去创造我们的自己的架构，而是在经典架构中挑选一个适合的架构或适合的思路，并在经典架构上依据数据的需要对架构进行自定义和修改（当然了，我们只能够调用我们已经学过、并且掌握原理的架构，否则我们在修改的时候将无从下手）。在PyTorch中，基本所有经典架构都已经被实现了，所以
Grateful_Dead424·2022-11-23 19:29

PyTorch深度学习实践

目录LESSON1线性模型LESSON2梯度下降LESSON3随机梯度下降LESSON4反向传播LESSON5Pytorch实现线性回归LESSON6逻辑斯蒂回归LESSON7处理多维特征的输入LSEEON8
weixin_57950256·2022-11-23 03:30

2022机器学习实战课内容笔记 - Lesson 5 分类模型决策边界与模型评估指标

1.准确率局限indexlabelsA-predictsB-predictspredicts_results110.80.61200.60.91300.20.40410.90.71510.90.61  如果是从准确率指标来看，两个模型在阈值为0.5的情况下，判别准确率都是80%（仅判错第二条样本），二者并无高下之分。但如果我们更加仔细的观察模型对各样本输出的概率欧安别结果，其实我们会发现模型A其实
大米2H·2022-11-23 02:55

Zoi的ScalersTalk第八轮新概念朗读持续力训练Day 4 20221122

Lesson37TheOlympicGamesTheOlympicGameswillbeheldinourcountryinfouryears'time.Asagreatmanypeoplewillbevisitingthecountry
三大吉·2022-11-22 09:11

滤波笔记一：卡尔曼滤波（Kalman Filtering）详解

目录Lesson1递归算法Lesson2数学基础_数据融合_协方差矩阵_状态空间方程Lesson3卡尔曼增益的详细推导Lesson4误差的协方差矩阵Pe的数学推导Lesson5直观理解卡尔曼滤波以及一个实例当计算误差
scoutee·2022-11-22 07:45

pytorch深度学习实战lesson15

第十五课数值稳定性、模型初始化和激活函数目录理论部分数值的稳定性稳定训练实践部分理论部分数值的稳定性神经网络的梯度计算：其本质来讲是一堆矩阵的乘法，因为向量对向量求导是矩阵。如下图所示：数值稳定性常见的两个问题：1、梯度爆炸；2、梯度消失。1、梯队爆炸如果梯度的值比1大一些的话，比如1.5，那么对于一个100层的网络来说，1.5的100次幂是约等于4*1017的。这就会引起梯度爆炸。2、梯度消失如
光·宇·2022-11-22 00:54

pytorch深度学习实战lesson23

第二十三课AlexNetAlexNet是在2012年被发表的一个金典之作，并在当年取得了ImageNet最好成绩，也是在那年之后，更多的更深的神经网路被提出，比如优秀的vgg,GoogleLeNet.其官方提供的数据模型，准确率达到57.1%,top1-5达到80.2%.这项对于传统的机器学习分类算法而言，已经相当的出色。目录理论部分实践部分理论部分机器学习在2000年初期最主流的算法是核方法。其
光·宇·2022-11-22 00:54

pytorch深度学习实战lesson12

第十二课模型选择与过/欠拟合目录理论部分模型选择过拟合和欠拟合实践部分理论部分模型选择首先介绍一下如何选择超参数从一个简单的例子开始：《预测谁会偿还贷款》背景：然后你惊讶的发现：（在美国，穿蓝色衬衫有个隐藏信息——蓝领）这里的问题就是：面试本来穿的蓝色衣服，结果下次见面穿了红色衣服，这两种模型就不一样了，也就是说，模型会认为一个人前后穿了两种颜色的衣服后，它会认为这也是两个人。这个肯定就不对了。所
光·宇·2022-11-22 00:24

pytorch深度学习实战lesson13

第十三课权重衰退目录理论部分实践部分从零开始：简洁实现：理论部分权重衰退是一种常见的处理过拟合的方法。之前讲过控制模型容量的方法是：1、把模型变小点，这样参数就少；2、让每个参数值的可选范围小一些。那么权重衰退就是上述的第二种方法。相比于“使用均方范数作为硬性限制”，其实最常用的是“使用均方范数作为柔性限制”。上面的公式没有约束条件了λ控制着正则项的重要程度，当λ为零时，正则项也就是0了，也就是说
光·宇·2022-11-22 00:24

pytorch深度学习实战lesson14

第十四课丢弃法（Dropout）目录理论部分实践部分从零开始实现：简洁实现：理论部分这节课很重要，因为沐神说这个丢弃法比上节课的权重衰退效果更好！为什么期望没变？如上图所示，使用dropout后，是将隐藏层的的某几个神经元变成零，然后没有变成0的神经元会相应增大以保证总的期望不变。当然保留和置零的神经元不是一定的。这个是训练才会使用，测试的时候不用。实践部分从零开始实现：代码：#我们实现dropo
光·宇·2022-11-22 00:24

pytorch深度学习实战lesson11

第十一课感知机你太美目录理论部分感知机60年代的算法现代感知机算法感知机的问题：多层感知机单隐藏层的多层感知机（单分类）激活函数的选择实践部分从零开始：简洁实现：上图所示是60年的感知机，可以看到每一个权重都有一根线去传输，可见其工作量之大！现如今肯定有更简洁的方法去实现感知机了，下面让我们和沐神来学一下感知机的原理和设计方法把！！！理论部分感知机感知机和线性回归比：他们的相同点是都有一个输出，但
光·宇·2022-11-22 00:23

pytorch深度学习实战lesson10

第十课Softmax回归目录第十课Softmax回归理论部分Softmax回归损失函数1、均方损失2、绝对值损失函数3、哈勃鲁棒损失函数实践部分一、图像分类数据集的读取及其它操作二、softmax回归从零开始实现三、softmax简洁实现理论部分Softmax回归它其实是个分类问题。回归与分类的区别：回归其实是估计一个连续值；而分类是预测一个离散类别。分类举例：从回归如何过渡到分类？1、对类别进行
光·宇·2022-11-22 00:53

pytorch深度学习实战lesson22

第二十二课LeNetLeNet神经网络由深度学习三巨头之一的YanLeCun提出，他同时也是卷积神经网络(CNN，ConvolutionalNeuralNetworks)之父。LeNet主要用来进行手写字符的识别与分类，并在美国的银行中投入了使用。LeNet的实现确立了CNN的结构，现在神经网络中的许多内容在LeNet的网络结构中都能看到，例如卷积层，Pooling层，ReLU层。虽然LeNet早
光·宇·2022-11-21 23:29

选择性必修一 Unit 1 Relationships Lesson 1 Teachers语篇解读

选择性必修一Unit1RelationshipsLesson1Teachers语篇解读主题语境/主题意义：本课是本单元的第一个阅读课，包含两个文本，是一对师生分别回忆和对方的故事。
YangErin·2022-11-21 20:43

Day07 狂神说Java-MySQL＞P40-P45

P40Statement对象详解executeUpdate和executeQuery提取工具类packagecom.hu.lesson02.utils;importjava.io.IOException
Charis Hu·2022-11-21 16:07

NASM汇编初探（入门教程）

LearnAssemblyLanguage文章目录LearnAssemblyLanguage1.Lesson1Hello,world!
Cloudy_Nebula·2022-11-21 13:01

李宏毅机器学习Lesson2——Logistic Regression实现收入预测

李宏毅机器学习Lesson2——LogisticRegression实现收入预测数据集介绍加载数据集、标准化定义相关函数交叉验证训练模型（小小地实现了一下损失函数惩罚项中系数的选择）此处也用到了黄海广博士在吴恩达机器学习笔记中的代码
hifive(2020?)·2022-11-20 22:33

pacharm系列教程

https://www.imooc.com/wiki/pycharmlesson/git1.html
等景，不如找景·2022-11-20 15:47

pytorch深度学习实战lesson21

第二十一课卷积神经网络之池化层卷积神经网络的一个重要概念就是池化层，一般是在卷积层之后。池化层对输入做降采样，常用的池化做法是对每个滤波器的输出求最大值，平均值，中位数等。下面我们和沐神详细学习一下池化层的原理与实现方法吧！目录理论部分实践部分理论部分下面举一个老的例子。对于X矩阵，卷积层可以很容易得把1-0的边缘检测处来，也就是说，卷积对位置信息十分的敏感。但是仔细想想，这貌似也不是啥好东西，因
光·宇·2022-11-20 12:14

PMP备考错题集-强化习题一

Aprojectmanagerreceivedacceptanceofprojectdeliverablesandheldthelessonslearnedsession.Toclosetheproject
sun_meiko·2022-11-20 09:13

PMP备考错题集-强化习题三

Aprojectthatinvolves10branchesofaglobalcompanyisnearingcompletion.Theprojectmanagerisschedulingalessonslearnedmeeting.Whoshouldtheprojectman
sun_meiko·2022-11-20 09:43

Lesson1强化学习（RL）初印象 学习笔记

一、强化学习引入人的智能可以遗传获得也可以通过后天学习；学习有两种，模仿前人的经验是一种学习；如果没有前人的经验可以学习，就需要和环境进行交互，得到反馈来学习。智能遗传学习模仿与环境的交互人工智能可以像人一样的模仿，就像监督学习，从给定的训练集中学习出一个函数，当新的数据到来时就可以利用这个函数预测结果。人工智能也可以像人一样自学，就像强化学习。如果环境是已知可以直接进行规划，如果环境是未知，就需
小蒋的技术栈记录·2022-11-20 05:33

LESSON 9.1-9.3 集成算法开篇：Bagging方法的基本思想&随机森林回归器的实现

importnumpyasnpimportpandasaspdimportsklearnimportmatplotlibasmlpimportseabornassnsimportre,pip,condaforpackagein[sklearn,mlp,np,pd,sns,pip,conda]:print(re.findall("([^']*)",str(package))[2],package._
Grateful_Dead424·2022-11-19 22:41

第12课：深度学习建模实验中数据集生成函数的创建与使用

Lesson12.1深度学习建模实验中数据集生成函数的创建与使用一、回归类数据集创建方法1.手动生成数据2.创建生成回归类数据的函数二、分类数据集创建方法1.手动创建分类数据集2.创建生成分类数据的函数三
xiao52x·2022-11-19 20:27

Lesson 12.1 深度学习建模实验中数据集生成函数的创建与使用

Lesson12.1深度学习建模实验中数据集生成函数的创建与使用  为了方便后续练习的展开，我们尝试自己创建一个数据生成器，用于自主生成一些符合某些条件、具备某些特性的数据集。
Grateful_Dead424·2022-11-19 20:33

pytorch深度学习实战lesson20

第二十课卷积层的多输入和多输出通道目录理论部分多输入通道多输出通道实践部分理论部分多输入通道假设图片大小是200*200的话，那么用张量表示这个图片的话就是200*200*3，因为彩色图片是由红、绿、蓝三个通道构成的，因此表示一个彩色图片的时候要将这三原色的信息也给表示出来。那么舒润有多个通道的话要怎么计算呢？多通道的话就是每个通道都做次卷积，卷积核的维度是一样的，但是数值不一定是一样的。每个通道
光·宇·2022-11-19 13:20

数字图像处理：图像的平移变换 matlab实现

J=imread('E:\informt\lesson\数字图像处理与安全\图像集\Fruit.bmp');%图像平移变换clc[r,c,p]=size(J);dst=zeros(r,c,3);dx=2
miilue·2022-11-19 10:45

[机器学习Lesson 1] 机器学习简介

1.MachineLearningdefinition（机器学习定义）ArthurSamuel（1959年）将机器学习非正式定义为：在不直接针对问题进行编程的情况下，赋予计算机学习能力的一个研究领域。创造西洋棋程序，可以和自己对战。TomMitchell(1998年)提出一个更为正式关于机器学习的定义：对于一个计算机程序来说：给它一个任务T和一个性能测量方法P，如果在经验E的影响下，P对T的测量结
MantouDev·2022-11-19 02:27

Lesson7 电商推荐与销量预测

本节讲了两个案例，一个是“推荐系统”，另外一个是“store销售预测”。1、“推荐系统”案例2、“销售预测”案例在“销售预测”案例中，主要想讲一点，在xgboost中如何修改lossfunction，方法有2种：way1：在xgboost原码中，修改logregobj(preds,dtrain)中，损失函数“一阶导”，“二阶导”的表达式。（相比way2，这种方式在计算lossfunction时性能
Sarah ฅʕ•̫͡•ʔฅ·2022-11-19 02:55

【机器学习】吴恩达机器学习课程笔记LESSON1

目录一、前言二、课堂笔记三、总结一、前言为打牢机器学习基础，最近开始看吴恩达老师的视频。听课过程中的笔记、心得、疑惑特在此记录。预计也会有老师布置的作业，只是matlab还没有安装好，安装成功后也会陆续发布。敬请期待！课程链接如下：4牛顿方法_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1xb411M7sn?p=4&vd_source=1ac3c4d
Rachel MuZy·2022-11-19 02:13

机器学习（matlab版）| lesson 2 data存储格式

参考：B站爱学习的布尔玛转载的学习教程Image包括：GIFJPGTIFFPNGHDFFITSBMPA=imread(FILENAME,FMT):读取灰度图像或者彩色图像INFO=imfinfo(FILENAME,FMT):返回一个图像信息%读取显示图像，并显示图像信息imdata=imread('D:\desktop\matlab_code\ML\另一个课\L3\dataset\Mass\000
genius的学习笔记·2022-11-19 02:07

机器学习（matlab版）| lesson 3 非监督学习（cluster）

非监督学习：只有data，没有标签，将其分类一、硬聚类K-meansK:所分的类别数目K=3，将data分成三类C1C2C3两个条件1)C1+C2+...+Ck=data2）任何两个C的交集是空集一个好的分类要求：所分的三个集群尽可能均匀。COSTFUNCTION:欧氏距离/直线距离K均值聚类算法steps：1）随机将数据分成三个群2）计算每个群的中心（均值）3）重新分群，将距离中心近的分成一群重
genius的学习笔记·2022-11-19 02:07

机器学习（matlab版） | lesson 1

机器学习算法是利用计算方法直接从数据中学习信息可以被模型、公式直接描述的模型不是机器学习ML的类型1非监督学习（聚类）、2监督学习（分类、回归）、3强化学习非监督学习1）硬聚类算法2）软聚类算法，给一个概率监督学习模型训练需要：1已知的输入（特征）2已知的输出（标签）监督学习的类别1回归（预测一个温度）线性回归2分类（做一个决策，是否患病、是否垃圾邮件）决策树、支持向量机（SVM），相对于深度学习
genius的学习笔记·2022-11-19 02:56

pytorch深度学习实战lesson18

第十八课卷积层卷积是深度学习最重要的概念之一，下面来学习和回顾一下卷积的基本概念。目录理论部分从全连接层到卷积层卷积层实践部分理论部分从全连接层到卷积层还是从一个例子开始：假设我要对猫和狗进行分类。假设我用一千二百万像素的手机拍照，排成的图片是RGB图片（有3个通道），RGB图像有三千六百万个元素。假设用隐藏层大小为100的mlp进行训练的话，这个模型就要有36亿个参数，远远多于世界上猫狗的总量了
光·宇·2022-11-18 08:01

pytorch深度学习实战lesson16

第十六课神经网络基础本节课主要是从实践代码的角度看神经网络的各个结构，以及各个结构的实现方法。虽然没有太多理论，但是精华都在代码的注释中~目录模型构造（层和块）参数管理自定义层读写文件模型构造（层和块）#层和块#首先，我们回顾一下多层感知机importtorchfromtorchimportnnfromtorch.nnimportfunctionalasF#一些函数#单层神经网络=线性层+relu
光·宇·2022-11-18 08:00

pytorch深度学习实战lesson17

第十七课GPUisalluneed可以在终端输入nvidia-smi来看自己的显卡信息。然后就是关于GPU的一些操作。这里要提醒的一点就是，程序的计算一定要选好是使用GPU进行计算还是使用CPU，因为本来CPU往GPU传输数据的时间就长，所以假如你没有设置好计算的设备，或者设置乱了的话，就会导致你设置出来的东西性能没有那么好。所以要三思。#计算设备importtorchfromtorchimpor
光·宇·2022-11-18 08:00

宋浩概率论与数理统计笔记（一）

宋浩老师视频的时长分布Lesson1:随机试验与随机事件04:00确定性现象：必然发生或必然不发生04:10随机现象/偶然现象07:20统计规律08:00随机事件试验：观察，测量，试验随机试验：（1）相同条件下可重复
hukuiru·2022-11-17 21:30

学习笔记(04):英特尔® OpenVINO™工具套件初级课程-如何给视觉应用中的神经网络加速？...

utm_source=blogtoedu目录1、初级课程目录2、内容简介2.1、模型的由来2.2、训练与推理2.3、DLDT3、总结4、课后习题1、初级课程目录OpenVINO100–CourseagendaLesson1
铤铤·2022-11-16 07:22
上一页 62 63 64 65 66 67 68 69 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他