ML&DL：《Hyperparametertuningformachinelearningmodels机器学习模型的超参数调优》翻译与解读目录《Hyperparametertuningformachinelearningmodels

ML&DL：机器学习和深度学习中超参数优化的简介、评估指标、过拟合现象、常用的调参优化方法之详细攻略目录机器学习和深度学习中超参数优化的简介、评估指标、过拟合现象、常用的调参优化方法

ML&DL-TensorFlow2.1快速入门学习笔记05——卷积神经网络第五讲卷积神经网络5.1卷积计算过程5.2感受野5.3全零填充5.4TensorFlow实现卷积计算层5.5批标准化(BatchNormalization,BN)5.6池化5.7舍弃Dropout5.8卷积神经网络卷积是什么？5.9CIFAR10数据集5.10卷积神经网络搭建示例5.11LeNet、AlexNet、VGGNe

在实验室完成任务.项目切割完成翻译1200差了300项目推进完成ML&DL完成阅读完成

ML&DL-TensorFlow2.1快速入门学习笔记04——神经网络八股扩展第四讲神经网络八股扩展4.1自建数据集4.2数据增强4.3断点续训保存模型读取模型4.4参数提取4.5acc&loss可视化4.6应用程序：给图识物Reference第四讲神经网络八股扩展在上一讲中介绍了使用tf.keras搭建神经网络的“六步法”：importtrain,testmodel=tf.keras.model

以前有学过linearclassification、linearregression和logisticsregression，这次做一下总结，并主要推导一下交叉熵损失函数的由来和梯度下降法。一、概述开头先祭出林轩田老师讲义中的一张图PLA、LinearRegression到logisticsregression的区别。误差函数由0/1误差演变为均方误差到交叉熵误差。1.1PLA/PocketPLA

ML&DL-PyTorch系列学习笔记06——PyTorch进阶教程06PyTorch进阶教程6.1BroadcastingBroadcasting操作的实际意义实现Broadcasting操作的前提条件6.2Tensor拼接与拆分拼接切分6.3基本数学运算add+/minus-/multiply×/divide÷matmul@高维矩阵乘法规则power**/sqrt/rsqrtExp/log/l

ML&DL-TensorFlow2.1快速入门学习笔记第一讲神经网络计算1.1人工智能三学派1.2神经网络设计过程梯度下降法梯度下降法的缺点1.3张量(Tensor)1.张量2.数据（张量）类型3.张量生成1.4TensorFlow2常用函数（1）强制转换数据类型，最大、最小值，平均值，求和axis参数：可训练参数tf.VariableTensorFlow中的数学运算数据/标签对数据集构建1.5T

https://github.com/zhourunlai/deep-learning-demodeeplearningDemoWunderlist[]1.MachineLearningYearning[]2.DeepLearningBook(感谢北京大学张志华团队的翻译工作，中文版点击这里)一、记录深度学习例子：名称目录Caffe[dir]TensorFlow[dir]Theano[dir]Ke

基于LSTM的大规模资金流入流出的大数据预测实例目录：一：数据预处理二：构建神经网络三：训练神经网络（神经网络的保存）四：使用LSTM算法进行预测（神经网络的恢复）前言：作为一名大二的学生，接触ML&DL

【持续更新中...】参考的博客、资料在文末给出了目录目录1.affinitymatrix（关联矩阵）一句话描述例子2.邻接矩阵一句话描述性质例子3.相似矩阵基本思想4.拉普拉斯矩阵5.GramMatrix(格拉姆矩阵）定义应用6.协方差矩阵1.affinitymatrix（关联矩阵）一句话描述关联矩阵就是描述图【有向图或者无向图】中点与边的关系的矩阵【每一行代表一个节点，每一列代表一条边，在无向图

Mac下安装Tensorflow进行ML&DLTensorflow官网：Tensorflow里面是英文，英文好的小伙伴推荐直接先阅读官网，里面会介绍相关的各种的安装方法。（如下）个人推荐在Mac上用virtualevn安装（也是官网推荐的安装方法）1、virtualevn简介：virtualevn是一个虚拟的python运行环境，是与其他python开发相隔离的。在安装virtualevn的过程中