手机随时阅读
新人专享大礼包￥24
!F1micro与F1macro(https://s4.51cto.com/images/blog/202205/24234344_628cfd30f220360439.png?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFu
学习之余跟大家分享一些趣事，也是我刚刚吃到的瓜。因为我们有一门课叫分布式，老师布置了几个课题，让我们写相关的作业。然后恰好我就选择了Paxos算法。然后我发现他这段诞生历史实在是太有趣了，马上把它讲出来，跟大家分享一下。Paxos理论一波三折的诞生过程，后来也成为了计算机科学领域被广泛流传的学术趣事。 在1990年，Lamport提出了一个理论上的一致性解决方案。因为之前“拜占廷将军问题
支持向量机（support vector machines，SVM）是一种二类分类模型。它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；支持向量机还包括核技巧，这使它成为实质上的非线性分类器。支持向量机于 1995 年正式发表[Cortes and Vapnik， 1995]，由于在文本分类任务中显示出卓越性能，很快成为机器学习的主流技术，并直接掀起了“统计学习”在
持续学习continuallearning!image.png(https://s2.51cto.com/images/20220510/1652147628227862.png?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmF
!image.png(https://s2.51cto.com/images/20220510/1652159598515763.png?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=)App
如果你没用过Zotero，那我强烈安利你用一下。使用zotero一键导出.bib参考文献把你想导出的参考文献放到一个目录下边，然后在文件夹上右键→导出分类。选择BibTeX。下边三个框全不选，点击OK，就可以直接导出了。打开看看，导出的内容如下：但是你会发现，你引用参考文献的时候你根本不需要什么abstract，keywords，file之类的参数，放在这里也挺占地方的。所以你可以
!image.png(://s2.51cto.com/images/20220504/1651659157334297.png?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=)老师布
!image.png(https://s2.51cto.com/images/20220507/1651913028585747.png?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=)今天搞
今天写代码又遇到了这个东西，已经不是第一次了。我下别人的代码经常看到这玩意儿，但是我自己写的时候从来没写过，我学python的时候教程也没写过这玩意儿（我看的是python三剑客第一本入门的python）。所以今天就特意查了一下这是个什么玩意儿。原来是这样的，就是if __name__ == '__main__':包裹的内容只能在当前python文件中运行，当该文件import到其他文件时
在我们的生活中，测试一个机器学习的分类器是否有效，一个标准是统计或者对抗检测（statistically or adversarially detecting）测试样本与训练分布有足够的距离。许多分类任务，如语音识别、目标检测和图片分类，已经可以使用神经网络(DNNs)进行精准分类。然而，确定预测不确定性仍然是一项困难的任务。经过良好校准的预测不确定性非常重要，因为它可以用于各种机器学习应用。用s
安装工具包这种教程可能会存在时效性，版本变迁之后会出现问题。如果教程出现问题记得喊我回来修改。版本：MATLAB2021B ，libsvm-3.251. 下载工具包libsvm下载地址：https://www.csie.ntu.edu.tw/~cjlin/libsvm/oldfiles/拉到最底下找到新版本的压缩包，我是windows，我下载最新版本就是libsvm3.25.下载完毕之后将
**CMR 方法 旨在通过在不发生灾难性遗忘的情况下改进 $f_t$ 来修复错误情况。**
!图片1.png(https://s2.51cto.com/images/20220501/1651408221540401.png?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=)这篇文章是
如果使用手动输入# head 就是一级标题，## head 就是二级标题，### head 就是三级标题。下图左侧可以看到灰色的分别显示H1 H2 H3。但是如果你导入markdown文件或者直接粘贴的时候， ## head 会被识别为一级标题。### head 会被识别为二级标题。
列表文字附属内容无缩进格式。1.尝试使用tab缩进，无效，还是普通段落格式。2.尝试使用回车并删掉列表序号缩进，无效。想要这个格式的文本：!image.png(https://s2.51cto.com/images/20220424/1650766131240887.png?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,colo
我现在属于站着说话不腰疼，因为我不了解这个，也不知道实现起来难不难。但是我今天真的好心累。在typora写好了文章，直接导入到悟空编辑器。不支持公式！！！上次发现公式问题已经将近两个月了，都快忘了这事了。所以也没想啥，导入之后开始从头过一遍，看看有没有什么需要修改的地方。改了半天，往下一拉。好家伙，还是不能识别markdown公式。一键切换切换不了。最后还是 复制粘贴过去的。
看个动图：!GIF202242485904.gif(https://s2.51cto.com/images/20220424/1650762296126929.gif)看到了吗。难受不。我写markdown是为了方便，不用手动调格式，但是悟空编辑器你却让我输得这么彻底。搞算法的、搞AI的，通篇大量公式，我就一个一个转换吗？我还真得一个个转换。你可以不负责任的说：那你切换markdown编辑器不就行
作者碎碎念本文目的：对于K折交叉，想必大家都知道是什么原理。但是在具体实践中让你写的时候，你可能就会突然疑惑：“咦？道理我都懂，可是这个玩意儿到底怎么用。”本文就是为了探讨一下什么时候 怎么用 K折交叉验证。K折交叉(k-fold cross validation)提到K折交叉，我想大部分人都了解其原理了。但是在这里还是先讲一下什么是K折交叉，防止有初学者是进来看什么是K折交叉的。简言之，就是将数
前边刚说了encoderdecoder框架，也写了大体的代码思路。但是有思路不代表能写出东西来，今天就使用encoderdecoder来实现一个seq2seq。pyimportcollectionsimportmathimporttorchfromtorchimportnnfromd2limporttorchasd2l常规操作导个包。编码器pyclassSeq2SeqEncoder(d2l.Enc
分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点和有向边组成。^《统计学习方法》李航结点有两种类型：内部结点（internalnode）：表示一个特征或属性叶结点（leafnode）：叶结点表示一个类顾名思义，决策树说白了就是使用树结构进行决策。让我们借助:watermelon:书^《机器学习》周志华里的一张图来看一下子。怎么判断一个西瓜是不是好瓜呢？先看他的色泽是不是已经青绿色了，
在前馈神经网络中，隐藏层的数量和层数的确定尚无依据，一般是由经验决定。查阅了大量相关的文章之后我对其进行了综合梳理。这里需要明确的一点是，这些只是根据经验提出的一些参考的方法，具体的层数和大小还是要在实际实验中进行验证。在此之前我们还需要理解一点，就是当我们神经元足够多，隐藏层足够多的时候我们甚至能完美拟合所有的点，但是也会带来过拟合的问题。因此我们要把握一个适中的度。二分类问题方法出自：Begi
在这篇文章里你可以看到使用Matlab自带的knn模型进行一个简单的机器学习分类任务。数据因为是需要数据集的，所以我在这里提供一个数据集。你们只要复制下面的文本，搞到一个txt文件中即可。【腾讯文档】featureshttps://docs.qq.com/doc/DQWR1bEZmVHNEeGNS我是把它放到了一个features.txt中。复制到你本地之后数据应该长，这样里边有4
之前我还会写手动实现，就是实现以下计算过程，然而实际上其实就是用代码堆出来计算公式，也没什么意思，:weary:以后就不搞了，直接写怎么用pytorch实现。pythonimporttorchfromtorchimportnnfromd2limporttorchasd2lfromtorch.nnimportfunctionalasF导包啊导包，这个不用解释了吧。pytrain_iter,vocab
!image.png(https://s2.51cto.com/images/20220327/1648357087227804.png?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=)Due
作为一个用python的人，我用matplotlib画图不香吗，但是现在被逼无奈必须用MATLAB写大作业，我只好赶紧学习。之前说过Octave和MATLAB语法几乎一模一样，画图也是这样的，如果用过octave的也可以看看这个回忆一下用Octave怎么画图：Octave简明教程 准备工作x = linspace(0,3*pi,100);y = sin(x);z = cos(x);li
碎碎念谁知道，我一个居然半路开始学MATLAB，我会写C，C，Java，Javascript，VUE，python，octave但是我没用过MATLAB。然后今天W老师布置了一个数据挖掘的任务，要求必须用MATLAB写。我就开始了痛苦的学MATLAB之路。教程已经看一半了。写一下数组处理以及遇到的坑。!image.png(https://s2.51cto.com/images/20220325/1
这个是接着上一个文章从零实现GRU门控循环单元写的，如果你没看上篇文章也没事，本篇文章是讲如何用pytorch直接实现GRU，和上一篇文章除了思路一样，其他没有任何参考意义。import torchfrom torch import nnfrom d2l import torch as d2lfrom torch.nn import functional as F依旧是熟悉的配方熟悉的导包
注意：我一共要写两篇文章来讲解两种写GRU的方法，一种是手写实现，一种是直接调用pytorch自带的GRU，本文就是从零实现GRU。但是要注意，自己写的会和pytorch的有有出入，毕竟人家是经过优化的，所以同样的数据使用我们自己写的训练速度会很慢。这只是带你熟悉流程的，本篇文章看完以后建议看一下如何是会用pytorch框架实现GRU。本文使用jupyter notebook写的代码，和p
写代码之前先回顾一下RNN的计算公式：隐藏层计算公式：\mathbf{H}_t=\phi(\mathbf{X}_t\mathbf{W}_{xh}+\mathbf{H}_{t1}\mathbf{W}_{hh}+\mathbf{b}_h)输出计算公式：\mathbf{O}_t=\mathbf{H}_t\mathbf{W}_{hq}+\mathbf{b}_qpyimporttorchfromtorchi
pyimportmathimporttorchfromtorchimportnnfromd2limporttorchasd2lpython人必懂的导包，这不用解释了。pydefmasked_softmax(X,valid_lens):ifvalid_lensisNone:returnnn.functional.softmax(X,dim=1)else:shape=X.shapeifvalid_le
Copyright © 2005-2022 51CTO.COM 版权所有 京ICP证060544号
