本篇文章讲解了机器学习中较为简单的线性回归算法，虽然很多细节没有涉及到，例如噪声的处理和正则化问题、方差和偏差问题、多元特征回归…… 但是本篇文章的核心目的还是想让大家能够利用numpy实现线性回归模型，从最后的代码中可以看出，利用numpy我们就是在把前面的各种数学语言一个一个实现，求误差、求偏导、求梯度，这还只是最简单的回归问题，如果更复杂呢？我们也这样，怕是能让你秃头。 也因此，我们不得不引出我们接下来要讲的框架，他有什么好处，他的好处就是把我们上面的是三个函数封装好了，你需要做的仅仅只是调个函数，传个参数即可。
1. 问题概述 问题：MountainCarContinuous-v0 代码地址：https://github.com/openai/gym/blob/master/gym/envs/classic_control/continuous_mountain_car.py 细节：动力不足的汽车必须爬上一
实例：（Flappy Bird Q-learning） 问题分析 让小鸟学习怎么飞是一个强化学习（reinforcement learning）的过程，强化学习中有状态(state)、动作(action)、奖赏(reward)这三个要素。智能体（Agent，在这里就是指我们聪明的小鸟）需要根据当前状
在文章《玩转Keras之seq2seq自动生成标题》中我们已经基本探讨过seq2seq，并且给出了参考的Keras实现。 本文则将这个seq2seq再往前推一步，引入双向的解码机制，它在一定程度上能提高生成文本的质量（尤其是生成较长文本时）。本文所介绍的双向解码机制参考自《Synchronous B
Beam Search快速理解及代码解析(上) Beam Search 简单介绍一下在文本生成任务中常用的解码策略Beam Search（集束搜索）。 生成式任务相比普通的分类、tagging等NLP任务会复杂不少。在生成的时候，模型的输出是一个时间步一个时间步依次获得的，而且前面时间步的结果还会影
1、安装eval reset的目的 Jetbrains家的产品有一个很良心的地方，他会允许你试用30天（这个数字写死在代码里了）以评估是否你真的需要为它而付费。 事实上有一款插件可以实现这个功能，你或许可以用它来重置一下试用时间。但切记不要无休止的一直试用，这并不是这个插件的本意！这个插件就是eva
BERT 在自然语言处理（NLP）领域刷新了 11 个任务的记录，万众瞩目，成为异常火热的一个预训练语言模型。
本文的主题是预训练语言模型的前世今生，会大致说下 NLP 中的预训练技术是一步一步如何发展到 Bert 模型的，从中可以很自然地看到 Bert 的思路是如何逐渐形成的，Bert 的历史沿革是什么，继承了什么，创新了什么，为什么效果那么好
[TOC] Python从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/10718112.html 一、为什么用IDE(Python集成开发环境 Pycharm) 到现在为止，我们也是写过代码的人啦，但你有没有发现，每次写代码要新建文件、写完保存
0902-用GAN生成动漫头像 pytorch完整教程目录：一、概述 本节将通过 GAN 实现一个生成动漫人物头像的例子。 在日本的技术博客网站上有个博主，利用 DCGAN 从 20 万张动漫头像
Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 因为包含了大量的科学包，An
[TOC] Python从入门到放弃完整教程目录：Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 因为包含了大量的科学包，An
[TOC] TensorFlow2教程完整教程目录（更有python、go、pytorch、tensorflow、爬虫、人工智能教学等着你）：Activation Functions Deriva
这一篇章幅度较大，对于熟悉numpy的同学可能得心应手很多，如果对numpy不是特别熟悉的同学，建议先按照上述所给的教程学一遍numpy，再过来学习tensor这个数据类型，从一二维过渡到高维，也将更容易上手。 这篇文章内容虽多，但从实用的角度来说，相对而言也比较全面，其中内容不需要全部熟稔于心，但至少得对每个方法都大概有个印象，知道有这个东西，这个东西能干啥！ 0401-Tensor的基础操作
本篇文章的知识点顺序是按照 Transformer 的架构，从下往上，从 encoders 到 decoders 的顺序编写的，可能不利于新手的理解，但是非常全面，可以参考其他的文章一起阅读，效果更佳！ 一、Transformer引入 来源于机器翻译： Transformer 分为两个部分——编码器
上面笼统的介绍了如何利用 nn 这个工具箱去搭建一个神经网络，但是只给出了一个流程，很多细节我们还没有详细解释，但这已经足够了。
[TOC] 人工智能从入门到放弃完整教程目录` 图像识别 一、人脸定位 相信你们外出游玩的时候，都不会带上你的牛逼plus诺基亚手机出门，而是带上你的智能手机给自己美美的拍上一张。当你用手
0803-PyTorch的Debug指南 一、ipdb 介绍 很多初学 python 的同学会使用 print 或 log 调试程序，但是这只在小规模的程序下调试很方便
RNN做机器翻译有它自身的弱点，Attention正是为了克服这个弱点而出现的。所以，要理解Attention，就要搞明白两件事： RNN在做机器翻译时有什么弱点 Attention是如何克服这个弱点的 本文试图从解答这两个问题的角度来理解Attention机制。 一、RNN做机器翻译的经典思路 e
状语和状语从句 [TOC] 一、形容词（短语）和副词（短语） 1.1 形容词（短语） 1. 放在系动词后面做表语 1. 1：这几天他变坚强了：He becomes tough these days. 2. 放在宾语后面做补语（略） 1. 2：现实让他变坚强了：The reality makes hi
本篇教程采用 Boyd and Vandenberghe的教材，主要是自己学习凸优化课程时候的笔记和心得，其中应用篇没有学习。
一、仿射和凸集 二、一些重要的例子 三、保持凸性的运算 四、广义不等关系 五、分离超平面和支撑超平面 (Separating and Supporting Hyperplane) 六、对偶锥和广义不等关系 七、最小元和极小元和对偶锥的再解释
一、基本性质和例子 二、保留凸性的运算 三、共轭函数 四、拟凸函数 五、对数凹/对数凸函数 六、关于广义不等关系的凸性
一、拉格朗日对偶函数 二、拉格朗日对偶问题 三、强弱对偶的几何解释 四、鞍点解释 4.1 鞍点的基础定义 4.2 极大极小不等式和鞍点性质 五、最优性条件与 KKT 条件 5.1 KKT 条件 5.2 KKT 条件与凸问题 5.3 互补松弛性 六、扰动及灵敏度分析 6.1 扰动问题
一、一般优化问题 二、凸优化问题 2.1 凸优化问题定义 2.2 凸优化问题的最优解 2.3 等价问题化简 三、拟凸优化问题 四、典型凸优化问题 4.1 线性规划(LP) 4.2 线性分式规划 4.3 二次规划(QP) 4.4 二次约束二次规划(QCQP) 4.5 二次锥规划(SOCP) 4.6 鲁棒线性规划 4.7 几何规划(GP) 4.8 半正定规划(SDP) 五、向量优化
一、无约束最小化问题 二、下降法 三、梯度下降法 四、最速下降法 五、牛顿法 六、牛顿法收敛性分析
一、简介 二、等式约束凸二次规划 三、等式约束的Newton方法 四、求解KKT系统 五、总结
一、简介 二、对数障碍 三、中心路径 四、障碍方法 五、总结
Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号
