个人技术分享

【代码】动手学深度学习（Pytorch版）代码实践 -深度学习基础-08多层感知机简洁版。

【代码】动手学深度学习（Pytorch版）代码实践 -深度学习基础-12Kaggle竞赛：预测房价。

在神经网络的训练过程中，一个非常直观的需要调整的超参数就是batch size。我们需要决定在一次训练中，要选取多少样本喂给神经网络，这个要选择的样本个数，就是batch size。batch size的。

在深度神经网络的训练过程中，梯度消失问题指的是由于连续乘积的激活函数和权重初始化不当，导致在反向传播时梯度值变得非常小，从而使得深层网络中的权重更新非常缓慢，甚至几乎不更新。

核心思想：根据你的”邻居“来推断出你的类别。定义：如果一个样本在特征空间中的k个最相似（即特征空间中最邻近）的样本中的大多数属于一个类别，则该样本也属于这个类别。其中k值不能太小，容易受到异常值的影响。不能太大，会受到样本不均衡的影响。欧式距离曼哈顿距离闵可夫斯基距离优点：简单、易于理解、易于实现、无需训练（KNN 是一种懒惰学习（lazy learning）算法，这意味着它在训练阶段并不构建模型，而是在测试阶段才进行计算。缺点：懒惰算法，对测试样本分类时计算量大，内存开销大。

逻辑回归是一种广泛应用于机器学习和数据分析领域的分类算法，特别适用于二分类问题。尽管名字中包含“回归”，但逻辑回归实际上是一种分类方法，它通过对数据进行线性回归分析，并使用一个逻辑函数（通常是Sigmoid函数）将线性回归的连续输出转换为二分类问题所需的概率值。

🍨 本文為🔗365天深度學習訓練營中的學習紀錄博客 🍖 原作者：K同学啊 | 接輔導、項目定制一、我的環境 電腦系統：Windows 10 顯卡：NVIDIAQuadro P620 語言環境：Python 3.7.0 開發工具：Sublime Text，Command Line(CMD) 深度學習環境：1.12.1+cu113Tensorflow 二、準備套件# PyTorch 的核心模組，包含了張量操作、自動微分、神經網絡構建、優化器等

标注类别名称:[“carina”,“clavicle_left”,“clavicle_right”,“gastric_bubble”,“heart”,“humeral_head_left”,“humeral_head_right”,“lung_left”,“lung_right”,“trachea”]数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)标注数量(txt文件个数)：100。

本测试用例表格涵盖了自动驾驶系统中多个关键功能和场景的测试，旨在确保系统在不同条件下的表现和稳定性。此表格设计旨在提供一个清晰的框架来组织和管理自动驾驶仿真测试用例，确保测试工作的系统性和有效性。

记录keras库中导入函数找不到的问题

之间不要差得太远还需要使用SFT的数据训练。假设整个事件的时间范围就1步所以。给定当前优化的大模型。

print(f'{path} size = {img.size}, 该图像预测类别为:', classes[pred])1 类别不均衡，有得种类图片2百多，有个只有10个不到；1 如何进行图片增强，图片增强应该注意什么（方向问题）；2 像素大小不同，导致有的图片很清晰，有的很模糊；2 模型大小如何进行选择；

♥✈✈✈如FreeCompose、一术科技等，这些企业专注于开发人工智能驱动的语音、音效和音乐生成工具，致力于利用核心技术驱动文化产业升级。虽然具体公司未明确提及，但可以预见的是，像腾讯、阿里、百度等国内科技巨头也在积极探索AI音乐领域的可能性。国内的音乐大模型在特征提取、风格迁移、旋律生成等方面取得了显著进展，能够生成具有特定风格和情感的音乐作品。✈✈✈包括Jukedeck、AIVA等，这些企业已经在AI音乐创作领域取得了显著的成果，并推出了多款商业化的产品。

本文相熟了卷积神经网络CNN的原理，并介绍了如何使用PyTorch框架搭建卷积神经网络模型CNN。实现了LeNet-5的模型的搭建、模型训练、测试、网络的复用、直观查看数据集的图片预测结果等，完成了机器学习领域的Hello world——手写数字识别。

基于单类支持向量机的滚动轴承异常检测方法（NASA-IMS轴承数据，Python）

迁移学习(Transfer Learning)是一种机器学习方法，就是把为任务 A 开发 的模型作为初始点，重新使用在为任务 B 开发模型的过程中。迁移学习是通过 从已学习的相关任务中转移知识来改进学习的新任务，虽然大多数机器学习算 法都是为了解决单个任务而设计的，但是促进迁移学习的算法的开发是机器学 习社区持续关注的话题。迁移学习对人类来说很常见，例如，我们可能会发现 学习识别苹果可能有助于识别梨，或者学习弹奏电子琴可能有助于学习钢琴。

因此，我们将使用来自 Huggingface 的数据集，名为“Helsinki-NLP/opus-100”，它有 100 万对英语-马来语训练数据集，足以获得良好的准确性，并且在验证和测试数据集中各有 2000 个数据。：Feedfoward Network使用深度神经网络来学习两个线性层（第一层有d_model个节点，第二层有d_ff节点，根据注意论文分配的值）的所有特征，并将 ReLU 激活函数应用于第一线性层的输出，为嵌入值提供非线性，并应用 dropout 以进一步避免过拟合。

当前（例如今天）的某个词出现的频率相比于历史发生突增，那么这个词的热度上升，如何修正排名呢？

当前（例如今天）的某个词出现的频率相比于历史发生突增，那么这个词的热度上升，如何修正排名呢？

如果nvidia-smi命令无效，则说明可能已经安装了cuda。