机器学习

机器学习高斯混合模型（GMM）算法初探

高斯混合模型（Gaussian Mixture Model，GMM）是一种基于概率的无监督学习模型，通过假设数据由多个高斯分布组成来进行数据建模。它在机器学习、统计学和信号处理等领域有广泛的应用。 GMM 从整体来看，它...

机器学习高斯混合模型（GMM）聚类过程

在本节课程中，我们将探讨高斯混合模型（GMM）如何对新数据进行聚类。即：当我们输入一条新的数据时，模型会基于先前学习到的各个高斯分布的参数来估计该数据属于每个类别的概率。接下来，我们将详细了解这一过程的具体步骤。 1. ...

机器学习高斯混合模型（GMM）拟合过程

GMM 假设数据是由多个高斯分布混合而成，接下来，我们将会探讨 GMM 是如何根据训练数据得到这些不同的高斯分布参数： 估计高斯混合模型的参数，我们并不知道数据属于哪个分布，这是典型的包含隐藏信息的参数估计问题。对于这个...

机器学习高斯混合模型（GMM）使用详解

scikit-learn 中 GaussianMixture 类是对高斯混合模型算法的实现，它包含了一些用于控制混合高斯模型（GMM）的初始化、训练方式和模型的其他设置。 1. 参数 1.1 基本参数 1.2 covar...

机器学习自注意力机制（Self-Attention）

多头自注意力机制（Multi-Head Self-Attention）是深度学习中一种用于处理序列数据的重要机制，广泛应用于自然语言处理（NLP）和计算机视觉等领域。它最早出现在 Transformer 模型中。 1. ...

机器学习Flash Attention

机器学习梯度下降算法（Gradient Descent）

梯度下降算法是一种用于寻找函数最小值的优化方法。在机器学习中，常用于训练模型，帮助我们找到模型参数（比如权重和偏置）的最佳值，以使模型的预测误差（损失函数）最小。 想象你站在一个山顶上，目标是找到最低的山谷（最小值）。你...

机器学习Google SentencePiece 

SentencePiece 是一种用于文本处理的工具，特别适用于基于神经网络的文本生成系统。它的主要功能是将文本分割成更小的单位（称为子词单元），这些子词单元可以是完整的单词、部分单词，甚至是单个字符。 Sentence...

机器学习本地部署 ChatGLM3-6B 模型

ChatGLM3-6B 是一个 ChatGLM 系列的开源对话模型，是由清华大学 KEG 实验室和智谱 AI 共同开发。该模型具备出色的中文和英文理解和生成能力，特别适合多轮对话、文本生成、问答等自然语言处理任务。 模型...

机器学习自动混合精度（AMP）

自动混合精度是一种能够提升训练效率的方法。它通过减少训练过程中的显存使用，从而提高 batch_size 大小，加快模型训练。在 PyTorch 中张量默认使用的是 float32 类型，如果我们能够使用 float16...

机器学习门控循环单元（GRU）

门控循环单元（Gated Recurrent Unit, GRU）是一种改进的循环神经网络（RNN）架构，旨在解决传统 RNN 在处理长序列时面临的梯度消失问题。GRU 由 KyungHyun Cho 等人在2014年提...

机器学习长短期记忆网络（LSTM）

长短期记忆网络（Long Short-Term Memory，LSTM）是一种特殊的循环神经网络（RNN），与传统的 RNN 相比，在处理涉及较长距离时间依赖的任务中表现出更强的能力。 1. 算法原理 LSTM 为了解决...

机器学习循环神经网络（RNN）

循环神经网络（Recurrent Neural Network, RNN）是一类用于处理序列数据的神经网络。 什么是序列数据？序列数据是指按照一定顺序排列的数据集合，其中的每个元素被称为序列的一个项。序列数据可以是有限的...

机器学习AUC（Area Under the Curve）

AUC（Area Under the Curve）是一种常用二分类评估方法，它指的是 ROC 曲线（Receiver Operating Characteristic Curve）下的面积。 1. ROC ROC（Rec...