机器学习

机器学习 PyTorch DataLoader 使用
孟宝亮2022-01-23155604
在 PyTorch 中，使用 torch.utils.data.DataLoader 类可以实现批量的数据集加载，在我们训练模型中非常常用，其功能也确实比较强度大。由于其参数比较多，我们将会对其用法进行详解。 1. 基本...
机器学习 GELU 激活函数
孟宝亮2022-01-21184203
GELU（Gaussian Error Linear Unit，高斯误差线性单元）激活函数在 NLP 任务中被广泛使用，例如：BERT、ALBERT、GPT 等模型都用到 GELU 激活函数。其公式如下： GELU 函数...
机器学习 Tanh 激活函数
孟宝亮2022-01-21106104
Tanh 叫做双曲正切函数，其公式如下： Tanh 的函数图像、导数图像如下：由上面的函数图像可以看到，Tanh 函数将输入映射到 (-1, 1) 之间，图像以 0 为中心，在 0 点对称，当输入大概<-3 或...
机器学习 HardSwish 和 Mish 激活函数
孟宝亮2022-01-21161903
目前业界公认的最好的激活函数是 swish 和 mish 函数，在保持原结构不变的基础上，直接将模型的激活函数换成 HardSwish 或 Mish 函数，都会使得模型的性能有所提升。下图为 HardSwish 和 M...
机器学习 ReLU、SoftPlus、LeakyReLU、ELU 激活函数
孟宝亮2022-01-21103502
ReLU（Linear rectification function，修正线性单元）在图像处理任务中使用最广泛的激活函数，它虽然具有一定的优势，但是也存在一些不足，由此出现了一些变种函数，例如：SoftPlus、Leak...
机器学习 Sigmoid 和 LogSigmoid 激活函数
孟宝亮2022-01-21199303
激活函数主要用来向神经网络中加入非线性因素，以解决线性模型表达能力不足的问题，它对神经网络有着极其重要的作用。我们的网络参数在更新时，使用的反向传播算法（BP），这就要求我们的激活函数必须可微。sigmoid 激活函数在...
机器学习使用 PyTorch 实现线性回归
孟宝亮2022-01-20101303
线性回归是机器学习中的基础算法之一，通过最小化预测值和真实值之间的误差来拟合数据。在本教程中，我们将使用 PyTorch 从零开始构建一个线性回归模型，并拆解成关键部分，以便更好地理解 PyTorch 的使用方式。 1....
机器学习 PyTorch 自动微分模块
孟宝亮2022-01-2090002
自动微分（Autograd）模块对张量做了进一步的封装，具有自动求导功能。自动微分模块是构成神经网络训练的必要模块，在神经网络的反向传播过程中，Autograd 模块基于正向计算的结果对当前的参数进行微分计算，从而实现网...
机器学习浮点数向量距离（Similarity）度量方法
孟宝亮2022-01-19103201
在很多领域需要进行向量相似度的计算。本篇文章主要介绍一些常见的方法：曼哈顿距离欧几里得距离切比雪夫距离闵可夫斯基距离标准欧式距离余弦相似度点积相似度 1. 曼哈顿距离曼哈顿距离指的是两个向量在各个维度上的...
机器学习 Kmeans++ 初始质心优化算法
孟宝亮2022-01-10104902
下一个质心选取概率计算公式：由计算结果，可以看到当以 6 为第一个质心时，1、2、3、4 被选择为下一个质心的概率更高，而 5、7、8 被选择为下一个质心的概率很低。简言之：kmeans++ 算法有很高的概率选择距离...
机器学习 TF-IDF （词频-逆文档词频）
孟宝亮2022-01-10234804
TF-IDF（Term Frequency – Inverse Document Frequency）是一种用于信息检索与文本挖掘的常用技术。通过 TF-IDF 我们可以实现： 1. 算法公式 TF-IDF...
机器学习 KD 树的构建和搜索
孟宝亮2022-01-1077600
1. KD 树构建 KD 树的构建需要确定两个问题：选择使用那个维度作为分裂点：随机选择顺序选择方差最大的维度确定以当前维度那个值作为分裂点：中位数注意：如果中位数对应的不是一个具体的样本点，可以任意选择前...
机器学习 Rouge 评价指标
孟宝亮2021-05-05120003
在自然语言处理（NLP）任务中，自动评估文本生成质量是一个核心问题。例如，在机器翻译、自动摘要、文本生成等任务中，我们需要度量生成文本与参考文本的相似度。Rouge（Recall-Oriented Understudy ...
机器学习期望最大化算法（EM）
孟宝亮2021-03-25143300
期望最大化算法（Expectation Maximization，EM）是一种基于不完整、包含隐变量观测数据进行统计模型参数估计的方法。我们知道，统计模型中的参数都需要根据观测数据集（训练数据）来进行估计。但是，在有...

1 … 13 14 15 … 17

机器学习

机器学习 PyTorch DataLoader 使用

机器学习 GELU 激活函数

机器学习 Tanh 激活函数

机器学习 HardSwish 和 Mish 激活函数

机器学习 ReLU、SoftPlus、LeakyReLU、ELU 激活函数

机器学习 Sigmoid 和 LogSigmoid 激活函数

机器学习 使用 PyTorch 实现线性回归

机器学习 PyTorch 自动微分模块

机器学习 浮点数向量距离（Similarity）度量方法

机器学习 Kmeans++ 初始质心优化算法

机器学习 TF-IDF （词频-逆文档词频）

机器学习 KD 树的构建和搜索

机器学习 Rouge 评价指标

机器学习 期望最大化算法（EM）

相关课程