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...
回归分析是统计学中用于预测连续型数据的一种方法。常见的回归模型包括线性回归和多项式回归。多项式回归是线性回归的扩展，它能够处理更复杂的数据关系。 线性回归假设因变量与自变量之间存在线性关系。对于一些非线性的数据，线性回归...
在机器学习领域，单一模型往往难以在所有场景下都达到最佳效果。因此，集成学习（Ensemble Learning） 通过组合多个弱学习器（单个模型）来构建更强大模型，提高预测性能和泛化能力。它的核心思想是集众之智，让多个模...
模型量化是指将神经网络模型中的权重和激活值（输入和输出）从高精度的浮点数（例如 32 位浮点数）转换为低精度的整数（如 8 位整数）或更低位数的表示方式。通过这种方式，减少模型的存储需求和计算量。 量化的核心思想是将浮点...
特征缩放（Feature Scaling）是机器学习中对特征进行归一化或标准化处理的技术，主要作用体现在多个方面。首先，它可以提高梯度下降的收敛速度。在梯度下降优化过程中，如果不同特征的取值范围相差较大，某些特征的梯度变...
BLEU（Bilingual Evaluation Understudy）是用于评价机器翻译、文本摘要结果的评价指标，其得分值在 [0, 1]，越接近 1 生成的文本的质量越高。 Paper：https://aclant...
AlexNet 是 2012 年 ImageNet 竞赛冠军获得者 Hinton 和他的学生 Alex Krizhevsky 设计的。AlexNet 把CNN 的基本原理应用到了很深很宽的网络中。主要使用到的新技术点如下...
nn.Identity 是 PyTorch 中的一个层，它的作用是不做任何改变地传递输入数据。它在前向传播时会返回输入数据本身，而不对其进行任何处理或变换。 这样的一个实现，在大多数人看来似乎没有什么用，我根据自己的使用...
Bert + CRF 的技术组合是目前非常常见的解决 NER 问题的架构，由 Bert 的多头自注意力机制，让模型建立起 Token 之间的关系，并给出第一阶段的 BIO 标签预测，由于在这一阶段中，我们并没有要求模型去...
相对位置编码（RPE）是一种用于替代绝对位置编码（Absolute Positional Encoding, APE）的技术。我们知道 Transformer 模型本身是基于自注意力机制（Self-Attention）的...
学习和使用 Python 编码的前提就是要搭建相应的开发环境。虽然搭建过程并不难，但是对于很多初学者而言，搭建过程还是会感觉很凌乱。本专题将从零开始，演示环境的搭建的过程。课程主要内容如下： 本专题包含以下7个章节内容：
Python 是一种强大而灵活的编程语言，广泛应用于软件开发、数据科学和人工智能等领域。在学习和使用 Python 的过程中，了解和熟悉开发环境的关键概念是非常重要的。本文将介绍一些关于 Python 开发环境的基本概念...
这一章节，给同学演示下，在 Windows 11 上如何安装多个版本的 Python 解释器，以及如何使用不同版本的解释器。 1. python 使用 首先，下载对应版本的解释器，我们这里下载 3.7.5 和 3.8.5...
冀公网安备13050302001966号
