1 基础模型 例如将法语翻译成英语，构建的翻译网络分成两步。1）建立一个网络，称之为encoder network，是一个RNN结构。RNN结构中的单元可以是GRU，也可以是...
发简信
IP属地：广东
-
深度学习 第12次作业 序列模型和注意力机制 -
深度学习 第11次作业 自然语言处理与词嵌入1 词汇表征 词嵌入是语言表示的一种方式，例如国王和王后，男人和女人，只用one-hot 编码是无法体现词之间的关联，因此，我们可以用特征化的表示，来表示每个词。例如：特征依...
-
深度学习 第10次作业 机器学习 循环序列模型1 序列模型 序列模型广泛应用于语音识别，音乐生成，情感分析，DNA序列分析，机器翻译，视频行为识别，命名实体识别等众多领域。序列模型的输入与输出的对应关系有非常多的组合，比...
-
深度学习 第9次作业 机器学习 目标检测目标定位 目标检测的任务是在图片中定位物体，并将位置标注出来标记四类存在与否，定位需要定位目标中心坐标(b_x, b_y)以及图片的高度(b_h)和宽度(b_w) 输出可以定...
-
深度学习 第8次作业 机器学习 卷积神经网络 深度卷积网络卷积网络主要应用在计算机视觉，具体的常规网络有LeNet, AlexNet, InceptionNet, ResNet。 每个网络的设计相对于上一个网络均有新的创新和设计。下...
-
深度学习 第7次作业 机器学习（ML）策略（2）进行误差分析 假设你训练出的猫分类器在开发集上取得了90%的准确率即误差为10%，这离你的目标还有一段距离，当你分析开发集上出错的例子中，你发现算法将一些狗的图片判别为猫的图...
-
深度学习 第6次作业 机器学习（ML）策略（1）
1.正交化正交化（Orthogonalization） 的核心在于每次调整只会影响模型某一方面的性能，而对其他功能没有影响。这种方法有助于更快更有效地进行机器学习模型的调试和...
-
深度学习 第5次作业 超参数调试、Batch正则化和程序框架1.调试处理 2.为超参数选择合适的范围（1）随机取值并不是在取值范围内随机均匀取值，而是要选择合适的标尺来随机取值。（2）案例1：在选择网络层数时，其范围是[2,4]，那么...
-
深度学习 第4次作业1.深层神经网络 3.核对矩阵的维数 4.为什么使用深层表示 5.搭建深层神经网络块 6.前向和反向传播 7.参数 VS 超参数1）参数常见的参数即为W[1],b[1],W[...
-
深度学习 第3次作业 浅层神经网络1.神经网络概述 2.神经网络表示及计算 3、神经网络的向量化表达及解释对于两层神经网络，从输入层到隐藏层对应一次逻辑回归运算；从隐藏层到输出层对应一次逻辑回归运算。每层计算...
-
深度学习 第2次作业 神经网络基础1.二分分类举例一个典型的二分类问题。一般来说，彩色图片包含RGB三个通道。例如下图所示：cat图片的尺寸为（64，64，3）。在神经网络模型中，我们首先要将图片输入x（维度...
-
深度学习 第1次作业 深度学习概述1.什么是神经网络？简单来说，深度学习（Deep Learning）就是更复杂的神经网络（Neural Network）。文中通过一个房价预测的例子来引入神经网络模型的概念。...
-
-
计算机科学与Python编程导论 16次作业期末考试4.动态规划 0/1背包问题实例学习比如，有三件物品重量w,价值v分别是w=[5,3,2]v=[9,7,8]包的容量是5，也就是我们要求得maxVal=v1+v2+v3……约...
-
计算机科学与Python编程导论 15次作业
一、基本概念1）聚类将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的...
-
计算机科学与Python编程导论 14次作业（机器学习）一、基本概念1.通过线性回归（参见第18章）可以学习一条曲线，作为一组实例的模型，然后使用这个模型对未知实例进行预测。基本范式如下：(1) 观察一组实例，通常称为训练数据，它...
-
计算机科学与Python编程导论 13次作业（背包与图的最优化问题）1.最优化问题提供了一种结构化的方法，可以解决很多计算问题。最优化问题通常包括两部分：1）目标函数：需要最大化或最小化的值。2）约束条件集合（可以为空）：必须满足的条件集合。...
-
如果我的文章中某一章节的细节部分难以理解，请给我留言。我会更新文章使读者能够有所收获。
-
-
计算机科学与Python编程导论 第16/18/19/20章一、基本概念 1）蒙特卡罗模拟 蒙特卡罗模拟用于求事件的近似概率，它多次执行同一模拟，然后将结果进行平均。 2）投资回报率公式定义： 3）性能出现问题时，经常会采用查表法。查...
