作者：黄飘链接：https://zhuanlan.zhihu.com/p/111397247来源：知乎近几年由于深度学习框架的兴起，端到端的训练和推理框架展现出一定的数据利用优势，而传统的数据关联算法基本都不满足可导可微的特性，因此出现了很多近似的端到端数据关联框架。这里由于篇幅有限，如果专栏和...

BatchNormalization；LayerNormalizaiton；InstanceNormalization；GroupNormalization；SwitchableNormalization。whynormalization?神经网络学习过程的本质就是为了学习数据分布，如果我们没有做归一化处理，那么每一批...

如果用一个词来形容概率图模型（ProbabilisticGraphicalModel）的话，那就是“优雅”。...

相比于监督学习，非监督学习的输入数据没有标签信息，需要通过算法模型来挖掘数据内在的结构和模式。非监督学习主要包含两大类学习方法：数据聚类和特征变量关联。其中，聚类算法往往是通过多次迭代来找到数据的最优分割，而特征变量关联则是利用各种相关性分析方法来找到变量之间的关系。01K均值聚类与分类问题不同，聚类是在事先并不知道任...

宇宙，是时间和空间的总和。时间是一维的，空间。。。maybe9or10维？降维，即用一个低维度的向量表示原始高维度的特征。常见的降维方法有主成分分析、线性判别分析、等距映射、局部线性嵌入、拉普拉斯特征映射、局部保留投影等。01PCA最大方差理论在机器学习领域中，我们对原始数据进行特征提取，有时会得到比较高维的特征向量。...

importtorchimporttorchvisionimportmatplotlib.pyplotaspltimporttorch.nnasnnimporttorch.nn.functionalasFfromtorch.utils.dataimportDataLoaderfromtorchvision.transf...

不忘初心,方得始终.01 支持向量机支持向量机（SupportVectorMachine，SVM）是众多监督学习方法中十分出色的一种，几乎所有讲述经典机器学习方法的教材都会介绍。关于SVM，流传着一个关于天使与魔鬼的故事。以下关于SVM的介绍很生动：传说魔鬼和天使玩了一个游戏，魔鬼在桌上放了两种颜色的球，如图...

第2章模型评估“没有测量，就没有科学。”这是科学家门捷列夫的名言。在计算机科学特别是机器学习领域中，对模型的评估同样至关重要。只有选择与问题相匹配的评估方法，才能快速地发现模型选择或训练过程中出现的问题，迭代地对模型进行优化。模型评估主要分为离线评估和在线评估两个阶段。针对分类、排序、回归、序列预测等不同类型的机器学习...

>>>前言人工智能技术正在对社会结构、职场、教育等带来革命性的变化。未来几年是人工智能技术全面普及化的时期，也是该技术的相关人才最为稀缺的时期。人工智能泛指让机器具有人的智力的技术。这项技术的目的是使机器像人一样感知、思考、做事、解决问题。人工智能是一个宽泛的技术领域，包括自然语言理解、计算机视觉、机...

Javascript是世界上最受误解的语言，其实C++何尝不是。坊间流传的错误的C++学习方法一抓就是一大把。我自己在学习C++的过程中也走了许多弯路，浪费了不少时间。为什么会存在这么多错误认识？原因主要有三个，一是C++语言的细节太多。二是一些著名的C++书籍总在（不管有意还是无意）暗示语言细节的重要性和有趣。三是现...

OpenCV中Mat基本用法：　　Mat类(Matrix的缩写)是OpenCV用于处理图像而引入的一个封装类。从功能上讲，Mat类在IplImage结构的基础上进一步增强，并且，由于引入C++高级编程特性，Mat类的扩展性大大提高。　　Matimage(240,320,CV8UC3)；第一个参数是rows，该矩阵的行数...

<深度学习基础>卷积神经网络，循环神经网络，LSTM与GRU，梯度消失与梯度爆炸，激活函数，防止过拟合的方法，dropout，batchnormalization，各类经典的网络结构，各类优化方法1、卷积神经网络工作原理的直观解释https://www.zhihu.com/question/39022858...

<机器学习基础>逻辑回归，SVM，决策树1、逻辑回归和SVM的区别是什么？各适用于解决什么问题？https://www.zhihu.com/question/249044222、LinearSVM和线性回归有什么异同？答案：https://www.zhihu.com/question/26768865基础知...

由于新的神经网络架构无时无刻不在涌现，想要记录所有的神经网络是很困难的事情。要把所有这些缩略语指代的网络(DCIGN，IiLSTM，DCGAN等)都弄清，一开始估计还无从下手。下表包含了大部分常用的模型(大部分是神经网络还有一些其他的模型)。虽然这些架构都是新奇独特的，但当我开始把它们的结果画下来的时候，每种架构的底层...

一、常用分类算法的优缺点二、正确率能很好的评估分类算法吗不同算法有不同特点，在不同数据集上有不同的表现效果，根据特定的任务选择不同的算法。如何评价分类算法的好坏，要做具体任务具体分析。对于决策树，主要用正确率去评估，但是其他算法，只用正确率能很好的评估吗？答案是否定的。正确率确实是一个很直观很好的评价指标，但是有时候正...