摘要： 学习总结 机器学习分类 机器学习模型架构 模型误差的来源，训练集测试集的分割方法 深度学习的架构，为什么要“深度”学习？ 模型的训练技巧，优化方法 卷积神经网络CNN 未来学习计划 丰富其他深度学习方法知识如lstm，transformer等 上手实战项目 阅读全文

摘要： 为什么使用CNN？ 相比全连接网络，CNN有更少的参数，且经常用于图像处理问题，这是因为图像处理任务自身的特点： small region： 大部分的pattern其实要比整张的image还要小，对一个neuron来说，假设它要知道一个image里面有没有某一个pattern出现，它其实是不需要看整 阅读全文

摘要： 4.classification 分类模型的输出 若是将不同分类编号作为真值，可能让模型误认为相邻的分类是相近的，因此使用向量表示不同类别。 模型最后的输出值需要softmax处理，使得输出值落在0-1区间。softmax和标准化类似。 分类模型loss function 分类模型的loss通过cr 阅读全文

摘要： 1.Critical Point 的判断和解决 在模型训练过程中，我们可能会遇到模型loss function无法下降的情况，这可能是遇到了critical point。通过Taylor series approximation，我们可以判断某点是否为critical point以及critical 阅读全文

摘要： 和机器学习类似，深度学习也有三个步骤。 1.神经网络 深度学习中的function set即神经网络模型，神经网络中的神经元有不同的激活函数，权重和偏差，不同神经元的连接方式我们也可以自行设置。 全连接前馈神经网络 全连接只相邻两层神经元完全连接，同时输入信号单向向前传播，后向layer不会向前向l 阅读全文

摘要： 误差 模型的误差来源有两个，分别是误差（bias）和方差（variance）。 不同复杂程度的模型倾向于不同的误差类型，复杂度较低的模型的方差较小，也就更集中，但是偏差较大，易欠拟合；复杂模型离散程度更大，但偏差小，易过拟合。 我们要做的，就是在两种误差中权衡，找出相对平衡的模型。 误差改进 偏差大 阅读全文

摘要： Regression 是一种机器学习的 task，即指 machine 找到的 function，它的输出是一个 scalar，这就叫做 regression。这次就来学习搭建一个用于预测宝可梦进化后的combatpower（cp）值的机器学习模型。 模型搭建步骤 模型假设，根据问题复杂程度选择模型 阅读全文

摘要： 实现人工智能是我们的目标，而机器学习是我们实现这个目标的方法，深度学习则是机器学习方法中的其中一种。我们希望机器可以有自主学习的能力，而不是只能在创造者提前设定好的规则下做出行为，这样的机器永远不能超过创作者。 机器学习框架 框架分为两部分；左边的就是学习过程，右边的 testing 就是使用训练好 阅读全文