摘要： 张量 Tensor 存储 存储区是由数字数据组成的一维数组，即包含给定类型的数字的连续内存块 实例，使用偏移量和每个维度的步长对该存储区进行索引 多个张量可以索引同一存储区，但是它们索引到的数据可以不同 例如，索引同一个存储区： 4 1 5 3 1 2 可以得到 2 个不同的张量 tensor = 阅读全文

摘要： 识别图像主题 pytorch 金毛分类 resnet 101 对抗式生成 GAN CycleGAN resnetGeneration 马 -> 斑马 换脸、生成音频、文本、音乐 描述场景的预训练网络 NeuralTalk2 模型 提供一幅自然图像，这个模型会生成一段关于场景的英文说明 包含 2 个相 阅读全文

摘要： 类 class Variable: class Function: 变量 函数 初始化 def__init__(self, data): 调用 def __call__(self, input): 抛出错误 raise NotImplementedError("xxx未定义") 阅读全文

摘要： 期望最大化算法（EM 算法） 混合模型、隐变量模型参数（最大似然或MAP）的通用迭代算法 E 步：评估责任 \(r_{nk}\)（计算数据点 n 属于混合分量 k 的后验概率） M 步：使用更新后的责任 \(r_{nk}\) 重新估计参数 \(\mu_k,\ \Sigma_k,\ \pi_k\) E 阅读全文

摘要： STEP 3：更新 均值 \(\mu_k,\ k=1,2,...,K\) 更新 GMM 的均值参数 \(\mu_k,\ \ k=1,2,...,K\) 通过责任 \(r_{nk}\) 更新，依赖于所有均值 \(\mu_k\)、协方差矩阵 \(\Sigma_k\)、混合权重 \(\pi_k\)，因此无 阅读全文

摘要： 第1柱 - 回归 第2柱- 降维 第3柱 - 密度估计 目的：以某种方式表示数据 直接的方式：用数据点本身代表数据，如点坐标 数据集庞大 or 要表现数据特征，数据点本身无法反映特征 使用参数族（高斯分布或者Beta分布）中的密度，紧凑表示数据 找出均值和方差（使用最大似然估计ML和最大后验估计）， 阅读全文

摘要： 高维 PCA 维度--> \(x_n \in R^D\)， 数据集 \(X = \{x_1, x_2, ..., x_n \}\) 表示 \(n\) 表示样本数量（number of samples / observations），即数据点的个数 \(D\) 表示特征维度（dimensionalit 阅读全文

摘要： chrome 背景 黑色 更新 Chrome 浏览器到 78 以上版本 网址栏输入： chrome://flags/#enable-force-dark 。 点击 Enter 键后就进入 黑色模式配置页：Enable Adobe Acrobat Pro DC 背景 外框：视图 --> 主题 --> 阅读全文

摘要： 主成分分析-降维（PCA） 线性降维算法，PCA PCA 也称为 Karhunen–Loève 变换 用高维数据性质：数据往往位于一个低维子空间上 最大化投影空间的方差 保留尽可能多的信息 最小化重构数据 \(\hat{x_n}\) 与原始数据 \(x_n\) 的（欧几里得）距离 使 \(\hat{ 阅读全文

摘要： 数据-模型-学习 关键步骤、数学工具 数据表示 将原始数据转化为数值向量，强调特征工程、标准化与隐私保护。 模型视角 函数视角：预测器 \(f(x)\)，以经验风险最小化为训练目标 概率视角：预测分布 \(p(y | x)\)，以最大似然或贝叶斯推断为训练目标 学习机制 点估计：ERM、MLE、MA 阅读全文