marsggbo

摘要： 导言 传统的神经网络都是基于固定的数据集进行训练学习的，一旦有新的，不同分布的数据进来，一般而言需要重新训练整个网络，这样费时费力，而且在实际应用场景中也不适用，所以增量学习应运而生。 增量学习主要旨在解决 灾难性遗忘(Catastrophic forgetting) 问题,本文将要介绍的《iCaR 阅读全文

摘要： 原文： "NeurIPS 2018 | 腾讯AI Lab详解3大热点：模型压缩、机器学习及最优化算法" 导读 AI领域顶会NeurIPS正在加拿大蒙特利尔举办。本文针对实验室关注的几个研究热点，模型压缩、自动机器学习、机器学习与最优化算法，选取23篇会议上入选的重点论文进行分析解读，与大家分享。En 阅读全文

摘要： 一、 引出主题¶ 深度学习领域一直存在一个比较严重的问题——“灾难性遗忘”，即一旦使用新的数据集去训练已有的模型，该模型将会失去对原数据集识别的能力。为解决这一问题，本文提出了树卷积神经网络，通过先将物体分为几个大类，然后再将各个大类依次进行划分、识别，就像树一样不断地开枝散叶，最终叶节点得到的类别 阅读全文

摘要： 微信公众号：AutoML机器学习 MARSGGBO♥原创 如有意合作或学术讨论欢迎私戳联系~邮箱:marsggbo@foxmail.com 2020.03.1 阅读全文

摘要： 示例如下: 注意通道数需要在最后一个维度。 MARSGGBO♥原创 2019 1 18 阅读全文

摘要： 原文: "JxKing的博客 | JxKing Blog" 前言 AutoML是指尽量不通过人来设定超参数，而是使用某种学习机制，来调节这些超参数。这些学习机制包括传统的贝叶斯优化，多臂老 虎 机（multi armed bandit），进化算法，还有比较新的强化学习。 我将AutoML分为 传统A 阅读全文

摘要： 一、基础模型 假设要翻译下面这句话： "简将要在9月访问中国" 正确的翻译结果应该是： "Jane is visiting China in September" 在这个例子中输入数据是10个中文汉字，输出为6个英文单词，$T_x$和$T_y$数量不一致，这就需要用到序列到序列的RNN模型。 ​ 类 阅读全文

摘要： 原文： "Auto Machine Learning笔记 Bayesian Optimization" 优化器是机器学习中很重要的一个环节。当确定损失函数时，你需要一个优化器使损失函数的参数能够快速有效求解成功。优化器很大程度影响计算效率。越来越多的超参数调整是通过自动化方式完成，使用明智的搜索在更 阅读全文

摘要： 原文链接：http://jermmy.xyz/2017/08/25/2017-8-25-learn-tensorflow-shared-variables/ 本文是根据 TensorFlow 官方教程翻译总结的学习笔记，主要介绍了在 TensorFlow 中如何共享参数变量。 教程中首先引入共享变量 阅读全文

摘要： 原文链接：https://www.qingsword.com/qing/python 12.html 引言 在Python中，星号除了用于乘法数值运算和幂运算外，还有一种特殊的用法"在变量前添加单个星号或两个星号"，实现多参数的传入或变量的拆解，本文将详细介绍" 星号参数 "的用法。 1. 什么是星 阅读全文