- 学堂
- 博客
- 论坛
- 开发服务
- 开发工具
- 直播
- 视频
- 用户
- 一周
- 一个月
- 三个月
-
机器学习中的偏差和方差怎么理解呢?
如题哈,就是这个偏差和方差概念混淆,总分不清,希望好心人指点下。
-
【暑期Flag】完成“人人学IoT”课程的学习
每天坚持学习,正确系统了解这个行业
-
【转载】解惑Python模块学习,该如何着手操作...
词自测工具,助你逆袭单词王!,哈哈。为什么不推荐看网上的翻译或者帖子呢,因为有太多网站的内容是过时的,或者错误的!举个例子交互式输入我们在学习python时,经常遇到需要根据用户的输入内容来做下一步操纵的事情,此时我们需要用到input模块。然后网上查查,就看到铺天盖地的都在说,
-
用大模型的角度看多模态学习
多模态学习是一种涉及多种类型数据(如图像、文本、语音等)的机器学习方法,旨在通过同时考虑和处理这些不同类型的数据,从而获得更全面和准确的理解。在AI大模型的应用中,多模态学习具有重要的意义,因为许多实际任务涉及到不止一种类型的数据。以下是多模态学习在AI大模型中的详细讨论:1.
-
机器学习笔记之经验误差与过拟合
“精度=1-错误率" .更一般地,我们把 学习器的实际预测输出与样本的真实输出之间的差异称为 “误差” (error),学习器在训练集上的误差称为 “ 训练误差” (training error)或 “ 经验误差,然我们希望得到泛化误差小的学习器然而,我们事先并不知道新 样本是什么样
-
好奇自动学习的效果怎么那么好?
今天刚学习了一个零代码美食分类模型开发的案例,用ModelArts自动学习功能做的,发现训练集中也就4个类,每个类10张图,训练2分钟就达到了98%的准确率我发现另一个案例使用ModelArts自动学习快速构建花卉识别应用,也是训练1~2分钟就得到了不错的准确率我比较好奇Mode
-
机器学习的方差为何除以N-1?
在统计上都是独立的,我们可以将它们的联合似然函数写成所有单个似然的总和:(5) (6) 将方程( 4 ) 插入方程( 5 ), 然后得到这个联合概率密度函数的解析表达式:(6) (7) 方程( 6 ) 在后面的章节中将很重要,并将用于推导高斯分布的均值和方差的估计器的已知表达式。
-
常用的部分机器学习算法概览图
常用的部分机器学习算法概览图
-
目前Minspore对联邦学习的支持情况咨询
【功能模块】请问目前Mindspore支持联邦学习吗?如果不支持,请问有何以现在的代码为基础实现联邦学习较好办法?【操作步骤&问题现象】1、2、【截图信息】【日志信息】(可选,上传日志内容或者附件)
-
【转载】无监督学习-K-means
-
K近邻算法:机器学习萌新必学算法
缺点也是存在的,后面会进行讲解● 可以解释机器学习算法使用过程中的很多细节问题○我们会利用KNN算法打通机器学习算法使用过程,研究机器学习算法使用过程中的细节问题● 更完整的刻画机器学习应用的流程○ 对比经典算法的不同之处○ 利用pandas、numpy学习KNN算法2. 什么是K-近邻算法
-
#学知识赢好礼# 鲲鹏课程学习记录
完成了鲲鹏系列课程5门,分别截图如下:学习完课程之后,对鲲鹏芯片,泰山服务器有了新的认识。鲲鹏处理器为ARM架构,具有多核高并发的技术优势,可以有效解决行业数字化升级中海量数据高并发、数据中心能耗高问题、例如在分布式数据库、大数据、Web前端等高并发应用场景,单芯片核数更多的AR
-
图学习系列:图可视化工具
图学习系列:图可视化工具今天,带您初步了解图可视化工具相关知识。博客地址:https://bbs.huaweicloud.com/blogs/175473
-
自己的模型无法运行 浙大机器学习
导入自己的模型时,选择 My Models选项,就会提示有几个层不被支持,但是这些层应该是caffe自带的呢?要是导入的时候选择caffe model是可以导入的,但是最后运行的时候会出错。请华为的专家帮忙看看,非常感谢!-------导入模型时不支持:----------使用caffe
-
如何设计有效的多任务学习算法?
人工智能助手,它需要同时完成日历管理、邮件回复、语音识别等多项任务。为了提高助手的效率和准确性,我们可以设计一个多任务学习算法,使它能够同时学习和优化各项任务。通过共享底层网络参数和学习策略,我们可以提高助手的整体性能并减少每个任务的训练时间。
-
自动化机器学习要解决什么问题
自动化机器学习要解决什么问题,有哪些主要的研究方向?
-
【暑期Flag】我要好好学习
【暑期Flag】我要好好学习
-
pytorch优化器与学习率设置详解(1)
导读 在很多学习过程中,都会采用动态调整学习率的方法。刚开始训练的时候,学习率设置大一点,以加快学习速度;之后逐渐减小学习率,来寻找最优解。那么在Pytorch中,如在训练过程中动态地调整学习率呢? 学习率设置对于学习过程来说相当重要。学习率过低会导致学习速度太慢,学习率过高又容易
-
强化学习组合优化综述论文
于问题的困难性,这种方法不是最佳的。强化学习(RL)提出了一种很好的选择,使用监督或自我监督的方式训练 agent 来自动搜索这些启发式方法。在这篇调研中,我们探索了将 RL 框架应用于困难的组合问题的最新进展。我们的调研为运筹学和机器学习社区提供了必要的背景,并展示了推动领域向前发展的工作。我们将最近提出的
-
【技术长文】物联网学习路线图
一片大好。由此学习的人员也是越来越多,但是在学习物联网时很多人都容易忽略这样一件事——从未准备一份详尽的物联网学习路线图,基于此今天为大家分享一份物联网学习路线图,以供大家学习。阶段一:嵌入式基础课程1. Linux C语言的学习2. Linux C语言高级的学习3. 数据结构全攻略 阶段二:嵌入式应用层核心课程1