文章目录 第二章 机器学习基础1 基本概念1.1 大话理解机器学习本质1.2 什么是神经网络1.3 各种常见算法图示1.4 计算图的导数计算1.5 理解局部最优与全局最优1.5 大数据与深度学习之间的关系 第二章 机器学习基础 ​ 机器学习起源于上世纪50年代，1959年在IBM工作的Arthur Samuel设计了一个下棋程序，这个程序具有学习的能力，它可以在不断的对弈中提高自己。由此提出了“机器学习...

说明 只是为了速记一下这个实践过程。整体上说，这个结果并不是那么好用，但有一些可以借鉴的地方。 先看结果： 生成的PPT 说的直白点，就是用大模型生成了一堆没太有意义的文字，然后做成ppt。所以实用是不成的，但是里面有一些过程可以借鉴。 内容 1 项目地址 ppt_generator 整个项目没有几个文件，感觉也就是一个原型实验。 需要的环境是本地ollama(恰好我有），然后拉一个模型 项目里还漏了 ...

核心算法代码分享如下： /*Navicat MySQL Data Transfer Source Server : localhost_3306Source Server Version : 50728Source Host : localhost:3306Source Database : hive_earthquake Target Server Type : MYSQLTarget Se...

【深度学习】一文向您详细介绍深度学习中的 batch_size 🌵文章目录🌵 🎓 一、引言💡 二、batch_size的概念与作用2.1 为什么需要batch_size？2.2 小批量梯度下降的优点 🔍 三、如何选择合适的batch_size💻 四、代码示例📈 五、batch_size对训练的影响🔍 六、如何调整batch_size📚 七、总结与展望    🎓 一、引言   在深度学习的世界中，batc...

课程地址 最近做实验发现自己还是基础框架上掌握得不好，于是开始重学一遍PyTorch框架，这个是课程笔记，这个课还是讲的简略，我半小时的课听了一个半小时。 1. PyTorch的数据类型 浮点数计算方式详见IEEE 754二进制浮点数算术标准百度百科，实际炼丹的时候注意一下就行，不用细究，主要是精度不同。 2. 张量操作 （1）take：返回一个新张量，其元素为给定索引处的输入。输入张量被视为1-D张量...

文章目录 一. 深度学习的起源1. 概率建模--机器学习分类器2. 早期神经网络--反向传播算法的转折3. 核方法 -- 忽略神经网络4. 决策树、随机森林和梯度提升机5. 神经网络替代svm与决策树 二. 深度学习与机器学习有何不同 可以这样说，当前工业界所使用的大部分机器学习算法不是深度学习算法。深度学习不一定总是解决问题的正确工具：有时没有足够的数据，深度学习不适用；有时用其他算法可以更好地解决问...

什么是深度学习？？   深度学习模型的核心特点包括： 深度学习的发展史 总结： 当我们说深度学习模型时，我们在谈论一种特殊的计算机程序，它们可以像人类大脑一样学习和理解数据。这些程序被称为“深度学习”模型，因为它们由很多层次（或称为深度）组成，每一层都会逐步学习更加抽象和复杂的概念。让我用一个比喻来解释：想象你正在学习做一个汉堡包，你需要逐步学习每一个步骤，比如烤面包、煎牛肉饼、加上蔬菜和酱料等等。深度...

YoloDeployCsharp|基于.NET Framework的YOLO深度学习模型部署测试平台 1. 项目介绍2. 支持模型3. 时间测试4. 总结 1. 项目介绍   基于.NET Framework 4.8 开发的深度学习模型部署测试平台，提供了YOLO框架的主流系列模型，包括YOLOv8~v9，以及其系列下的Det、Seg、Pose、Obb、Cls等应用场景，同时支持图像与视频检测。模型部署...

ras库来学习手写数字分类。 在这个例子中，我们要解决的问题是，将手写数字的灰度图像（28像素×28像素）划分到10个类别中（从0到9）。我们将使用MNIST数据集。你可以将“解决”MNIST问题看作深度学习的“Hello World”，用来验证你的算法正在按预期运行。下图给出了MNIST数据集的一些样本。 说明   你不需要现在就尝试在计算机上运行这个例子。之后的文章会具体分析。   一. 训练Kera...

如何看待AIGC技术？ 目录 如何看待AIGC技术？ 一、引言 二、PyTorch与深度学习基础 2.1 PyTorch概述 2.2 深度学习基础 三、自然语言处理基础 3.1 文本表示 3.2 常见NLP任务 四、PyTorch在NLP中的应用 4.1 文本预处理 4.2 模型搭建 4.3 模型训练与评估 五、案例实践 5.1 情感分析 5.2 命名实体识别 六、进阶与扩展 6.1 模型优化 6.2 迁...