- 博客(11)
- 收藏
- 关注
RSS订阅原创 第三节上 回归实战
一个最简单的神经网络项目1.数据处理Data：一般输入是文件地址，或者数据内容， 输出是一个 存储了数据X,Y的数据结构。torch中一般用Dataloader 来装载。2.模型Model：定义自己的模型。输入X， 输出预测值3.超参（hyperPara）hyperPara：除模型外的超参 一般包含： 学习率，优化器（sgd,adam,admaW）， 损失函数等不能改变，认为指定，例如模型框架训练集，验证集，测试集Dataset类吃一个文件地址，返回X, Yinit。
2025-05-11 12:17:24
130
原创 第0节，机器学习与深度学习
1.距离度量：KNN使用距离度量（通常是欧氏距离）来衡量数据点之间的相似性。KNN:K最近邻居(K-Nearest Neighbors，简称KNN)一种监督学习算法，用于分类和回归问题。它的基本思想是通过测量不同数据点。之间的距离来进行预测。● 一般是基于数学，或者统计学的方法，具有很强的可解释性。● 这里简述几个经典的传统机器学习算法。● KNN, 决策树，朴素贝叶斯。定义一个函数（Model）。分类和回归是结构化的基础。根据损失，对模型进行优化。定义一个合适的损失函数。向量 身高体重年龄。
2025-04-29 14:47:23
215
原创 第十节：看懂生成实战
单词掩码。与BERT模型类似，在输入文本中随机采样一部分单词，并替换为掩码标记（如[MASK)；预训练的时候花样更多单词删除。随机采样一部分单词并删除。要处理这类噪声，模型不仅需要预测缺失的单词，还需要确定缺失单词的位置；句子排列变换。根据句号将输入文本分为多个句子，并将句子的顺序随机打乱。为了恢复句子的顺序，模型需要对整段输入文本的语义具备一定的理解能力;文档旋转变换。随机选择输入文本中的一个单词，并旋转文档，使其以该单词作为开始。为了重构原始文本，模型需要从扰乱文本中找到原始文本的开头；
2025-03-22 14:42:54
256
原创 家电产品说明书知识图谱的构建与应用
构建家电产品说明书的知识图谱需要结合自然语言处理（NLP）和深度学习技术，从非结构化文本中提取结构化知识。通过以上方案，可构建一个支持智能问答、故障诊断的家电知识图谱。实际落地时需与产品数据库、客服系统对接，最终实现类似“海尔智慧家庭”的智能服务体系。故障码对应-解决方法。
2025-03-21 11:08:48
1019
原创 第十章 扩展知识与简历书写
之前的transformer都是应用于文字，有没有方法应用到图片上。图片不是token把图片离散化，把四万多像素（224*224）离散成token。
2025-03-21 08:57:22
730
原创 复试前沿问题
**自然语言处理（NLP）**：让机器理解、生成人类语言（如ChatGPT、翻译系统）。- **机器学习（ML）**：通过数据训练模型，使机器能自动改进性能（如分类、预测）。- **弱人工智能（Narrow AI）**：专注单一任务（如AlphaGo下围棋）。- **日常生活**：智能助手（Siri）、推荐系统（抖音、Netflix）。- **计算机视觉（CV）**：识别图像或视频内容（如人脸识别、自动驾驶）。- **强人工智能（AGI）**：具备人类水平的通用智能（尚未实现）。
2025-03-20 21:13:02
335
原创 第七节 自然语言处理和BERT
在 RNN 的训练过程中，由于激活函数的导数在某些情况下可能小于 1 或大于 1，当多个时间步的导数相乘时，很容易导致梯度变得非常小（梯度消失）或非常大（梯度爆炸）。：RNN 在处理每个时间步时，都需要依赖前一个时间步的隐藏状态进行计算，这种顺序计算的方式使得 RNN 难以并行化，计算效率较低。LSTM 是一种特殊的神经网络，它像一个智能的记忆管家，能够巧妙地控制信息的进出，精准地记住长序列数据中的关键信息并遗忘无用信息。在大数据集上进行预训练，训练出好的特征提取器，在下游进行微调。
2025-03-20 11:25:36
347
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人