Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
熵的概念理解
Author 修远 说明 本文为Datawhale下开源项目 李宏毅机器学习 决策树的补充内容 作者水平有限 还望学习者批评指正 Datawhale 学习目标 学习信息量计算 原理 学习信息熵 证明 0 H p
李宏毅机器学习
卷积核(又叫filter,neuron),设计CNN layers的技巧
loss entropy求导 为0 那么该怎样求导呢 并行计算 视频 https www bilibili com video BV1Ht411g7Ef p 13 CNN的术语 共享参数 第二种版本解释CNN 前一个64个filter 通过
李宏毅机器学习
notebook
cnn
深度学习
人工智能
Github的创建及使用
Github创建 注册账号 进入GitHub官网 https github com 步骤1 注册账号 username 不能使用下划线 并且短横线不能打头 中文也是不合法昵称 email 要填写合法邮箱 并且是未在GitHub注册过的邮箱
李宏毅机器学习
李宏毅2021年机器学习作业5(Seq2seq)实验记录
李宏毅2021年机器学习作业5学习笔记 前言 一 问题描述 二 实验过程 2 1 基于RNN 2 2 基于Transformer 三 总结 前言 声明 本文参考了李宏毅机器学习2021年作业例程 开发平台是colab 一 问题描述 机器翻译
李宏毅机器学习
LSTM
人工智能
RNN
李宏毅机器学习(四)Spatial Transformer Layer
学习内容 架构 xff1b 目的就是克服CNN的旋转和缩放不变性的缺点的 xff01 前情提要 CNN is not invariant to scaling and rotation xff1b CNN对缩放和旋转不是不变的 xff1b
Spatial
Transformer
layer
李宏毅机器学习