多标签分类怎么做？(Python)
2024/12/26
一、基本介绍 首先简单介绍下，多标签分类与多分类、多任务学习的关系： 多分类学习（Multi-class）：分类器去划分的类别是多个的，但对于每一个样本只能有一个类别，类别间是互斥的。例如：分类器判断这只动物是猫、狗、猪，每个...
10个解释AI决策的Python库
【AI驱动】
本文整理了10个常用于可解释AI的Python库，方便我们更好的理解AI模型的决策。 什么是XAI？ XAI（Explainable AI）的目标是为模型的行为和决策提供合理的解释，这有助于增加信任、提供问责制和模型决策的透明度...
2024/12/26
一文浅谈深度学习泛化能力
【AI驱动】
谷歌最近出品的82页论文《ON THE GENERALIZATION MYSTERY IN DEEP LEARNING》，在此我简单归纳下论文的思想，有兴趣的看看原论文。论文链接：github.com/aialgorithm/Blog ...
2024/12/26
为什么深度学习是非参数的？
【AI驱动】
今天我想要与大家分享的是深度神经网络的工作方式，以及深度神经与“传统”机器学习模型的不同之处。我的计划具体如下： 首先简单地思考一下如何将问题设置成分类的形式； 接下来回顾偏差-方差分解，并在偏差-方差权衡的背景下，在VC-维...
2024/12/26
深度学习的图原理
【AI驱动】
1. 图论(Graph Theory) 1.1 什么是图(graph)？ 在图论的上下文中，图是一种结构化数据类型，具有节点(nodes)（保存信息的实体）和边缘(edges)（连接节点的连接，也可以保存信息...
2024/12/26
深度神经网络剪枝综述
【AI驱动】
模型压缩可以有效地减少模型的存储和计算资源需求，提高模型的推理速度和效率，从而实现在移动设备、边缘设备等资源受限的场景中进行高效的机器学习应用。常用的模型压缩方法有4种：知识蒸馏（Knowledge Distillation，KD）、 轻量...
2024/12/26
深度学习必须掌握的 13 种概率分布
【AI驱动】
深度学习从业者，你需要知道概率分布相关的知识。这里有一份最常见的基本概率分布教程，大多数和使用 python 库进行深度学习有关。 一、概率分布的关系概览 conjugate 意味着它有共轭分布的关系。 Mult...
2024/12/26
Swift 3.0 API设计准则
【API设计】
基本要素 把能够清晰使用作为你设计时最重要的目标。因为代码的可读性比代码自身更重要。 代码的清晰逻辑性比代码的简洁性更重要。Swift代码的简洁性，不是指使用最少的字符来实现程序代码。Swift编程的简洁性带来的一个副作用是由...
2024/12/25
API设计：从基础到最佳实践
【API设计】
在这次深入探讨中，我们将深入了解API设计，从基础知识开始，逐步进阶到定义出色API的最佳实践。 作为开发者，你可能对许多这些概念很熟悉，但我将提供详细的解释，以加深你的理解。 API设计：电子商务示例 让我们考虑一个类似...
2024/12/25
深度神经网络的全面概览：从模型到硬件加速
【AI驱动】
深度神经网络（DNN）目前是许多现代AI应用的基础。自从DNN在语音识别和图像识别任务中展现出突破性的成果，使用DNN的应用数量呈爆炸式增加。这些DNN方法被大量应用在无人驾驶汽车，癌症检测，游戏AI等方面。在许多领域中，DNN目前的准确性...
2024/12/25
漫谈图神经网络模型（GNN)：从图到图卷积
【AI驱动】
笔者最近看了一些图与图卷积神经网络的论文，深感其强大，但一些Survey或教程默认了读者对图神经网络背景知识的了解，对未学过信号处理的读者不太友好。同时，很多教程只讲是什么，不讲为什么，也没有梳理清楚不同网络结构的区别与设计初衷(Motiv...
2024/12/25
树+神经网络算法强强联手（Python）
【AI驱动】
结合论文《Revisiting Deep Learning Models for Tabular Data》的观点，集成树模型通常擅长于表格数据这种异构数据集，是实打实的表格数据王者。 集成树模型中的LightGBM是增强版的GBDT...
2024/12/25
手部分开发一个深度学习框架（Python）
【AI驱动】
当前深度学习框架越来越成熟（如Keras、Pytorch、TensorFlow等等），对于使用者而言封装程度越来越高，好处就是现在可以非常快速地将这些框架作为工具使用，用非常少的代码就可以构建模型进行实验，坏处就是可能背后地实现都被隐藏起来...
2024/12/25
大规模神经网络调节参及优化规律
【AI驱动】
从理论分析入手把握大规模神经网络优化的规律，可以指导实践中的超参数选择。反过来，实践中的超参数选择也可以指导理论分析。本篇文章聚焦于大语言模型，介绍从 GPT 以来大家普遍使用的训练超参数的变化。 规模律研究的是随着神经网络规模的增大...
2024/12/25
关于大模型的思考及研究热点
【AI驱动】
本文阐述李航老师对 LLM 的一些看法，主要观点如下： ChatGPT 的突破主要在于规模带来的质变和模型调教方式的发明。 LLM 融合了实现人工智能的三条路径。 LLM 的开发需要结合第三者体验和第一者体验。 L...
2024/12/25
小样本学习在深度学习的效果（综述）
【AI驱动】
众所周知，深度学习往往需要大量的标注样本进行训练才能达到一个满意的效果，但是在实际应用场景中，数据标注通常非常困难，很难获得大量的标注数据，这种情况下，深度学习怎么才能发挥出应有的魅力呢？ 01 什么是小样本学习 我家小孩在2岁...
2024/12/25
搜索文章
热门话题
