- 博客(7)
- 收藏
- 关注
RSS订阅原创 机器学习笔记一：k-近邻算法（kNN）
特征说明算法类型监督学习任务类型分类 + 回归模型特征无需训练，是一种懒惰学习优点直观、简单、无假设缺点对样本规模敏感，计算量大，对噪声敏感1. kNN算法核心思想一个样本的类别（或回归值）由它周围距离最近的k 个样本的多数类别（或平均值）决定。2. 算法步骤（以分类为例）（1）计算距离：计算待预测样本与训练集中所有样本的距离（常用欧氏距离）。欧氏距离公式（对于两个n维向量 x=(x1, x2, …, xn) 和 y=(y1, y2, …
2025-10-15 21:25:35
959
原创 6月4日学习笔记——nn.functional、采样函数及初始化策略
另外虽然dropout操作也没有可学习操作，但建议还是使用 nn.Dropout 而不是 nn.functional.dropout，因为dropout在训练和测试两个阶段的行为有所差别，使用nn.Module定义dropout，在调用model.eval()之后自动实现状态的转换。nn.functional和nn.Module从功能方面来说两个相当，基于nn.Module实现的层，也可以基于nn.functional实现，反之亦然。那何时用nn.Module，何时用nn.functional呢？
2025-06-04 15:59:43
1375
原创 6月3日学习笔记——RNN变种 LSTM(长短时记忆网络)
如何从RNN起步，一步一步通俗理解LSTM（来自 v_JULY_v）这就是一个隐藏元组成，3个隐藏元就是相当于三个这样的结构然后并行，组成1个单层的LSTM。
2025-06-03 19:13:12
576
原创 5月31日学习笔记——多模态大语言模型简单理解（针对于图文任务）
感觉这个图也挺好的，Base Module就相当与上面框架中的LLM，Architecture就是选择的编码器与解码器的架构，Bataset就是数据库（每个数据库都有自己的任务设定，想让模型关注什么点就选择什么数据库进行训练），Alignment Module就是选的对齐技术。论文2感觉是针对文本和图像的理解生成来进行介绍的，同时也强调现在的目标正如题目所说做统一多模态理解生成模型（构建一种单一的架构能够理解并生成跨越多种模态的数据）。图像生成是根据给定的语义描述，自动创建出符合要求的图像的技术。
2025-05-31 16:22:28
766
原创 5月25日学习笔记——全连接层 以及 构建多层感知机
小白笔记：对MLP多层感知机概念、结构、超参数的理解 (来自ningningdi)多层感知机包括一个输入层、一个或多个隐藏层、一个输出层，
2025-05-25 19:42:43
1496
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