⚡

本次任务给你一些图像和它们的标签，用一个预训练的神经网络模型来分类图像，并用对抗攻击算法来攻击分类模型。

本次任务需要解释我们在作业3中训练出来的CNN模型，即把作业3训练得到的checkpoint拿来用，需要完成 4 个小任务

通过循环神经网络（Recurrent Neural Networks, RNN）对句子进行情感分类。给定一句句子，判断这句句子是正面还是负面的（正面标1，负面标0）

通过卷积神经网络（Convolutional Neural Networks, CNN）对食物图片进行分类。数据集中的食物图采集于网上，总共11类：Bread, Dairy product, Dessert, Egg, Fried food, Meat, Noodles/Pasta, Rice, Seafood, Soup, Vegetable/Fruit. 每一类用一个数字表示。比如：0表示Bread.

二元分类是机器学习中最基础的问题之一。在本次作业中，需要写一个线性二元分类器，根据人们的个人信息，判断其年收入是否高于 50,000 美元。作业将用 logistic regression 与 generative model两种模型来实现目标，模型差异可见李宏毅老师的课程视频与ppt。

采集了台湾环境监测所的数据。要求：根据前9小时的数据，用线性回归来预测第10个小时的PM2.5的数值。

包含李宏毅机器学习视频P17-P23的课程梗概

文章目录1. Deep LearningBrief Introduction of Deep Learning（P12）Backpropagation（P13）Tips for Training DNN（P14）Why Deep-（P15）PyTorch Tutorial（P16）1. Deep LearningBrief Introduction of Deep Learning（P12）首先，李宏毅老师介绍了深度学习的发展历程，以及在Google上搜索Deep Learning的结果。实际上

包含李宏毅机器学习视频P1-P16的课程梗概

前言可能受到新冠病毒的影响，台大也开始了网课教学。李宏毅上传了2020版本的机器学习视频，可以说是非常好的学习资料（尽管其中多数都是2017、2019的视频，但有部分更新）。和吴恩达的CS229机器学习相比，中文版本的机器学习显得亲民了许多，李宏毅的机器学习是英文的ppt+中文讲解，非常有利于大家入门。吴恩达的CS229中偏向于传统机器学习……