- 博客(13)
- 收藏
- 关注
RSS订阅原创 【深度学习】生成任务介绍
将模型从中间拆开，左边为编码器encoder，是特征提取器，文字分类界的王者bert的架构，右边是解码器decoder，为GPT模型。从模型上来看，解码器有些许不同，首先在多头注意力架构里，多了一个masked，并且后面又多了一个交叉注意力机制，其余的没有太多变化。
2025-03-07 18:41:04
257
原创 【高精度算法】大数相加、大数相减、高精度*单精度、高精度*高精度
由于各种数据类型受长度限制，无法表示大数。即使时long long也仅仅有18位而已，1000！显然超出18位，此时就需要高精度算法。高精度算法的核心理念就是将数存入数组中，模拟人脑加减乘除的方式，计算大数，最后倒序输出即可。2.将两字符串每一位数字倒叙存入数组a1，a2中。3.a1与a2按位相加存到对应的a3位中。1.将待相加两数存入字符串s1，s2中。例如：786+59=845。5.倒叙输出a3中的数据。4.a3中逢10进一位。
2025-02-20 11:16:43
148
原创 【最大公约数与最小公倍数】
第一轮：a=b=12，b=a%b=3%12=3。c++中实现最大公约数与最小公倍数，使用的是。第二轮：a=b=3，b=a%b=12%3=0。第一轮：a=b=9，b=a%b=7%9=7；第二轮：a=b=7，b=a%b=7%9=2。第三轮：a=b=2，b=a%b=7%2=1。第四轮：a=b=1，b=a%b=2%1=0。最小公倍数为3 * 12/3=12。最小公倍数为7 * 9/1=63。例如a=3，b=12；此时a为最大公约数3。例如a=7，b=9；此时a为最大公约数1。
2025-02-20 10:43:26
146
原创 【深度学习】bert实战
现有七千多条关于酒店服务的评论，好平用0表示，差评用1表示。利用这些数据训练出一个模型，可以根据输入的评论判断此评论是好评还是差评。
2025-01-24 19:55:04
593
原创 【深度学习】无监督学习原理
对于大部分数据来讲，都是没有标签的，而人工打上标签的花费是非常昂贵的我们可以通过无监督学习，即只有X，让模型自己找到数据的特征，然后将特征进行分类。
2025-01-18 19:45:51
335
原创 【深度学习】食物分类实战
有11类食物，其中带标签的有28011张，无标签输出有6786张，验证集3011张，测试集有3347张。带标签的数据训练为监督学习，不带标签的数据训练为半监督学习。由上文可以训练出一个模型，用于食物分类。对于无标签的数据，可以待模型输入数据X，得到输出值predY概率超过0.99时，就将此数据打上此时的标签Y，并用作训练集。
2025-01-17 20:23:00
394
原创 【深度学习——分类任务的原理】
【前向过程】首先输入图片，然后经过若干次卷积得到特征，最后拉直，经过全连接求出预测值，有了预测值与真实值就可以算出loss。【反向过程】梯度回传，得到每一个卷积核上每一个权重的梯度，更新模型。
2025-01-13 23:09:58
765
原创 【深度学习-最简单的回归项目】新冠疫情预测
美国有40个州， 这四十个州呢 ，统计了连续三天的新冠阳性人数，和每天的一些社会特征，比如带口罩情况， 居家办公情况等等。现在有一群人比较坏，把第三天的数据遮住了，我们就要用前两天的情况以及第三天的特征，来预测第三天的阳性人数。但幸好的是，我们还是有一些数据可以作为参考的，就是我们的训练集。用训练集训练模型并且由训练的模型预测第三天阳性人数。本项目在最基础的回归模型上，增加了正则化和相关系数两种优化方式。
2025-01-08 22:24:54
1058
原创 【深度学习——初识神经网络代码】线性表示：恋爱次数与外貌、性格、财富、内涵的关系
假设影响一个人恋爱次数的因素有： X1外貌，X2性格，X3财富，X4内涵其中每个因素所占权值不同，分别为： W1 ， W2 ， W3 ， W4偏差为b模型可以看作是 y = wi * xi + b （i = 1、2、3、4）也就是现给出一批输出X1,X2,X3,X4和y1，y2，y3，y4推测出真实的权值w1，w2，w3，w4以及偏差b。
2025-01-05 18:55:57
957
原创 深度学习简介
目前深度学习对于人类而言更像是一个黑匣子，我们无法通过模型推测出具体训练过程。在一些非常发杂的问题上，人类不知道模型长什么样子，更不知道如何修改模型，仅凭人类本身是无法解决的，但是深度学习可以给出一个模型，并且模型的效果非常不错。
2025-01-04 21:50:21
909
1
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