桃子的日常

pytorch DataLoader(),在win上多进程加载数据报错Producer process has been terminated before all shared CUDA tensors released. See Note [Sharing CUDA tensors]

线性回归的从零开始实现3.2 线性回归的从零开始实现3.2.1 生成数据集3.2.2 读取数据3.2.3 初始化模型参数3.2.4 定义模型3.2.5 定义损失函数3.2.6 定义优化算法3.2.7 训练模型小结3.2 线性回归的从零开始实现在了解了线性回归的背景知识之后，现在我们可以动手实现它了。尽管强大的深度学习框架可以减少大量重复性工作，但若过于依赖它提供的便利，会导致我们很难深入理解深...

线性回归3.1 线性回归3.1.1 线性回归的基本要素3.1.1.1 模型定义3.1.1.2 模型训练(1) 训练数据(2) 损失函数(3) 优化算法3.1.1.3 模型预测3.1.2 线性回归的表示方法3.1.2.1 神经网络图3.1.2.2 矢量计算表达式小结3.1 线性回归线性回归输出是一个连续值，因此适用于回归问题。回归问题在实际中很常见，如预测房屋价格、气温、销售额等连续值的问题。与...

k-近邻算法是通过测量不同特征值之间的距离来进行分类的方法优点：精度高 对异常值不敏感 无数据输入设定缺点：计算复杂度高 空间复杂度高使用范围：数值型和标称型算法原理：存在一个样本数 据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据 与所属分类的对应关系。输人没有标签的新数据后，将新数据的每个特征与样本集中数据

k-近邻算法是通过测量不同特征值之间的距离来进行分类的方法优点：精度高 对异常值不敏感 无数据输入设定缺点：计算复杂度高 空间复杂度高使用范围：数值型和标称型算法原理： 存在一个样本数 据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据 与所属分类的对应关系。输人没有标签的新数据后，将新数据的每个特征与样本集中数据对应的 特征进行比较，然后算法提取样本集中特征最相

1.1初识人工智能1.1.0 abstract1.1.1 人工智能与机器学习的关系1.1.1.1 什么是人工智能1.1.1.2 限制领域AI和通用领域AI1.1.1.3 什么是机器学习1.1.1.4 从数据中学出规律1.1.1.5 什么是深度学习1.1.1.6 人工智能、机器学习和深度学习之间的关系1.1.2 监督学习和无监督学习1.1.3 常见的机器学习算法1.1.4 回归问题与分类问题1.1...

2.2 .0 abstract声明：本文只为我闲暇时候学习所做笔记，仅供我无聊时复习所用，若文中有错，误导了读者，敬请谅解！！！2.2.1 问题描述在表格里我们给出了正常男生20岁时标准体重。第一列表示的是身高，第二列代表的是体重。我们希望通过这个数据来搭建回归模型（也就是要通过表格中已知的数据集，去构造(专业叫法：拟合)一个函数_f，_使得_f_能很好的把X【这里的X是特征，因为...

Long Short Term Memory networksAbstract**循环神经网络(Recurrent Neural Networks)****长期依赖性问题(The Problem of Long-Term Dependencies)****LSTM 网络(LSTM Networks)****LSTM 背后的核心理念(The Core Idea Behind LSTMs)****分步...