青州从事460-优快云博客

原创 Datawhale 吃瓜教程task1

本次参加还是想系统学习西瓜书，其实我已经买了只是没有看，这次有吃瓜教程，可以一次吃两个瓜，希望把西瓜和南瓜都吃了。分类（离散型标记）、回归（连续型标记）、监督学习（使用标记信息）、无监督学习（不使用标记信息）。分隔时表示此向量为列向量，⽤逗号 , 分隔时表示为⾏向量。包含多个样本的集合，每个样本具有相同数量的特征。描述事件或对象的数据点，由特征向量表示。样本空间的概率分布，假设样本独立同分布。分别表示样本特征向量和标记所在的空间。所有能够拟合训练集的模型构成的集合。算法产出的结果，具体的函数。

2024-09-20 20:16:09 287

原创 Datawhale X 李宏毅苹果书 AI夏令营深度学习task3笔记

描述一个感受野的时候，只要讲它的高跟宽，不用讲它的深度，因为它的深度就等于通道数，而高跟宽合起来叫做核大小。一张图像是一个三维的张量，其中一维代表图像的宽，另外一维代表图像的高，还有一维代表图像的通道的数目。我们把左上角的感受野往右移一个步幅，就制造出一个新的守备范围，即新的感受野。同一个维度里面的数值，把它取出来，对于每个维度 i，计算其平均值和标准差。数值就会平均是 0，其方差是 1，所以这一排数值的分布就都会在 0 上下。让网络隐藏层的输出平均值不是 0，每一个维度的分布，是比较接近的。

2024-09-02 15:53:29 415

原创 Datawhale AI 夏令营 cv task3

在yolo中绝大部分参数都可以使用默认值，不过也可以调学习率、L2 正则化、优化器、损失函数。群里很多人说数据集不对，要自己标，徒手标可以使用这个软件labelme。可以合成四个图像，复制粘贴区域到另外一个图像，改变颜色属性、水平翻转。用于通过对现有数据集图片翻转、旋转、缩放和颜色调整，获得更多样本。今天学的内容是为了更好的完成cv任务，十分关键！可以对视频标注标签，用于目标检测、分割和分类。更改预测结果的置信度，边界框位置。到了最后一个task，超激动！

2024-08-31 16:52:08 322

原创 Datawhale X 李宏毅苹果书 AI夏令营深度学习task2笔记

分类实际过程是：输入 x，乘上 W，加上 b，通过激活函数 σ，乘上W′，再加上 b′ 得到向量 yˆ。但实际做分类的时候，往往会把 yˆ 通过 softmax 函数得到 y′，才去计算 y′ 跟 yˆ 之间的距离。如果在某一个方向上，梯度的值很小，非常平坦，我们会希望学习率调大一点；如果在某一个方向上非常陡峭，坡度很大，我们会希望学习率可以设得小一点。预热：让学习率先变大后变小，至于变到多大、变大的速度、变小的速度是超参数。横轴是迭代次数，竖轴是梯度的范数，即梯度这个向量的长度。

2024-08-29 00:27:27 317

原创 Datawhale AI 夏令营 cv task2

文件，文件中的每行表示一个物体的标注，包括物体的类别索引和边界框（bounding box）的坐标，我们上一节也说过，不多赘述。训练过程中，这样的配置文件允许用户轻松地指定数据集的位置和类别信息，从而无需硬编码在训练脚本中。: 是一个列表，包含了每个类别的名称。首先要确定的是，物体检测算法的两个功能，一个是识别类别，一个是确定位置，也就是常见的边界框。为每个边界框预测一个置信度，反映边界框包含目标的概率以及预测的类别。：基于区域的卷积神经网络首先需要生成图像中的候选区域，这些区域可能包含感兴趣的物体。

2024-08-27 10:51:06 721

原创 Datawhale AI 夏令营 cv baseline1

1、YOLO使用的标注格式是每张图像一个文本文件，文件名与图像文件名相对应。今天跑了baseline，因为刚好要学Yolo，刚好跟着夏令营一起学了。是边界框回归损失，用于评估预测的边界框与真实边界框之间的差异。是边界框的宽度和高度相对于图像宽度和高度的比例。是边界框中心点相对于图像宽度和高度的比例。是分类损失，用于评估类别预测的准确性。是防御性损失，用于提高模型的泛化能力。本次赛事属于目标检测吧。期待接下来进一步的学习。

2024-08-26 23:28:08 287

原创 Datawhale X 李宏毅苹果书 AI夏令营深度学习task1笔记

在物理的世界里面，一个球从高处滚下来的时候，它并不一定会被鞍点或局部最小值卡住，如果将其应用到梯度下降中，这就是动量。每次在移动参数的时候，不是只往梯度的反方向来移动参数，而是根据梯度的反方向加上前一步移动的方向决定移动方向。小批量梯度下降每次是挑一个批量计算损失，所以每一次更新参数的时候所使用的损失函数是有差异的，也不会卡住。答：当参数对损失微分为零的时候，梯度下降就不能再更新参数了，训练就停下来了，损失不再下降了。在计算梯度的时候，并不是对所有数据损失计算梯度，而是把所有的数据分成一个一个的批量。

2024-08-24 20:55:25 239

原创 Datawhale AI夏令营地球科学赛道学习笔记

PyTorch：由Meta AI开发，基于Python的深度学习库，广泛应用于学术和工业界。重要工具类：Dataset：构建数据集的类。Dataloader：数据加载类。Model：定义模型的类。PyTorch的优势：灵活性、GPU支持、减少重复编程。

2024-08-03 17:11:11 337

原创 Datawhale AI夏令营机器学习方向2539分的笔记

在参加Datawhale AI夏令营的机器学习方向期间，我有幸参与了一个电力预测项目。本项目的主要目标是利用机器学习技术，特别是LSTM（长短期记忆）网络，对电力消耗进行预测。通过分析历史数据，模型能够预测未来的电力需求，从而为电网运营商提供决策支持。导入库：代码开始处导入了所需的库，包括数据处理库NumPy和Pandas，以及用于构建LSTM模型的Keras库。import numpy as npimport pandas as pdfrom keras.models import Sequenti

2024-07-18 22:45:59 838

原创 Datawhale AI夏令营 - NLP实践#AI夏令营 #Datawhale #夏令营

AI夏令营 #Datawhale #夏令营（记得带tag哦）

2024-07-03 00:39:16 899 1

weixin_63973904的博客