- 博客(9)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 HOT100 49.字母异位词分组
例如，"eat" 和 "tea" 排序后都是 "aet"。添加到键 "aet" 的列表 → ["eat", "tea", "ate"]这样，所有字母异位词会被归到同一个键下，最终直接返回哈希表的值列表即可。添加到键 "aet" 的列表 → ["eat", "tea"]添加到键 "ant" 的列表 → ["tan", "nat"]添加到键 "aet" 的列表 → ["eat"]添加到键 "ant" 的列表 → ["tan"]添加到键 "abt" 的列表 → ["bat"]可以按任意顺序返回结果列表。
2025-04-07 18:38:26
485
原创 HOT100 1. 两数之和
因为 nums[0] + nums[1] == 9 ，返回 [0, 1]。你可以假设每种输入只会对应一个答案，并且你不能使用两次相同的元素。整数，并返回它们的数组下标。你可以按任意顺序返回答案。，请你在该数组中找出。
2025-04-07 18:30:45
83
原创 Datawhale AI 夏令营第五期 深度学习基础
这一部分读起来有点费劲，后面又绕回视频观看次数，以此为例，告诉我们损失很大显然不是模型偏差的问题，因为 4 层都可以做到 100了，5 层应该可以做得更低。然而，实际结果却是20层的网络在训练集上的损失更低，这说明56层的网络在训练过程中遇到了优化问题。这种模型的函数集合过于小，无法包含降低损失所需的函数，即使找到一个最优的参数，模型仍然不能有效地拟合数据。这通常是因为模型过于复杂，能够很好地拟合训练数据中的噪声和异常值，但在面对新的数据时无法泛化。解决方法：理解数据的生成过程 ，调整模型、数据。
2024-09-03 23:53:16
134
原创 Datawhale AI 夏令营第五期 深度学习基础
task2的学习内容主要是关于线性模型的基本概念、局限性以及如何扩展模型来提高模型的表现，等内容。通过本次任务的学习，我逐步理解了，从简单的线性模型到复杂深度神经网络的演进过程。这章的内容由浅入深，层层推进，从线性模型到深度神经网络逐步展开，内容相当丰富，还涉及到多方面的知识，我看了五六遍书和两三遍视频才掌握。但是还是需要好好掌握，因为它是很多复杂模型的基础，必须牢牢掌握的入门知识。线性模型：把输入的特征x乘上一个权重，再加上一个偏置，得到预测的结果。这样的模型叫做线性模型。
2024-08-31 23:43:13
97
原创 Datawhale AI 夏令营第五期 深度学习基础
通过本章pdf文件的阅读以及李宏毅老师的视频讲解，我了解了机器学习的一些基本概念和分类，并掌握了机器学习模型的构建与优化过程。假设一个函数，例如y=b+wx1，y是预测的点击次数，x1是前一天的点击次数，而w和b是未知参数，需要通过数据训练得到具体数值。task1简单介绍了机器学习是什么，并通过视频的点击次数预测的案例让我们具体了解机器学习的运作过程。通过预测视频频道的观看点击次数这一具体案例，我们更好得理解机器学习的过程。通过梯度下降法，调整参数w和b，使得损失函数的值最小，从而找到最优的参数组合。
2024-08-27 23:54:09
259
原创 Datawhale X 魔搭 AI夏令营第四期AIGC task1
本期夏令营AIGC方向是通过参加可图Kolors-LoRA风格故事挑战赛，学习并实践文生图AIGC、工作流搭建、LoRA微调等技术。根据夏令营学习目标和赛题要求，我们必然要了解一些关于文生图的信息。
2024-08-10 01:05:20
1007
原创 Datawhale AI 夏令营第三期 AI for Science
也就是说，这个函数提取了起始和终止位置的碱基特征，以及第二个和倒数第二个位置的碱基特征。它的主要思路就是，遍历 siRNA 序列的特定位置，并记录每个位置的碱基类别。这三段资料强调了siRNA序列与靶基因的匹配度、GC含量和化学修饰对siRNA沉默效率的重要性，启示我们构建预测模型时，生物学特征的重要性，帮助我们优化模型，提高预测准确性。对每一个碱基类别（A、U、G、C），如果序列的对应位置上是该碱基，则标记为。对每一个碱基类别（A、U、G、C），如果序列的对应位置上是该碱基，则标记为。
2024-08-03 23:53:36
172
原创 Datawhale AI 夏令营第三期 AI
RNN的主要用途是预测序列中的下一个元素，如根据前面的单词预测句子中的下一个单词。从RNN 在处理序列数据时具有一定的局限性、LSTM 的改进、GRU 的改进三个方面进行介绍学习。task2主要是对官方给出的baseline进行分析，学习RNN相关知识，基于特征工程和Lightgbm模型得到一个更好的baseline。实现转换目标，教程具体讲解了四个处理步骤，将输入序列传入嵌入层、构建词汇表、获取最大序列长度、将token转化为索引并将序列填充到最大长度。1.分析官方baseline。
2024-07-31 23:54:23
197
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人