[toc] 基本流程 完成一項深度學習任務的基本流程大致如下： 數(shù)據(jù)預處理 模型構建 模型訓練 模型導出及應用 模型構建則是關鍵，選擇適當?shù)哪Ｐ停⒃O定損失函數(shù)和優(yōu)化函數(shù)，以...
發(fā)簡信
IP屬地：福建
-
深入淺出PyTorch_3_主要組成部分
-
深入淺出PyTorch_2_基礎知識
[toc] 張量(Tensor) 概念 幾何代數(shù)中定義的張量是基于向量和矩陣的推廣，比如我們可以將標量視為零階張量，矢量可以視為一階張量，矩陣就是二階張量。 0維張量/標量 ...
-
深入淺出PyTorch_1_簡介和安裝[toc] PyTorch簡介 1.1.1 PyTorch的介紹 PyTorch是由Facebook人工智能研究小組開發(fā)的一種基于Lua編寫的Torch庫的Python實現(xiàn)的...
-
深度學習推薦系統(tǒng)-NFM
NFM 0.結論 NFM是FM的神經(jīng)網(wǎng)絡化嘗試 NFM用神經(jīng)網(wǎng)絡代替FM中二階隱向量交叉的操作，相比于FM，NFM的表達能力和特征交叉能力更強 局限性在于結構與PNN近似，特...
-
深度學習推薦系統(tǒng)-DeepFM
DeepFM 0.結論 DeepFM對W&D模型的改進之處：用FM替代了原來Wide部分，加強了淺層網(wǎng)絡部分的特征組合能力 DeepFM改進之處與DeepCrossing的思...
-
深度學習推薦系統(tǒng)-Wide&DeepWide & Deep 0. 結論 W&D由淺層（或單層）的Wide部分神經(jīng)網(wǎng)絡和深層的Deep部分多層神經(jīng)網(wǎng)絡組成，輸出層采用softmax或logistics regre...
-
深度學習推薦系統(tǒng)-DeepCrossingDeepCrossing 1. 動機 這個模型就是一個真正的把深度學習架構應用于推薦系統(tǒng)中的模型了， 2016年由微軟提出， 完整的解決了特征工程、稀疏向量稠密化， 多層神經(jīng)...
-
-
異常檢測-基于相似度的方法主要內(nèi)容包括： 基于距離的度量 基于密度的度量 LOF檢測樣例 1、概述 ??“異?！蓖ǔＪ且粋€主觀的判斷，什么樣的數(shù)據(jù)被認為是“異?！钡模枰Y合業(yè)務背景和環(huán)境來具體分析確...
-
異常檢測——線性相關方法主要內(nèi)容包括： 線性回歸 主成分分析 基于PCA的異常檢測實踐針對pca降維后的樣本，計算樣本之間的加權歐式距離，異常點該距離值遠大于正常點。 1、引言 ??真實數(shù)據(jù)集中不同...
-
異常檢測-基于統(tǒng)計學的方法異常檢測——基于統(tǒng)計學的方法 主要內(nèi)容包括： 高斯分布 箱線圖 1、概述 統(tǒng)計學方法對數(shù)據(jù)的正常性做出假定。它們假定正常的數(shù)據(jù)對象由一個統(tǒng)計模型產(chǎn)生，而不遵守該模型的數(shù)據(jù)是異...
-
