训练自己模型的三种方法 1、准备一个需要的模型（如：inception）,然后确定算法的框架，初始化参数都是随机的，准备数据集，从头开始训练。 2、准备一个已经训练好的模型（如：inception），因为已经训练好，所以卷积层、池化层里面的权值和参数不需要更改，需要更改的只是最后一层，分类的地方。 3、准备一个已经训练好的模型，同方法二不一样的地方是，卷积层和池化层的权值和参数也参与训练...

一、神经网络的实现过程 1、准备数据集，提取特征，作为输入喂给神经网络 2、搭建神经网络结构，从输入到输出 3、大量特征数据喂给 NN，迭代优化 NN 参数 4、使用训练好的模型预测和分类 二、前向传播　　 前向传播就是搭建模型的计算过程，可以针对一组输入给出相应的输出。 举例：假如生产一批零件， 体积为 x1， 重量为 x2， 体积和重量就是我们选择的特征，把它们喂入神经网络...

1.线性模型求解方法 闭式解（closed-form）： 直接计算参数，从而使得训练数据可以很好的满足模型。 梯度下降（gradient descent） 通过迭代方式，逐渐使得参数可以最大化的满足代价函数（cost function）。 2.线性回归计算方法 线性问题： 可以写成向量形式： 而要使求得的斯塔使得线性拟合结果最好...

1.云计算与边缘计算 1.1 云计算 云计算是一种利用互联网实现随时随地共享的计算设施，列入我们的物联网监控系统 我们需要远程通过一些物联网设备来采集一些数据，通过获取这些数据，传输到远程的服务器上，进行机器学习算法的计算，再将计算的结果反馈到系统平台中。这当中就会遇到几个问题： 数据量大 物联网设备当地的宽带不够 对于监控系统，需要实时的，低延迟的获取计算结果，云计算由于宽带远程服务器...

每个神经元都必须有激活函数。它们为神经元提供了模拟复杂非线性数据集所必需的非线性特性。该函数取所有输入的加权和，进而生成一个输出信号。你可以把它看作输入和输出之间的转换。使用适当的激活函数，可以将输出值限定在一个定义的范围内。 如果 xi 是第 j 个输入，Wj 是连接第 j 个输入到神经元的权重，b 是神经元的偏置，神经元的输出（在生物学术语中，神经元的激活）由激活函数决定...

1、有了神经网络，为什么有CNN？ 如果全部使用神经网络，会导致权重过多，计算量增大，无法正常计算。 CNN个人理解为特征的提取，在不损失太多信息量的情况下，减小权重数量，使得网络更容易迭代。其中最重要的2个武器就是局部连接与共享权重 主要搞懂以下2张图的含义，就ok了： 局部连接 图1：局部连接 全连接：如果我们使用全连接，原图像是1000*1000的图，隐层也设置成1000*1000层...

1、二话不说...

tensorflow 、SSD 目标检测是AI的一项重要应用，通过目标检测模型能在图像中把人、动物、汽车、飞机等目标物体检测出来，甚至还能将物体的轮廓描绘出来，就像下面这张图。

一、下载安装Anaconda 官网： https://www.continuum.io/downloads 请注意版本 安装过程中，Anaconda会提示是否添加到环境变量，选择“是”；（其实不用太看...

对于条件随机场的学习，我觉得应该结合HMM模型一起进行对比学习。首先浏览HMM模型 一、定义 条件随机场（crf）：是给定一组输入随机变量条件下，另一组输出随机变量的条件概率的分布模型，其特点是假设输出随机变量构成马尔科夫随机场。本文所指线性链条件随机场。 隐马尔科夫模型（HMM）：描述由隐藏的马尔科夫链随机生成观测序列的过程，属于生成模型。 当然，作为初学者...

一、前言 随着深度学习在图像、语言、广告点击率预估等各个领域不断发展，很多团队开始探索深度学习技术在业务层面的实践与应用。而在广告CTR预估方面，新模型也是层出不穷： Wide and Deep[1]、DeepCross Network[2]、DeepFM[3]、xDeepFM[4]，美团很多篇深度学习博客也做了详细的介绍。但是，当离线模型需要上线时...

1.背景 最近在做模型训练，发现在导入大量数据时，由于要进行预处理（concat和reshape操作等），导致内存会占满，使得程序出错。由于输入数据存在大量的稀疏情况，想着能不能输入数据时利用稀疏矩阵进行保存，然后输入到模型中进行训练。 2.稀疏矩阵输入构造 python中scipy.sparse模块，能够有效的对输入数据进行稀疏化存储。但缺点在于稀疏矩阵必定只有两维的操作...

项目简介 1994 年深度学习三巨头之一的 Yan LeCun 提出了 LeNet 神经网络，这是最早的卷积神经网络。1998 年 Yan LeCun 在论文 “Gradient-Based Learning Applied to Document Recognition” 中将这种卷积神经网络命名为 “LeNet-5”。LeNet 已经包含了现在卷积神经网络中的卷积层，池化层，全连接层...

一、前言 随着深度学习在图像、语言、广告点击率预估等各个领域不断发展，很多团队开始探索深度学习技术在业务层面的实践与应用。而在广告CTR预估方面，新模型也是层出不穷： Wide and Deep[^1]、DeepCross Network[^2]、DeepFM[^3]、xDeepFM[^4]，美团很多篇深度学习博客也做了详细的介绍。但是，当离线模型需要上线时...

1.准备与入门 进入自己的虚拟环境，安装MLflow pip install mlflow 注意：window的虚拟环境中可能需要使用 python3 -m pip install 来进行安装，否则会报错—— python3 -m pip install 只在本环境中的python解释器下安装 并能被识别和使用。 pip install 直接把包安装在pip所属的python解释器中...

一、Word2Vec Word2Vec（Word Embeddings)——词向量/词嵌入 是一个可以将语言中字词转化为向量形式表达（Vector Representations）的模型。 主要分为CBOW（Continuous Bag of Words）和Skip-Gram两种模式，其中CBOW是从原始语句（比如：中国的首都是____）推测目标字词（比如：北京）；而Skip-Gram则正好相反，

训练一个机器学习模型用于预测图片里面的数字...

问题描述 如上图所示，有一些点位于单位正方形内，并做好了标记。要求找到一条线，作为分类的标准。这些点的数据在 inearly_separable_data.csv 文件内...

TF2.0默认为动态图，即eager模式。意味着TF能像Pytorch一样不用在session中才能输出中间参数值了，那么动态图和静态图毕竟是有区别的，tf2.0也会有写法上的变化。不过值得吐槽的是，tf2.0启动速度仍然比Pytorch慢的多。 操作被记录在磁带中（tape） 这是一个关键的变化。在TF0.x到TF1.X时代，操作（operation）被加入到Graph中。但现在...

一、前沿 最近搞cvr 转化时延建模的事情，升级了一下模型结构，并写了一个巨复杂的损失函数，但是调试好多时间，总是在训练过程中偶尔报下面的错误： 错误的原因是 计算auc的过程中偶尔出现 InvalidArgumentError (see above for traceback): assertion failed: [predictions must be in [0, 1]]...