【一起撸个DL框架】5 实现：自适应线性单元
上一节我们实现了计算图的反向传播，可以求结果节点关于任意节点的梯度。下面我们将使用梯度来更新参数，实现一个简单的自适应线性单元。我们本次拟合的目标函数是一个简单的线性函数：y=2x+1，通过随机数生成一些训练数据，将许多组x和对应的结果y值输入模型，但是并不告诉模型具体函数中的系数参数“2”和偏置参
升级到PyTorch 2.0的技巧总结
PyTorch 2.0 通过引入 torch.compile，可以显着提高训练和推理速度。我们将演示这个新功能的使用，以及介绍在使用它时可能遇到的一些问题。
采用支持向量回归（SVR）和随机森林回归预测两种机器学习方法对房价进行预测（附完整代码）
本文分别采用支持向量回归（SVR）和随机森林回归预测两种机器学习方法对房价进行预测。
机器学习强基计划10-1：为什么需要集成学习？核心原理是什么？
集成学习是一种通过结合多个学习器来获得比单一学习器显著优越泛化性能的算法框架，本文梳理和推导集成学习的基本概念
大数据分析案例-基于XGBoost算法构建居民收入分类预测模型
本项目通过分析加州大学机器学习存储库中的收入分类数据集，找出影响收入的主要因素，最后使用机器学习算法构建收入分类预测模型。本项目是一个二分类问题。本次实验我们分析了美国加州地区的收入数据集，我们发现该地区主要以白人、男性、收入
三分钟完成Stable Diffusion本地安装（零基础体验AI绘画）
最近AI绘画很火，很多无编程基础的小伙伴也想体验一下，所以写这篇博客来帮助小伙伴们愉快的体验一下~废话少说，我们直接开整！
Stable Diffusion Lora模型训练详细教程
stable diffusion lora模型训练
【零基础学机器学习 1】什么是机器学习？
机器学习是人工智能的一种应用，它使系统能够自主学习并从经验中提高，而不需要外部编程。如果你的电脑具有机器学习功能，它可能能够为你玩游戏中的困难部分或解决复杂的数学方程。
ChatGpt的参数意义和运用调整模型生成答案的倾向性生成内容
ChatGpt的参数意义和运用调整模型生成答案的倾向性生成内容
机器学习之基础知识（全）
学习机器学习前必备知识体系，比较全面，该系列课程笔记会一直更新。本文包括机器学习里涉及到的基本概念，环境的安装，Matplotlib,numpy,pandas的讲解。
机器学习案例 | 通过EBG学习概念cup
基于解释的学习(explanation-basedlearning)可简称为解释学习，是20世纪80年代中期开始兴起的一种机器学习方法。解释学习根据任务所在领域知识和正在学习的概念知识，对当前实例进行分析和求解，得出一个表征求解过程的因果解释树，以获取新的知识。在获取新知识的过程中，通过对属性、表征
【零基础学机器学习 3】机器学习类型简介：监督学习 - 无监督学习 - 强化学习
监督学习是一种使用标记数据来训练机器学习模型的机器学习类型。在标记数据中，输出已经是已知的。模型只需要将输入映射到相应的输出。例如，监督学习的一个例子是训练一个识别动物图像的系统。下面附上我们训练的识别猫图片的模型。无监督学习是一种使用未标记数据来训练机器的机器学习类型。未标记数据没有固定的输出变量
机器学习：基于PCA对人脸识别数据降维并建立KNN模型检验
PCA（Principal Component Analysis）是一种常用的数据降维方法，通过线性变换将高维数据映射到低维空间，同时尽量保留原始数据的信息。PCA的主要思想是将原始数据的各个特征进行线性组合，使得新特征能够最大程度地保留原始数据的方差，从而达到降维的目的。
机器学习：基于逻辑回归（Logistic Regression）对股票客户流失预测分析
逻辑回归（Logistic Regression）是一种二分类的监督学习算法，用于预测样本的概率属于某一类别的概率。相比于线性回归，逻辑回归可以更好地处理分类问题。
机器学习：基于Kmeans聚类算法对银行客户进行分类
K-means算法是一种常用的聚类算法，用于将数据集划分成k个不重叠的簇。其主要思想是通过迭代的方式将样本点划分到不同的簇中，使得同一簇内的样本点相似度较高，不同簇之间的相似度较低。
支持向量机SVM介绍以及MATLAB实现
本文介绍了支持向量机(SVM)用于分类问题的介绍并且通过MATLAB将其实现。
教你三分钟免费部署国内可用 ChatGPT 网页版（手把手超详细）
Chat-GPT是一款基于GPT模型的聊天机器人，可以通过部署在服务器上进行使用。部署成功，将能够为用户提供智能化、个性化交流。用户接着询问了 Chat-GPT 在不同场景下的表现效果是否有所不同，比如在与学生聊天和与医生聊天时是否有所区别。我向用户解释了 Chat-GPT 相对于传统聊天机器人的优
yolov7各个模型的网络结构图(最详细)
美团刚刚发出yolov6，AB大神就带着yolov7来了。。。。。这速度是真快。。在 5-160 FPS 范围内速度和精度超过所有已知目标检测器。在 后不到两个星期，提出 YOLOv4 的团队就发布了更新一代的版本。本周三，YOLOv7 的论文被提交到了预印版论文平台 arXiv 上，其三位作者 C
机器学习(六)：基于高斯贝叶斯对面部皮肤进行预测分析
高斯朴素贝叶斯算法是一种分类算法，它基于贝叶斯定理和特征之间的高斯分布假设。该算法被广泛应用于文本分类、垃圾邮件过滤、生物信息学等领域。
pytorch泰坦尼克号幸存者预测（二分类）
任务目标：根据《泰坦尼克号登船人员名单》上的个人信息预测其是否生还数据集：《泰坦尼克号登船人员名单》，自取数据集解释：第一列age ，表示的是年龄（数值数据）第二列cabin，表示客舱号（分类数据 ：字符串类型）第三列embarked表示登船港口，S是Southampton南安普顿，C是Cherbo
