Deephub
更多文章请关注公众号：Deephub-IMBA
各种形式的图神经网络的实现和基准测试
本篇文章是论文的介绍性博客:Benchmarking Graph Neural Networks
如何在GPU上设计高性能的神经网络
gpu对于机器学习是必不可少的。作为一个机器学习架构师，你应该如何设计神经网络来最大化GPU的性能?
利用机器学习探索食物配方：通过Word2Vec模型进行菜谱分析
介绍食物是我们生活中不可分割的一部分。据观察，当一个人选择吃东西时，通常会考虑食材和食谱。我们将进一步研究机器学习如何在食品工业中使用
人工智能的编年史——从开始到现在
人工智能的历史早在图灵之前，甚至早于计算机。
深度学习模型压缩方法的特点总结和对比
了解用于深入学习的不同模型压缩技术的需求和特点
神经网络架构搜索（NAS）基础入门
在这篇文章中，我们主要探讨NAS的思想和方法，希望可以帮助读者更好地理解该领域并发现实时应用程序的可能性。
使用Pytorch和Matplotlib可视化卷积神经网络的特征
在处理图像和图像数据时，CNN是最常用的架构。卷积神经网络已经被证明在深度学习和计算机视觉领域提供了许多最先
常见机器学习算法背后的数学
不同的机器学习算法是如何从数据中学习并预测未见数据的呢?
神经网络如何学习的？
像下山一样，找到损失函数的最低点。
20个能够有效提高 Pandas数据分析效率的常用函数，附带解释和例子
Pandas是一个受众广泛的python数据分析库。它提供了许多函数和方法来加快数据分析过程。
简介机器学习中的特征工程
将原始数据转换为数据集的任务称为特征工程。
在TensorFlow中使用模型剪枝将机器学习模型变得更小
学习如何通过剪枝来使你的模型变得更小剪枝是一种模型优化技术，这种技术可以消除权重张量中不必要的值。这将会得到
在机器学习回归问题中，你应该使用哪种评估指标?
R², RMSE, MAE它们都是通用的度量标准，但在什么时候使用哪一个并不明显。
使用TensorFlow创建能够图像重建的自编码器模型
想象你正在解决一个拼图游戏。你已经完成了大部分。假设您需要在一幅几乎完成的图片中间修复一块。你需要从盒子里选
使用tensorflow进行音乐类型的分类
音乐流媒体服务的兴起使得音乐无处不在。我们在上下班的时候听音乐，锻炼身体，工作或者只是放松一下。这些服务的一
为什么要停止过度使用置换重要性来寻找特征
数据分析师通常为了某些任务需要计算特征重要度。特征重要度可以帮助使用者了解数据中是否存在偏差或者模型中是否存
5个可以帮助pandas进行数据预处理的可视化图表
“一目了然胜过千言万语。”分析数据点的探索性数据分析（EDA）是在算法的数据建模之前制定假设的正确步骤。
交叉验证和超参数调整:如何优化你的机器学习模型
准确预测Fitbit的睡眠得分
详解DBSCAN聚类
使用DBSCAN标识为员工分组
机器学习入门：偏差和方差
偏差(bias):偏差衡量了模型的预测值与实际值之间的偏离关系。 方差（variance）：方差描述的是训练数据在不同迭代阶段的训练模型中，预测值的变化波动情况（或称之为离散情况）