Deephub
更多文章请关注公众号：Deephub-IMBA
理解强化学习
强化学习指的是专注于学习如何与环境交互的算法的机器学习。
基于神经网络的风格迁移目标损失解析
这篇文章可以看作是对其他文章的概述和理解，以便在更高的层次上理解这个概念。
使用pandas分析1976年至2010年的美国大选的投票数据
我最近在Kaggle上看到了美国大选的数据集。数据集包含了从1976年到2020年的选举。我会从不同的角度来处理这些数据，试图了解人们是如何投票的。
十分钟了解Transformers的基本概念
RNN已死，注意力万岁？
二分查找会更快吗？Python中的二分查找与线性查找性能测试
当您要检查某个元素是否在列表中时，有很多方法可以解决相同的问题。可以通过线性查找和二分查找来完成，但是要猜
使用深度学习的方法进行人脸解锁
使用深度学习来创建面部解锁算法。
在TPU上运行PyTorch的技巧总结
TPU芯片介绍Google定制的打机器学习专用晶片称之为TPU（Tensor Processing Unit
NLP任务中的文本预处理步骤、工具和示例
这篇文章将包括一些简单的方法来清洗和预处理文本数据以进行文本分析任务。
在python中使用KNN算法处理缺失的数据
今天，我们将探索一种简单但高效的填补缺失数据的方法-KNN算法。
使用WebAssembly提高模型部署的速度和可移植性
在本文中，我阐明了如何确保使用标准ML库（例如PyTorch，Scikit-learn和Tensorflow）训练的模型可以有效地部署在各种边缘设备上。
MCMC、蒙特卡洛近似和Metropolis算法简介
MCMC 是Markov Chain Monte Carlo 的简称,MCMC的目的就是运用蒙特卡洛模拟出一个马可链
使用PandasGUI进行探索性数据分析
Pandasgui是一个开源的python模块，它为pandas创建了一个GUI界面，我们可以在其中使用pandas的功能分析数据和使用不同的功能
时域卷积网络TCN详解：使用卷积进行序列建模和预测
CNN经过一些简单的调整就可以成为序列建模和预测的强大工具
使用PolyGen和PyTorch生成3D模型
创造性地组合3D模型，从图像快速生成3D模型
机器学习中处理缺失值的9种方法
在这个文章中，我将分享处理数据缺失的9种方法
初始化神经网络权重的方法总结
在本文中，评估了权值初始化的许多方法和当前的最佳实践
在神经网络中提取知识：学习用较小的模型学得更好
知识蒸馏是利用从一个大型模型或模型集合中提取的知识来训练一个紧凑的神经网络。
强化学习的最基本概念马尔可夫决策过程简介
在本文中我将介绍强化学习的基本方面，即马尔可夫决策过程。
选择正确的错误度量标准：MAPE与sMAPE的优缺点
MSE，RMSE，MAE，MAPE，sMAPE… 那么，如何决定要为我们的项目使用哪种指标呢？
可变形卷积在视频学习中的应用:如何利用带有稀疏标记数据的视频帧
卷积层是卷积神经网络的基本层。虽然它在计算机视觉和深度学习中得到了广泛的应用，但也存在一些不足。