AI公园
-
理解和创建GANs,使用PyTorch来做深度学习
生成对抗网络的一篇实践文章,使用PyTorch,用很简单的代码搭建了一个GANs,非常通俗易懂。
-
理解二分类交叉熵,可视化的方法解释对数损失
现在的各种库和框架非常的简单易用,导致大家很容易忽视所使用的损失函数的真正意义。
-
使用词向量得到更好的类别特征的嵌入
回到2012年,当神经网络重新流行起来时,人们对不用担心特征工程就可以训练模型的可能性感到兴奋。事实上,最早的突破大多出现在计算机视觉领域,在这一领域,原始像素被用作网络的输入。
-
2019目前为止深度学习的最佳研究,有论文有代码!
在本文中,我将帮助你节省一些时间,方法是将2019年迄今为止发表的研究成果整理成以下可管理的短列表。我做了一些过滤,这样就只包括具有相关GitHub repo的论文了。
-
深度学习论文阅读路线图
如果你是深度学习领域的新人,你的第一个问题可能是“我该从哪些论文开始读起呢?”这就是深度学习论文的阅读路线图!
-
使用深度学习来做推荐系统,举个例子给你看
用一个完整的例子告诉你,推荐系统是什么样的一个东西,深度学习该怎么用在里面。
-
如何读论文继续深度学习的学习之路
当你上完了在线课程看完了书之后,怎么继续你的深度学习的学习之路呢?
-
理解学习率以及如何提升深度学习的性能
有没有更好的方法来决定学习率?
-
深度学习经验指南
简单和复杂的技巧,帮助你提升深度学习的模型准确率
-
在深度学习中处理不均衡数据集
不是所有的数据都是完美的
-
所有学机器学习的人必须要懂的5个回归损失函数
损失函数是衡量预测模型在预测预期结果方面做得有多好。
-
推荐系统的多彩世界
一个推荐系统的精彩概述,描述了如何向市场提供有效的推荐。
-
经验分享|关于数据科学,告诉你三个书上没有的东西
关于数据科学,告诉你三个书上没有的东西
-
为什么要做特征缩放
作者:Sudharsan Asaithambi 编译:ronghuaiyang 导读 在使用某些算法时,特征缩放可能会使结果发生很大变化,而在其他算法中影响很小或没有影响。 在使用某些算法时,特征缩放可能会使结果发生很大变化,而在其他算法中影响很小或没有影响。为了理解这一点,让我们看看为什么需要缩放特征、各种缩放方法以及什么时候应该对特征进行尺度缩放。 为什…
-
你的AI技能没你想的那么值钱,来自一位AI前辈的忠告!
人工智能是一项真正具有变革意义的技术。