- 作 者: @空字符(微信:nulls8)
- 公众号: @月来客栈
- 知 乎: @月来客栈 https://www.zhihu.com/people/the_lastest
著名数学家华罗庚曾说:数无形时少直觉,形少数时难入微。本专栏所有算法介绍均会遵循先通过图示结构介绍其背后的**原理,然后再通过代码来刻画其细节之处,做到真正的“数形”结合,让你真的能看得懂、学得会、写得出,无论你是初学者还是有一定经验的从业者,相信都能够从中获益! 每周二、四早更新,节假日不调休!
- 3.1 线性回归
- 3.2 线性回归简洁实现
- 3.3 梯度下降与反向传播
- 3.4 从零实现回归模型
- 3.5 从逻辑回归到Softmax回归
- 3.6 Softmax回归简洁实现
- 3.7 从零实现分类模型
- 3.8 回归模型评估指标
- 3.9 分类模型评估指标
- 3.10 过拟合与正则化
- 3.11 超参数与交叉验证
- 3.12 激活函数
- 4.1 卷积的概念
- 4.2 卷积的计算过程
- 4.3 填充和池化
- 4.4 LeNet5模型
- 4.5 AlexNet模型
- 4.6 VGG模型
- 4.7 NIN模型
- 4.8 GoogLeNet模型
- 4.9 ResNet模型
- 4.10 DenseNet模型
- 9.1 NLP介绍
- 9.2 Word2Vec模型
- 9.3 Word2Vec训练与使用
- 9.4 GloVe模型
- 9.5 词向量的微调使用
- 9.6 FastText模型
- 9.7 序列到序列模型
- 9.8 序列模型评估指标
- 9.9 NMT模型
- 9.10 注意力机制
- 9.11 含注意力的NMT模型
- 9.12 含注意力的RNN模型
- 10.1 ELMo模型
- 10.2 Transformer模型
- 10.3 Transformer网络结构
- 10.4 从零实现Transformer
- 10.5 Transfromer对联模型
- 10.6 BERT模型
- [10.7 从零实现BERT]
- [10.8 BERT文本分类模型]
- [10.9 BERT问题选择模型]
- [10.10 BERT问题回答模型]
- [10.11 BERT命名体识别模型]
- [10.12 BERT从零训练]
- [10.13 GPT-1模型]
- [10.14 GPT-2与GPT-3模型]
- [10.15 基于GPT-2的中文预训练模型]
- [10.16 InstractGPT与ChatGPT]
- [10.17 ChatGPT使用]
- [10.18 百川大模型使用]
- [10.19 百川大模型实现]
- [10.20 GPT-4与GPTs介绍]