本次挑战是为了应对各种类型的Deepfake攻击，而设计的一个检测模型，task1的任务就是跑通预设模型。我将学习预设模型的代码，并附上对应理解。首先先设置三个类，前两个用于监控和报告训练过程中的指标的实用工具。后者...
0前言感谢DataWhale的开源学习课程intro-mathmodel，项目仓库在这。现在开始，跟着Task01进入数据类的学习，实现每一个代码，包括数据预处理、回归分析与分类分析、假设检验、随机过程与随机模拟、数据可视化图表、三种插值模型。...
用1-N进行标识，即1为数据集最近一天，其中1-10为测试集数据。数据集由字段id（房屋id）、dt（日标识）、type（房屋类型）、target（实际电力消耗）组成。本场以“电力需求预测”为赛题的数据算法挑战赛。...
本次笔记，我将分为选择模型、调参、特征工程三个部分来尝试。...
本文是关于NIPS2024论文VisionLLM的简要介绍。VisionLLM是一个多模态的大语言模型框架，可以借助大语言模型的力量，实现自定义的传统视觉任务，例如检测、分割、图像标题等。框架最大的特点就是灵活性...
LightGBM是一个实现GBDT算法的框架，具有训练速度快、内存消耗低、准确率高、分布式支持等优点，主要通过Histogram算法、带深度限制的Leaf-wise叶子生长策略和直方图做差加速等技术进行优...
深度学习是机器学习一个分支，通过神经网络模拟人脑的学习方式，可以处理大量数据并且从中自动学习和提取特征，进行预测。深度学习就是将这些神经元模型层层堆叠起来的复杂结构，按一定的层次形成一个庞大的网络，从网络最底层接...
由于Task3是在Task2基础上做的改进，实操起来感觉比较简单，难度主要在于对Transformer的理解，以及在基础参数上自己尝试做出优化以抵达更高的上限。...
结构基本上和编码器是一致的，在基于循环神经网络的翻译模型中，解码器只比编码器多了输出层，用于输出每个目标语言位置的单词生成概率，而在基于自注意力机制的翻译模型中，除了输出层，解码器还比编码器多一个编码解码注意力子层，...
DatawhaleAI夏令营机器学习-Task2学习笔记...