机器学习 | 神经网络 | 深度学习

白天 夜间 首页 下载 阅读记录
  我的书签   添加书签   移除书签

评估指标

浏览 118 扫码 分享 2022-07-12 22:53:51
  • ROC 及 AUC 计算方法及原理
  • 机器学习常见的几种评价指标：精确率（Precision）、召回率（Recall）、准确率（Accuracy）、F值（F-measure）、ROC 曲线、AUC
  • 交叉验证(cross validation) / 5-fold cross-validation

若有收获，就点个赞吧

0 人点赞

上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • GPU 利用率低常见原因分析及优化
  • Pytorch 框架训练营
    • 第六周
  • 评估指标
    • ROC 及 AUC 计算方法及原理
    • 机器学习常见的几种评价指标：精确率（Precision）、召回率（Recall）、准确率（Accuracy）、F值（F-measure）、ROC 曲线、AUC
    • 交叉验证(cross validation) / 5-fold cross-validation
  • GNN/图神经网络
    • GCN/图卷积神经网络
    • 【未完】GAT-图注意力网络，Graph Attention Networks
  • 【未完】GIN
  • Encoder-Decoder、Seq2Seq 以及它们的升级方案Attention。
  • 注意力机制（Attention Mechanism）
  • Transformer（Attention Is All You Need）
  • RNN-循环神经网络（Recurrent Neural Network, RNN）
    • LSTM-长短期记忆（Long short-term memory, LSTM）
    • GRU-门控循环单元
  • 监督学习和无监督学习
  • PyTorch Geometric
    • PyTorch-Geometric/torch-geometric 的安装
    • PyG-使用 networkx 对 Graph 进行可视化
    • class MessagePassing()
    • torch_geometric\utils\scatter_ 方法源码解析及样例
  • Pytorch
    • torch.tensor.scatter() 和 torch.gather() 函数
    • masked_fill_() 和 masked_fill()
    • F.softmax() 和 F.log_softmax
    • Pytorch 矩阵乘法之 torch.mul() 、 torch.mm()、torch.bmm() 及 torch.matmul() 的区别
    • 超平实版 Pytorch Self-Attention：参数详解(尤其是 mask)(使用 nn.MultiheadAttention)
    • torch.einsum()——爱因斯坦求和约定
    • 知乎：PyTorch 有哪些坑/bug？
    • 模型
      • 【未完】PyTorch学习之归一化层（BatchNorm、LayerNorm、InstanceNorm、GroupNorm）
        • torch.nn.LayerNorm
      • 【未完】torch.nn.Module 类
      • torch.nn.Sequential 类
      • 使用 torch.nn.Module 来自定义模型和网络层
      • 模型创建 Module、模型容器 Containers 及 AlexNet 网络搭建
      • 保存和加载模型
      • 冻结特定层的参数
      • 模型的保存与加载、模型微调、以及 GPU 的使用
      • torch.nn.Module 中的 training 属性以及 model.train() 和 model.eval()
    • 权值初始化
    • 优化器（Optimizer）
      • 使用 ReduceLROnPlateau 来更新学习率——Pytorch
      • Optimizer/torch.optim.Optimizer
      • optimizer.zero_grad()、loss.backward()、optimizer.step() 的作用及原理
    • torch.max()
    • utils.dropout_adj()
    • torch.utils.data
      • 划分数据集-torch.utils.data.random_split()
      • torch.utils.data - 自定义数据集
    • 训练类别不均衡数据、重采样、权重采样器
    • Tensor 的类型转换
      • tensor torch 构造稀疏矩阵
    • Tensor.mean() 与 torch.mean()
    • 维度变换与 tensor 拼接
      • torch.contiguous() 方法
      • reshape() 和 view()
      • tensor.permute() 和 torch.transpose()
      • repeat() 和 expand()
      • squeeze() 和 unsqueeze()
      • torch.cat() 与 torch.stack()
    • 【未完】sklearn.decomposition.PCA
    • sklearn.metrics
      • classification_report
      • accuracy_score
    • nn 与 nn.functional
    • torch.nn.Embedding
    • torch.nn.parameter.Parameter
    • 过拟合
      • mini batch（部分增量更新）
      • 早停法（Early Stopping）
      • 在 Pytorch 中实现 early stopping
    • 梯度剪裁 - torch.nn.utils.clip_grad_norm_()
    • Pytorch 的常见报错
      • please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU
      • CUDA out of memory./CUDA 内存不足。
      • 【未完】RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn
  • 【未完】Gensim
    • 【未完】Gensim 的 model.keyedvectors 模块——NLP 工具
    • 【未完】基于 Gensim 的 Word2Vec 实践
  • 缩放指数线性单元（scaled exponential linear units，selu）和自归一化网络(SNN)
  • 损失函数Loss
  • 情绪识别
    • 面部表情识别
    • 人脸识别-face_recognition库
  • 学习计划
  • 读书笔记
暂无相关搜索结果！

    让时间为你证明

    展开/收起文章目录

    分享，让知识传承更久远

    文章二维码

    手机扫一扫，轻松掌上读

    文档下载

    请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
    PDF文档 EPUB文档 MOBI文档

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度
        思维导图备注