ShuffleNet 是一个预训练模型，已经在 ImageNet 数据库的一个子集上进行了训练。 该模型接受了超过一百万张图像的训练，可以将图像分类为1000个对象类别（例如键盘，鼠标，铅笔和许多动物）。 从您的操作系统或 MATLAB 中打开 shufflenet.mlpkginstall 文件将启动您拥有的版本的安装过程。 此 mlpkginstall 文件适用于 R2019a 及更高版本。 用法示例： % 访问训练好的模型净= shufflenet（）; % 查看架构细节网络层 % 读取图像进行分类I = imread('peppers.png'); % 调整图片大小sz = net.Layers(1).InputSize I = I(1:sz(1),1:sz(2),1:sz(3)); ％使用shufflenet对图像进行分类标签 = 分类（净，我） % 显示图像和

本文为读文章笔记，受所学所知限制，如有出错，恭请指正。 A Simple Framework for Contrastive Learning of Visual Representations 作者： Ting Chen, Simon Kornblith, Mohammad Norouzi, Geoffrey Hinton 本文提出一种简洁有效的设计的无监督设计，并且以7%的margin刷新了SOTA。 摘要直译：这篇文章提出了SimCLR， 一种简单的、用于视觉表征对比学习的框架。作者们简化了最近刚提出的对比自监督学习算法，并且不需要特别的架构或者J记忆库。为了探究是什么使得对比预测

由浅入深的深度学习教材，张志华翻译版

Neural Networks And Learning Machine(神经网络与学习机)，神经网络经典名著

人工神经网络 具有反向传播和动量的人工神经网络（不使用角膜和张量流） 楷模 实施步骤 导入必要的库 麻木 matplotlib 球状 cv2 随机的 操作系统 下载并预处理数据集 加载训练和测试数据集 随机训练和测试数据集 调整图像大小并进行归一化 初始化随机权重和偏差 创建字典以存储权重和偏差 将权重和偏差初始化为零以进行反向传播 修复所有超参数 学习率 纪元数 层数 每层的单位数 动量（

Deep Learning - Ian Goodfellow 英文清晰原版，整理于2017-10-31，有完整的书签, 并且对大小做了优化。

Yelp分析和评级预测 概述 Yelp是一个带有社交网络工具的区域目录平台和审阅网站。 该网站提供了针对本地企业（水疗中心，餐厅，百货公司，酒吧，本地本地服务，商店，汽车）的众包评论。 这有助于用户进行业务评级和评论。 通常，评论是由几百行左右的单词组成的简短文本，描述了各个方面的各种用户体验。 这为企业所有者提供了改进产品的机会，并使客户可以选择最佳的行业。 商业价值/分析目标 管理层可能没有足够的时间来进行每一次审核。 如果可以一目了然地向他们提供有价值的信息和见解，那将是非常有用和节省时间的。 不仅对于管理人员，而且对于试图了解更多餐厅信息并需要一些帮助来订购或选择餐厅的客户，也是如此。 毕竟，在当今世界，每个人都喜欢在做出决定之前先阅读评论和反馈。 在我们的项目中，我们使用自然语言处理和机器学习来实现这些业务和客户目标。 我们专注于情感分析，主题建模，数据分析和评级预测的分类。 数

我们特别关注以下三个方面：（1）全面回顾了近年来在探索知识迁移的力量方面取得的进展，特别是在元学习方面；（2）介绍了将人类/专家知识纳入机器学习模型的前沿技术；（3）确定了开放的挑战数据增强技术，如生成性对抗网络。

TensorFlow2.0中Ranknet到LambdaRank的实现 **此存储库在Tensorflow 2.0中具有从RankNet到LambdaRank的实现，** 要求 tqdm == 4.32.1 numpy == 1.16.4 点击== 7.0 tensorflow_gpu == 2.1.0 设置 $ git clone https://github.com/akanyaani/ranknet-tensorflow2.0 $ cd ranknet-tensorflow2.0 $ pip install -r requirements.txt 从此处下载数据，并将任何折叠传递给pre_process。 $ python pre_process.py --help Options: --data-dir TEXT training data

Statistical foundations of machine learning