动画化神经网络的优化轨迹 loss-landscape-anim允许您在神经网络的损耗格局的2D切片中创建动画优化路径。 它基于 ，如果要添加自己的模型，请遵循其建议的样式。 请查看我的文章以获取更多示例和一些直观说明。 0.安装 从PyPI： pip install loss-landscape-anim 从源头上讲，您需要。 克隆此存储库后，请运行以下命令以安装依赖项。 poetry install 1.基本范例 使用提供的和默认的多层感知器MLP模型，您可以直接调用loss_landscape_anim来获得示例动画GIF，如下所示： # Use default MLP model and sample spirals dataset loss_landscape_anim ( n_epochs = 300 ) 注意：如果您在笔记本电脑上使用它，请不要忘记在顶部包括以

从头开始实现一些经典的机器学习模型，并针对流行的ML库进行基准测试 从零开始机器学习！ 更新：代码实现已移至 python 模块。 Notebook 只会显示结果和模型比较 为了刷新我的知识，我将尝试仅使用 python 和有限的 numpy/pandas 函数从头开始实现一些基本的机器学习算法。 我的模型实现将与来自流行的 ML 库 (sklearn) 的现有模型进行比较 权重衰减的线性回归 (L2 正则化) 权重衰减的逻辑回归 具有置换特征重要性的随机森林 随机森林回归器 随机森林分类器 K 最近邻：监督和无监督神经用于分类的网络随机梯度下降多个隐藏层为每个隐藏层定制的各种激活函数 + 梯度（Sigmoid、Softmax、ReLU ...） L2 正则化 Dropout 动态学习率优化器（动量、RMSProp 和 Adam） TODO：batchnorm 以下笔记本使用 Pytorch 库，因此它们不是从头开始实现的。 但是，我尽量不使用任何高级 Pytorch 函数 Pytorch 神经网络：自定义数据加载器 1 通道图像上的数据增强：torchvision vs fa