Do you want BuboFlash to help you learning these things? Or do you want to add or correct something? Click here to log in or create user.
Tags
#has-images
Question
在机器学习中，学习（learning）是一个训练模型的过程。 通过这个过程，我们可以发现正确的参数集，从而使模型强制执行所需的行为。 换句话说，我们用数据训练（train）模型。 训练过程通常包含如下步骤：[...]
Answer
-
从一个随机初始化参数的模型开始，这个模型基本没有“智能”；
-
获取一些数据样本（例如，音频片段以及对应的是或否标签）；
-
调整参数，使模型在这些样本中表现得更好；
-
重复第（2）步和第（3）步，直到模型在任务中的表现令人满意。
图1.1.2 一个典型的训练过程 ¶
Tags
#has-images
Question
在机器学习中，学习（learning）是一个训练模型的过程。 通过这个过程，我们可以发现正确的参数集，从而使模型强制执行所需的行为。 换句话说，我们用数据训练（train）模型。 训练过程通常包含如下步骤：[...]
Answer
?
Tags
#has-images
Question
在机器学习中，学习（learning）是一个训练模型的过程。 通过这个过程，我们可以发现正确的参数集，从而使模型强制执行所需的行为。 换句话说，我们用数据训练（train）模型。 训练过程通常包含如下步骤：[...]
Answer
-
从一个随机初始化参数的模型开始，这个模型基本没有“智能”；
-
获取一些数据样本（例如，音频片段以及对应的是或否标签）；
-
调整参数，使模型在这些样本中表现得更好；
-
重复第（2）步和第（3）步，直到模型在任务中的表现令人满意。
图1.1.2 一个典型的训练过程 ¶
If you want to change selection, open original toplevel document below and click on "Move attachment"
在机器学习中，学习（learning）是一个训练模型的过程。 通过这个过程，我们可以发现正确的参数集，从而使模型强制执行所需的行为。 换句话说，我们用数据训练（train）模型。 如 图1.1.2 所示，训练过程通常包含如下步骤： 从一个随机初始化参数的模型开始，这个模型基本没有“智能”； 获取一些数据样本（例如，音频片段以及对应的是或否标签）； 调整参数，使模型在这些样本中表现得更好； 重复第（2）步和第（3）步，直到模型在任务中的表现令人满意。 图1.1.2 一个典型的训练过程 ¶
y Siri”这个词时发出“是”。 理想情况下，同一个模型族应该适合于“Alexa”识别和“Hey Siri”识别，因为从直觉上看，它们似乎是相似的任务。 然而，如果我们想处理完全不同的输入或输出，比如：从图像映射到字幕，或从英语映射到中文，可能需要一个完全不同的模型族。 但如果模型所有的按钮（模型参数）都被随机设置，就不太可能识别出“Alexa”“Hey Siri”或任何其他单词。 <span>在机器学习中，学习（learning）是一个训练模型的过程。 通过这个过程，我们可以发现正确的参数集，从而使模型强制执行所需的行为。 换句话说，我们用数据训练（train）模型。 如 图1.1.2所示，训练过程通常包含如下步骤： 从一个随机初始化参数的模型开始，这个模型基本没有“智能”； 获取一些数据样本（例如，音频片段以及对应的是或否标签）； 调整参数，使模型在这些样本中表现得更好； 重复第（2）步和第（3）步，直到模型在任务中的表现令人满意。 图1.1.2 一个典型的训练过程¶ 总而言之，我们没有编写唤醒词识别器，而是编写了一个“学习”程序。 如果我们用一个巨大的带标签的数据集，它很可能可以“学习”识别唤醒词。 这种“通过用数据集来确定程序行为”的方法可以被看作用数据编程（programming with data）。 比如，我们可以通过向机器学习系统，提供许多猫和狗的图片来设计一个“猫图检测器”。 检测器最终可以学会：如果输入是猫的图片就输
Parent (intermediate) annotation
Open it在机器学习中，学习（learning）是一个训练模型的过程。 通过这个过程，我们可以发现正确的参数集，从而使模型强制执行所需的行为。 换句话说，我们用数据训练（train）模型。 如 图1.1.2 所示，训练过程通常包含如下步骤： 从一个随机初始化参数的模型开始，这个模型基本没有“智能”； 获取一些数据样本（例如，音频片段以及对应的是或否标签）； 调整参数，使模型在这些样本中表现得更好； 重复第（2）步和第（3）步，直到模型在任务中的表现令人满意。 图1.1.2 一个典型的训练过程 ¶
Original toplevel document
1. 引言 — 动手学深度学习 2.0.0 documentationy Siri”这个词时发出“是”。 理想情况下，同一个模型族应该适合于“Alexa”识别和“Hey Siri”识别，因为从直觉上看，它们似乎是相似的任务。 然而，如果我们想处理完全不同的输入或输出，比如：从图像映射到字幕，或从英语映射到中文，可能需要一个完全不同的模型族。 但如果模型所有的按钮（模型参数）都被随机设置，就不太可能识别出“Alexa”“Hey Siri”或任何其他单词。 <span>在机器学习中，学习（learning）是一个训练模型的过程。 通过这个过程，我们可以发现正确的参数集，从而使模型强制执行所需的行为。 换句话说，我们用数据训练（train）模型。 如 图1.1.2所示，训练过程通常包含如下步骤： 从一个随机初始化参数的模型开始，这个模型基本没有“智能”； 获取一些数据样本（例如，音频片段以及对应的是或否标签）； 调整参数，使模型在这些样本中表现得更好； 重复第（2）步和第（3）步，直到模型在任务中的表现令人满意。 图1.1.2 一个典型的训练过程¶ 总而言之，我们没有编写唤醒词识别器，而是编写了一个“学习”程序。 如果我们用一个巨大的带标签的数据集，它很可能可以“学习”识别唤醒词。 这种“通过用数据集来确定程序行为”的方法可以被看作用数据编程（programming with data）。 比如，我们可以通过向机器学习系统，提供许多猫和狗的图片来设计一个“猫图检测器”。 检测器最终可以学会：如果输入是猫的图片就输
Summary
| status | not learned | measured difficulty | 37% [default] | last interval [days] | |||
|---|---|---|---|---|---|---|---|
| repetition number in this series | 0 | memorised on | scheduled repetition | ||||
| scheduled repetition interval | last repetition or drill |
Details
No repetitionsDiscussion
Do you want to join discussion? Click here to log in or create user.