目录项目描述数据集介绍项目要求logistic regression对数据进行标准化 z-score normalization 的想法Porbabilistic generative model总结项目描述二元分类是机器学习中最基础的问题之一，在这份教学中，你将学会如何实作一个线性二元分类器，来根据人们的个人资料，判断其年收入是否高于 50,000 美元。我们将以两种方法: logistic r

目录项目描述数据集介绍项目要求数据增强读取数据获取训练集的信息，包括读取路径和对应的标签自定义数据读取器定义模型（VGG）修改vgg11训练再训练所有数据残差网络预测用训练好的vgg模型进行推理项目描述作业基于paddle2.0训练一个简单的卷积神经网络，实现食物图片的分类。数据集介绍本次使用的数据集为food-11数据集，共有11类 标签为0-10Bread, Dairy product, De

项目描述本次作业是要让同学接触自然语言处理当中一个简单的任务 —— 语句分类（文本分类）给定一个语句，判断他有没有恶意（负面标 1，正面标 0）数据集介绍有三个文件，分别是 training_label.txt、training_nolabel.txt、testing_data.txttraining_label.txt：有标签的训练数据（句子配上 0 or 1，+++$+++ 只是分隔符号，不要

数据集介绍本次作业使用丰原站的观测记录，分成 train set 跟 test set，train set 是丰原站每个月的前 20 天所有资料。test set 则是从丰原站剩下的资料中取样出来。train.csv: 每个月前 20 天的完整资料。test.csv : 从剩下的资料当中取样出连续的 10 小时为一笔，前九小时的所有观测数据当作 feature，第十小时的 PM2.5 当作 ans

学习内容来源模型训练模型训练通用配置基本原则每个输入数据的维度要保持一致，且一定要和模型输入保持一致。配置学习率衰减策略时，训练的上限轮数一定要计算正确。BatchSize不宜过大，太大容易内存溢出，且一般为2次幂。模型训练流程加载数据集模型封装model = paddle.Model(gmlp_vision)训练参数配置用paddle.Model完成模型的封装后，在训练前，需要对模型进行配置，通

基于PaddlePaddle2.0的蝴蝶图像识别分类——利用预训练残差网络ResNet101模型1. 蝴蝶识别分类任务概述本项目将利用人工智能技术来对蝴蝶图像进行分类，需要能对蝴蝶的类别、属性进行细粒度的识别分类。相关研究工作者能够根据采集到的蝴蝶图片，快速识别图中蝴蝶的种类。期望能够有助于提升蝴蝶识别工作的效率和精度。2. 创建项目和挂载数据数据集都来源于网络公开数据（和鲸社区）。图片中所涉及的

目录项目描述数据集介绍项目要求数据增强读取数据获取训练集的信息，包括读取路径和对应的标签自定义数据读取器定义模型（VGG）修改vgg11训练再训练所有数据残差网络预测用训练好的vgg模型进行推理项目描述作业基于paddle2.0训练一个简单的卷积神经网络，实现食物图片的分类。数据集介绍本次使用的数据集为food-11数据集，共有11类 标签为0-10Bread, Dairy product, De

基于PaddlePaddle2.0的蝴蝶图像识别分类——利用预训练残差网络ResNet101模型1. 蝴蝶识别分类任务概述本项目将利用人工智能技术来对蝴蝶图像进行分类，需要能对蝴蝶的类别、属性进行细粒度的识别分类。相关研究工作者能够根据采集到的蝴蝶图片，快速识别图中蝴蝶的种类。期望能够有助于提升蝴蝶识别工作的效率和精度。2. 创建项目和挂载数据数据集都来源于网络公开数据（和鲸社区）。图片中所涉及的

使用origin画了热力图后，需要对热力图进行一些美化，其中会有热力图颜色的调整。打开调色板后发现并没有matlab中常用的Parula和Jet。想在origin中使用这两种颜色图，可以通过自定义调色盘的方法使用。图1 origin中的调色盘图2 MATLAB中的颜色图以Parula为例，首先去MATLAB获取parula 颜色图数组。在命令行窗口出入c = parula将matlab变量c中的数