博主自己写的吴恩达机器学习编程作业的Python实现，已经放到github上了，欢迎大家来交流。https://github.com/lsl1229840757/machine_learning

自我知识蒸馏学习论文总结 博主看了几篇有关自我知识蒸馏的论文，大致将self-distillation划分为两类：第一类就是从时间的前后进行蒸馏，即前面几个epochs的模型去蒸馏后面几个epochs的模型；第二类就与Deep Supervision类似，即深层的part去蒸馏浅层的part。针对这两大类，博主各写了一篇原论文的阅读笔记，整合在这里方便阅读和查找，也欢迎大家一起探讨。第一类，Sel

课程介绍-课程后勤 这门课主要集中解决计算机视觉中的图像分类问题。当然也会讨论一些其他的计算机视觉问题：Object detectionAction classificationImage captioning CNN的前身可以追溯到1998（Le Cun et al.）。12年才崭露头角的原因就是那个时候才有了更高的算力。本课程总共有三次作业需要完成。...

博主自己写的吴恩达机器学习编程作业的Python实现，已经放到github上了，欢迎大家来交流。https://github.com/lsl1229840757/machine_learning

 这是一篇ICCV2019的论文，提升模型精度一直是DL界在追求的目标。一般情况下，在模型结构上面的改进可以归纳为三个方面：**depth**，**width**，**cardinality**。但这样一味地将模型结构复杂化，也会让计算成本呈指数级上升。本论文则提出了一种叫做``self distillation``的**训练方式**，在没有增加任何推理计算成本的情况下，显著提升模型的精

众所周知，在OpenAI平台上的ChatGPT模型目前有两大痛点：1. 它所学习的数据资料都是截止到2021年为止的，因此无法给出2022年之后的发生的事情。2. 有些时候会出现一些常识性的错误，也就是它会一本正经的胡说八道，比如问它一些历史、数学问题，它可能就会回答出。究其原因，主要是ChatGPT是“生成式回复”。它事先学习了大量的人类的知识以及人类对它的引导和奖励的策略。它本质上依托于一个参