在机器学习应用中，一般会采用在线和离线两套数据和环境进行，离线开发进行训练，然后在线提供服务。在离线评估时，我们使用训练样本和测试样本来训练和评估机器学习模型算法，以使模型算法的偏差和方差尽可能小。在进行在线评估时，除了验证在线部署的正确性，还要从业务的角度来评估模型。此外，还要关注在线模型算法的指标，保障在线服务的稳定性。模型算法的评估指标1、回归模型的评估指标1) 平均绝对误差平均绝对误差(

先搞清楚几个概念：  1、机器学习  2、人工神经网络  3、深度神经网络  4、深度学习  深度神经网络通常是前馈型神经网络，特征是至少有一个隐层。反过来说，多层前馈神经网络都是深度神经网络，但深度神经网络不都是多层前馈神经网络，因为深度神经网络还包括了RNN和CNN。另外，深度神经网络说的是一种结构，而不是算法。1.1 机器学习人工神经网络和深度学习都属于机器学习的

1.1 迁移学习在机器学习领域，迁移学习(Transferlearning)是一个比较新的名词。目前国内做这个方面的很少，我目前只知道香港科技大学杨强教授及上海交大的机器学习小组在从事这方面的研究，他们的学生Erheng Zhong以及一帮人就建立了这个一个资源。近几年他们已经取得大量的成果，发表了十几篇AI领域顶级的会议论文。Qiang Yanghttp://www.cse.ust

一、前言无论我们处理何种AI的问题，数据是根本，数据是AI之源。对于人脸的场景，一个大规模人脸信息库可以定义为：1.1、 人脸标签信息丰富对于一张人脸图片元素而言，具有以下内容的部分标签或全信息：人脸检测信息 ：人脸数量、 人脸 坐标 ；人脸空间信息 ：俯仰角、 旋转角 、偏航角 ；人脸关键点信息 ：眼睛、 鼻子 、嘴、脸部 轮廓坐标 ；人脸属性信息 ：年龄、 性别...

最近看了降维的各类算法，想简单做个回顾和小结，先上图一、浅谈协方差矩阵1.1、统计学的基本概念均值：x ¯ =∑ n i=1 x i n  x¯=∑i=1nxin\bar x =\dfrac {\sum_{i=1}^n x_i} n方差：

转载于：https://www.zhihu.com/topic/20079475/top-answershttps://blog.csdn.net/vvnzhang2095/代码部分：http://yosinski.com/transfer最初发表于NIPS 2014的《How transferable are features in deep neural networks?》。其实...

向量数据库检索

概述为了将训练好的模型部署、上线， 首先需要确认训练模型与接入的应用服务所使用的编程语言是否一致， 其次考虑模型应用于产品服务的方式。在调试模型时，大多使用PyCharm、Spyder工具中的控制台来输出训练结果，或者使用Jupyter NoteBook进行交互。将模型部署于产品常用的方式有两种-----基于 HTTP服务或基于预测标型标记语言(Predictive ModelMarkup Lan

深度学习中的Attention机制本文以机器翻译为例，深入浅出地介绍了深度学习中注意力机制的原理及关键计算机制，同时也抽象出其本质思想，并介绍了注意力模型在图像及语音等领域的典型应用场景。注意力模型最近几年在深度学习各个领域被广泛使用，无论是图像处理、语音识别还是自然语言处理的各种不同类型的任务中，都很容易遇到注意力模型的身影。所以，了解注意力机制的工作原理对于关注深度学习技术发展的技术人...

转载自：http://www.leiphone.com/news/201701/Kq6FvnjgbKK8Lh8N.htmlGAN是“生成对抗网络”（Generative Adversarial Networks）的简称，由2014年还在蒙特利尔读博士的Ian Goodfellow引入深度学习领域。2016年，GAN热潮席卷AI领域顶级会议，从ICLR到NIPS，大量高质量论文被发表和探讨。Ya