机器学习和深度学习--李宏毅 (笔记与个人理解)Day 16

Day 16 deep Learning -- 鱼与熊掌兼得

最近在减重, 昨天跑了个一公里,然后今天上午又打了个篮球,真是老胳膊老腿了,运动完给我困得不行

Review 见前面的笔记

这里说dl 会提供一个足够大的模型, 来使得Dall loss 足够小,但是从这里没有看出来deepLearning 更好呀,这不是还是需要一个big training data 嘛

Fat or Tall?

Why?

同样的function 参数较少 -- 以为着较少的over fitting and less training data

相关推荐
LinXunFeng1 小时前
Obsidian - 使用 Share Note 分享笔记并自部署
前端·笔记·github
哥布林学者2 天前
深度学习进阶(三十一)FlashAttention:IO 感知的精确注意力
机器学习·ai
通信小呆呆4 天前
当算法有了“五感”:多模态数据融合如何向人体感官协同学习?
人工智能·学习·算法·机器学习·机器人
xiao5kou4chang6kai44 天前
MATLAB机器学习、深度学习--从数据预处理到模型训练
深度学习·机器学习·matlab·数据预处理
renhongxia14 天前
世界模型作为AGI落地底层底座的作用
人工智能·深度学习·生成对抗网络·自然语言处理·知识图谱·agi
计算机科研狗@OUC4 天前
(cvpr26) AIMDepth: Asymmetric Image-Event Mamba for Monocular Depth Estimation
人工智能·深度学习·计算机视觉
code_pgf4 天前
端到端自动驾驶 BEV stack
人工智能·机器学习·自动驾驶
闪闪发亮的小星星4 天前
高斯光以及高斯光公式解释
笔记
Godspeed Zhao4 天前
Level 4自动驾驶系统设计3——功能与场景3
人工智能·机器学习·自动驾驶