日志
作者：互联网
2020.02.19
1.练了pandas十页代码
2.边看视频边学CSDN数据清洗实战前三章**??[MySQL文件与pandas的交互还不是很会]**
第一章 课程导读
第二章 数据清洗之常用工具
第三章 数据清洗之文件读写
3.看了Python面试100讲1,2讲
4.在pycharm调试成功基于TensorFlow的mnist lenet5
step1:run tensorflow_mnist_cs_keras.py（深度学习的整体代码思路可以参考这个文件）
step2:基于原本的lenet_testverification.py（读取的模型和测试图片是在Google的cola上）修改为【读取本地模型和图片】的lenet_testverification_local.py
注：测试图片是我自己从网上下载的。
本地:./XXX,即与代码是同一个文件夹
2020.02.20
1.练了pandas十页代码
2.边看视频边学CSDN数据清洗实战
第四章数据清洗之数据表处理
数据筛选
数据增加和删除
数据修改和查找
数据整理
层次化索引
3.课程深度学习之图像识别核心技术与案例实战
数据的获取与使用**??（里面的代码还没有看懂）**
数据采集
数据整理
数据增强
2020.02.21
1.边看视频边学CSDN数据清洗实战
第五章数据清洗之数据转换
日期格式数据处理
高阶函数处理
字符串数据处理
2.regression的视频
2020.02.22
1.边看视频边学csdn数据清洗实战
第六章数据清洗之数据统计
数据分组方法
聚合函数使用
分组对象与apply函数
透视图和交叉表
2.看完了gradient descent 视频
??Adagrad is the simplest adaptive gradient descent,
There will be more and more method of adaptive gradient descent.
the’adam’ is the most stable so far.
[I can try these gradient descent ,and then make a comparision of their performance.] Vanilla Gradient descent Adagrad…
**??尝试画一下下面的图 有提到sampling **
**??[体验一下feature scalling 的差别 要会画图]
2020.02.23
第七章 数据清洗之数据预处理
重复值处理
缺失值处理
2020.02.24
1.第七章 数据清洗之数据预处理
异常值处理
数据离散化
2.完成了gradient descent demo
？？试着把learning rate 调大
试着b 和w 特制化的learning rate
lr_b =0
lr_w =0
lr_b = lr_b +b_grad2
lr_w = lr_w+w_grad2
??【试着尝试不同的gradient descent】【里面的matplotlib还不能灵活应用】
3.看完
(1)Regression with gradient descent
(2) Why we need to learn machine learning
(3) next step for machine learning
(4) Where does the error come from
(5) Classification
2020.02.25
？？【尝试一下，logistic regression 里面function of goodness 用 Cross Entropy 以及Square Error 的区别 （李宏毅机器学习6logistic regression P12-P14）
？？ 2006 RBM initialization 去初始化参数的值（breakthrough），但是现在已经很多人不用了。帮助不是很大 重新再次对这个model感兴趣
？？Residual Net 论文
？？Can the structure be automatically determined?
E.g.Evolutionary Artificial Neural Networks 可以去查查看
？？安装Keras 编写视频程序
1.看完
(1)logistic regression and Multi-class Classificaition
(2)Introduction of Deep Learning
(3) Backpropagation
(4) "Hello word " of deep Learning
(5)keras 2.0
(6) Keras Demo
(7) tips for deep learning(finished half)
(8) cnn(finished half)
2020.02.26
1.看完视频
(1)cnn(finish completely)
(2) Meta learning -MAML(1_9)
Meta learning -MAML(2_9)
Meta learning -MAML(3_9)
Meta learning -MAML(4_9)
Meta learning -MAML(5_9)
Meta learning -MAML(6_9)
Meta learning -MAML(7_9)
Meta learning -MAML(8_9)
Meta learning -MAML(9_9)
(3)Meta-learning-Metric based(1)
Meta-learning-Metric based(2)
Meta-learning-Metric based(3)
2.下载Pytorch github PyTorchDosc
3.下载Pytorch 官方教程英文版
？？看一下
？？
？？
？？
？？MAML,first order approx是什么意思？
？？这里的implementation(下图)不太懂
？？去看一下 网址里面的视频
idea：
？？计算两张图片相似度（距离）参考
？？12 13PPT里面有关meta-learning的论文和项目
csdnhuizhu
发布了1 篇原创文章 · 获赞 0 · 访问量 44
私信
关注
标签：descent,2020.02,Meta,MAML,learning,日志,数据 来源： https://blog.csdn.net/csdnhuizhu/article/details/104403382