机器学习 机器学习项目是如何开发和部署的 这周做作业查资料时，无意中看到一个GitHub项目ML-web-app，它以PyTorch训练MNIST文字识别模型为例，介绍了从模型训练到部署上线的整个流程。是非常好的学习项目！下图是效果图:
机器学习 如何用机器学习模型为十几亿数据预测性别 基于用户画像进行广告投放，是优化投放效果、实现精准营销的基础；而人口属性中的性别、年龄等标签，又是用户画像中的基础信息。那该如何尽量准确的为数据打上这些标签？
机器学习 哈工大版Dynamic-ReLU自适应参数化ReLU调参记录24Cifar109580 自适应参数化ReLU是一种动态激活函数，对所有输入不是“一视同仁”，在2019年5月3日投稿至IEEE Transactions on Industrial Electronics，2020年1月24日录用，2020年2月13日在IEEE官网公布。
机器学习 哈工大版Dynamic-ReLU自适应参数化ReLU调参记录23Cifar109547 自适应参数化ReLU是一种动态激活函数，对所有输入不是“一视同仁”，在2019年5月3日投稿至IEEE Transactions on Industrial Electronics，2020年1月24日录用，2020年2月13日在IEEE官网公布。
机器学习 GBDT用于回归和分类 提升(boosting)方法实际采用加法模型(即基函数的线性组合)与前向分步算法。以决策树为基函数的提升方法被称为提升树(boosting tree)。GBDT(Gradient Boosting Tree)最早由Friedman在论文《Greedy Function Approximation: A Gradient Boosting Machine》中提出，既可以用来解决分类问题（决策树为二叉分类树），也可以用…
机器学习 哈工大版Dynamic-ReLU自适应参数化ReLU调参记录22Cifar109525 自适应参数化ReLU是一种动态激活函数，对所有输入不是“一视同仁”，在2019年5月3日投稿至IEEE Transactions on Industrial Electronics，2020年1月24日录用，2020年2月13日在IEEE官网公布。
机器学习 哈工大版Dynamic-ReLU自适应参数化ReLU调参记录19Cifar109396 Adaptively Parametric ReLU是一种动态激活函数，对每个输入样本执行不同的操作，在2019年5月3日投稿至IEEE Transactions on Industrial Electronics，2020年1月24日录用，2020年2月13日在IEEE官网公布。
机器学习 哈工大版动态ReLUAdaptively-Parametric-ReLU调参记录14 Adaptively Parametric ReLU是一种动态ReLU（Dynamic ReLU），在2019年5月3日投稿至IEEE Transactions on Industrial Electronics，2020年1月24日录用，2020年2月13日在IEEE官网公布。
机器学习 哈工大版Dynamic-ReLU自适应参数化ReLU激活函数调参记录15 自适应参数化ReLU是一种动态ReLU（Dynamic ReLU）激活函数，在2019年5月3日投稿至IEEE Transactions on Industrial Electronics，2020年1月24日录用，2020年2月13日在IEEE官网公布。
机器学习 Adaptively-Parametric-ReLU哈工大提出的Dynamic-ReLU激活函数调参记录16 Adaptively Parametric ReLU是一种动态ReLU（Dynamic ReLU），在2019年5月3日投稿至IEEE Transactions on Industrial Electronics，2020年1月24日录用，2020年2月13日在IEEE官网公布。
