Home | 简体中文 | 繁体中文 | 杂文 | Github | 知乎专栏 | Facebook | Linkedin | Youtube | 打赏(Donations) | About
知乎专栏

第 9 章 AI 相关

目录

9.1. 什么是归一化?
9.1.1. 最小-最大 归一化(Min-Max Scaling)
9.2. 什么是残差
9.3. 网络模型的选择
9.4. 分类与标签
9.4.1. 二分类
9.4.2. 多分类
9.4.3. 多标签
9.4.4. 多任务分类
9.5. 向量数据处理
9.5.1. tokenizers
9.5.2. transformers
9.6. GPU
9.6.1. 检测显卡
9.6.2. 检测硬件
9.6.3. 安装CUDA开发包
9.6.4. 检验安装
9.6.5. pytorch 安装
9.6.6. NVIDIA cuDNN
9.7. NumPy
9.7.1. 随机数
9.7.2. 生成数列
9.7.3. 查看矩阵或者数组的维度
9.7.4. 数据类型
9.7.5. max
9.7.6. max
9.7.7. 显示矩阵
9.8. tensorflow
9.8.1. tensorboard
9.8.2. 加载模型
9.8.3. FAQ

9.1. 什么是归一化?

归一化是数据预处理中的一种常用技术,旨在将数据按比例缩放,使之落入一个小的特定区间,通常是[0, 1]或[-1, 1]。

9.1.1. 最小-最大 归一化(Min-Max Scaling)

计算方法

		
num = [2.5,3.5,0.5,1.5]

for n in num:
    result = (n-min(num))/(max(num)-min(num))
    print(round(result,4), end=' ')