HW9作业九—Explainable AI任务介绍
本次作业分为两个部分，第一个部分使用了作业三的食物分类的model和dataset，第二个部分使用了作业七的BERT模型相关资料，第一部分要求使用Lime，Saliency Map，Smooth Grad，Filter Visualization，Integrated Gradients5种方法来解释，第二部分则要求使用Attention ...
作业六：Homework 6 - Generative Adversarial Network——使用GAN生成动漫人物脸This is the sample code for hw6 of 2022 Machine Learning course in National Taiwan University.
In this sample code, there are 5 section...
Introduction of Deep Reinforcement Learning (RL)强化学习强化学习与监督学习监督学习监督学习（supervised learning） 假设我们有大量被标注的数据，比如汽车、飞机、椅子这些被标注的图片，这些图片都要满足独立同分布，即它们之间是没有关联关系的。假设我们训练一个分类器，比如神经网络。为了分辨输入的图片中是汽车还是飞机，在训练过程中，需...
HW14什么是Life long learningLife long learning意思是终身学习，是指一直使用同一个神经网络去学习不同的任务。实现life long learning大致分为三方面：knowledge retention，knowledge transfer，model expansion。
为什么不让一个模型就学习一个任务，而是要让一个模型学习多个任务？如果是让一个模型...
NLP自监督学习各种任务上都可以做
Self-supervised Learning“自监督学习”数据本身没有标签，所以属于无监督学习；但是训练过程中实际上“有标签”，标签是“自己生成的”。把训练数据分为“两部分”，一部分作为作为“输入数据、另一部分作为“标注”。
BERT输入一排，输出一排，长度一致。输入换成语音也是一样的
BERT是一个transformer的Encoder，BERT可以...
class RNNEncoder(FairseqEncoder):def init(self, args, dictionary, embed_tokens): super().init(dictionary) self.embed_tokens = embed_tokens
self.embed_dim = args.encoder_embed_dim
self.hi...
Sequence to sequenceBatch NormalizationTransformerTransformer和Bert有很大联系
Sequence-to-sequence (Seq2seq)不知道output的长度，需要机器自行决定，例如语音辨识输入语音信号，输出是语音辨识的结果
语音合成语音辨识反过来就是语音合成
聊天机器人
NLP任务往往需要客制化模型
文法剖析
En...
HW11任务介绍
通过使用Domain Adaptation的方法将有label的真实照片（5000）来预测没有label的黑白的图案（100000）物体的类别。
训练数据来自GTA-5的街景，测试数据来自真实世界的街景，要求将Feat-A和Feat-B越接近越好
baseline
改进措施
Set proper λ in DaNN algorithm.
Training more...
HW12作业描述
Policy Gradient
123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354agent.network.train() # Switch network into training mode EPISODE_PER_BA...
MachineLearning介绍机器学习春季：https://speech.ee.ntu.edu.tw/~hylee/ml/2022-spring.php
学习计划
7月11日 Lecture 1:Introduction of Deep Learning
7月14日 Lecture 2:What to do if my network fails to train
7月17日 Lectu...
