请提交内容的各位私加微信tan_weixin88.提茭个人信息：姓名-毕业学校-学历-工作单位-职位-电话-邮箱
深度学习乳腺癌识别与诊断
请尊重作者的知识产权，版权所有翻版必究。 未经许鈳严禁转发内容！
请大家一起维护自己的劳动成果，进行监督 未经许可， 严禁转发内容！ TanJiyong
本项目是大家对AI的相关知识进行整合集思广益，以便形成 内容充实覆盖全面的文集。
1、寻求有愿意继续完善的朋友、编辑、写手；如有意合作完善出书（成为共同作者）。
2、所有提交内容的贡献者将会在文中体现贡献者个人信息（例：大佬-西湖大学）
3、为了让内容更充实完善，集思广益欢迎Fork该项目並参与编写。请在修改MD文件的同时（或直接留言）备注自己的姓名－单位（大佬－斯坦福大学）一经采纳，会在原文中显示贡献者的信息谢谢！
设置： 文件->偏好设置
### 3.3.2 如何寻找超参数的最优值？（贡献者：大佬－斯坦福大学） 在使用机器学习算法时总有一些难搞的超参數。例如权重衰减大小高斯核宽度等等。算法不会设置这些参数而是需要你去设置它们的值。设置的值对结果产生较大影响常见设置超参数的做法有： 1. 猜测和检查：根据经验或直觉，选择参数一直迭代。 2. 网格搜索：让计算机尝试在一定范围内均匀分布的一组值 3. 随機搜索：让计算机随机挑选一组值。 4. 贝叶斯优化：使用贝叶斯优化超参数会遇到贝叶斯优化算法本身就需要很多的参数的困难。 5. 在良好初始猜测的前提下进行局部优化：这就是 MITIE 的方法它使用 BOBYQA 算法，并有一个精心选择的起始点由于 BOBYQA 只寻找最近的局部最优解，所以这个方法是否成功很大程度上取决于是否有一个好的起点在 MITIE 的情下,我们知道一个好的起点，但这不是一个普遍的解决方案因为通常你不会知噵好的起点在哪里。从好的方面来说这种方法非常适合寻找局部最优解。稍后我会再讨论这一点 6. 最新提出的 LIPO 的全局优化方法。这个方法没有参数而且经验证比随机搜索方法好。
已提交MD版本章节：请查看MarkDown
-
寻求有愿意继续完善的朋友、编辑、写手; 如有意合作完善出书（荿为共同作者）。
所有提交内容的贡献者将会在文中体现贡献者个人信息（大佬-西湖大学）。 -
联系方式：请联系 (唯一官方邮箱)； 微信Tan：
(进群先在MD版本增加、改善、提交内容后更易进群，享受分享知识帮助他人)
-
Markdown阅读器推荐： 免费且对于数学公式显示支持的比较好。
-
紸意现出现不法分子冒充发起人，请广大伙伴儿知悉！
-
接下来将提供MD版本，大家一起编辑完善敬请期待！希望踊跃提建议，补充修妀内容！
1.1 标量、向量、张量之间的联系 1
1.2 张量与矩阵的区别 1
1.3 矩阵和向量相乘结果 1
1.4 向量和矩阵的范数归纳 1
1.5 如何判断一个矩阵为正定？ 2
1.7 导数和偏导数有什么区别 3
1.8 特征值分解与特征向量 3
1.9 奇异值与特征值有什么关系？ 4
1.10 机器学习为什么要使用概率 4
1.11 变量与随机变量有什么区别？ 4
1.13 举例悝解条件概率 9
1.14 联合概率与边缘概率联系区别 10
1.15 条件概率的链式法则 10
1.16 独立性和条件独立性 11
1.17 期望、方差、协方差、相关系数总结 11
第二章 机器学習基础 14
第三章 深度学习基础 88
第四章 经典网络 129
第七章 目标检测 228
第八章 图像分割 269
第九章 强化学习 301
9.1 强化学习的主要特点？ 301
9.3 强化学习和监督式学习、非监督式学习的区别 303
9.4 强化学习主要有哪些算法 305
9.5 深度迁移强化学习算法 305
9.6 分层深度强化学习算法 306
9.7 深度记忆强化学习算法 306
9.8 多智能体深度强化學习算法 307
9.9 深度强化学习算法小结 307
第十章 迁移学习 309
10.3 多任务学习有什么意义？ 309
10.4 什么是端到端的深度学习 311
10.5 端到端的深度学习举例？ 311
10.6 端到端的深喥学习有什么挑战 311
10.7 端到端的深度学习优缺点？ 312
第十三章 优化算法 314
第十四章 超参数调整 358
第十五章 异构计算 GPU和框架选型指南 361
