《深度学习》吴恩达

深度神经网络的训练过程,深度神经网络如何训练

优就业的深度学习多久能学完，学完能达到什么样的程度？
小浣熊的技术·2024-02-05 19:39

温州大学《深度学习》课程课件（七、卷积神经网络基础）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。
风度78·2024-02-05 19:05

温州大学《深度学习》课程课件（八、深度卷积神经网络）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。
风度78·2024-02-05 19:05

温州大学《深度学习》课程课件（十、人脸识别与神经风格迁移）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。
风度78·2024-02-05 19:05

温州大学《深度学习》课程课件（十一、序列模型）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。
风度78·2024-02-05 19:05

温州大学《深度学习》课程课件（一）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。
风度78·2024-02-05 19:04

温州大学《深度学习》课程课件（三、浅层神经网络）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。
风度78·2024-02-05 19:34

温州大学《深度学习》课程课件（四、浅层神经网络）

这学期我上的另一门课是本科生的《深度学习》，主要用的是吴恩达老师的《深度学习》视频课的内容。
风度78·2024-02-05 19:04

深度学习本科课程 实验5 循环神经网络

循环神经网络实验任务内容理解序列数据处理方法，补全面向对象编程中的缺失代码，并使用torch自带数据工具将数据封装为dataloader分别采用手动方式以及调用接口方式实现RNN、LSTM和GRU，并在至少一种数据集上进行实验从训练时间、预测精度、Loss变化等角度对比分析RNN、LSTM和GRU在相同数据集上的实验结果（最好使用图表展示）不同超参数的对比分析（包括hidden_size、batc
11egativ1ty·2024-02-05 19:31

常用的几种卷积神经网络介绍

【嵌牛鼻子】：深度学习神经网络【嵌牛提问】：什么
Shiki_3639·2024-02-05 19:43

Darknet yolov3 Makefile文件解析

文章目录1.darknetMakefile注释2.reference现在搞深度学习都在linux平台，经常遇到gcc手动编译的时候。
未完城·2024-02-05 19:20

ML：2-2-3 多分类问题multicalss

文章目录1.多分类问题的定义2.softmax3.神经网络的softmax输出【吴恩达机器学习65-67】1.多分类问题的定义classification问题可能的output大于2种。
skylar0·2024-02-05 18:34

毕业设计：基于深度学习的车辆违停检测系统 人工智能 机器视觉 目标检测

目录前言项目背景设计思路数据集模型训练更多帮助前言大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备,一边要为毕业设计耗费大量精力。近几年各个学校要求的毕设项目越来越难,有不少课题是研究生级别难度的,对本科同学来说是充满挑战。为帮助大家顺利通过和节省时间与精力投入到更重要的就业和考试中去,学长分享优质的选题经验和毕设项目与技术思路。对毕设有任何疑问都可以问学长哦!大家
Mini_hailang_IT·2024-02-05 17:29

深度学习GPU的环境太乱？从头配置环境：理解+实操

深度学习CUDA环境太乱？环境配置：理解+实操小白关于环境配置的一点理解0.装环境之前你需要知道有关CUDA的事进一步理解（optional）如何查看你当前的GPU型号？
Deserve_p·2024-02-05 17:42

【架构论文】VELTAIR: Towards High-Performance Multi-tenant Deep Learning Services via Adaptive Compilation

摘要本文从调度粒度、代码生成等方面系统分析了在通用CPU架构上提供多租户深度学习服务的机遇和挑战。我们提出了一种自适应粒度调度方案，既能保证资源使用效率，又能降低调度冲突率。
Destiny·2024-02-05 16:52

周记：2019第26周(6.24-6.30）

，一个产品说明书，2个专利交底书2学习：《DeepLearning》7/20(chapters）看完第7章（RegularizationforDeepLearning），这章和下一章讲的优化方法应该是深度学习最重要的理论基础了
孙文辉已被占用·2024-02-05 15:48

为什么ECS更适合深度学习，而轻量型不适合，而且他们说ECS适合集群部署，轻量型为什么就不适合

计算能力和资源配置：深度学习任务通常需要大量的计算资源和内存，以处理复杂的模型和大规模的数据集。ECS服务器提供了更丰富的实例规格和可选的计算性能，可以满足深度学习任务的高要求。
Fairy要carry·2024-02-05 14:23

时间序列预测 —— ConvLSTM 模型

时间序列预测——ConvLSTM模型时间序列预测是一项重要的任务，ConvLSTM（卷积长短时记忆网络）是深度学习领域中用于处理时序数据的强大工具之一。
Persist_Zhang·2024-02-05 14:59

（5）【Python/机器学习/深度学习】Machine-Learning模型与算法应用—12种聚类算法说明与归纳

目录一、12种聚类(无监督学习)算法说明和区分比较聚类算法的类型（一）编辑导入函数库加载数据集编辑(1)K-Means--Centroidmodels(2)Mini-BatchK-Means--Centroidmodels(3)AffinityPropagation(Hierarchical)--Connectivitymodels(4)MeanShift--Centroidmodels聚类后如何
代码骑士·2024-02-05 13:12

Windows配置深度学习环境(从查询合适的torch版本开始)——torch+CUDA+cuDNN

这里基于读者已经有使用Python的相关经验，就不介绍Python的安装过程。win10+mx350+Python3.7.4+CUDA11.4.0+cudnn11.4torch1.11.0+cu113torchaudio0.11.0torchvision0.12.0+cu113一、首先查看我们使用的Python版本一般来说在命令行界面输入python就可以了解python版本。也可以使用如下代码查
学习BigData·2024-02-05 13:31

1-3 动手学深度学习v2-线性回归的从零开始实现-笔记

手动创建训练数据集根据带有噪声的线性模型构造一个人造数据集。我们使用线性模型参数w=[2,−3.4]T\pmb{w}=[2,-3.4]^{T}w=[2,−3.4]T、b=4.2b=4.2b=4.2和噪声项ϵ\epsilonϵ生成数据集及其标签：y=Xw+b+ϵ\pmb{y}=\pmb{Xw}+b+\epsilony=Xw+b+ϵ%matplotlibinline#在plot的时候，默认嵌入到not
Alkali！·2024-02-05 13:57

深度学习-随机梯度下降

%matplotlibinlineimportmathfrommxnetimportnp,npxfromd2limportmxnetasd2lnpx.set_np()随机梯度更新在深度学习中，目标函数通常是训练数据集中每个样本的损失函数的平均
白云如幻·2024-02-05 12:10

Python 处理小样本数据的文档分类问题

然而，直接在这里编写一个完整的深度学习文档分类代码超出了这个平台的限制，但我可以为你提供一个基本的思路和简单示例，你可以根据这个思路进一步研究并实现。
田猿笔记·2024-02-05 11:50

深度学习系列56：使用whisper进行语音转文字

1.openai-whisper这应该是最快的使用方式了。安装pipinstall-Uopenai-whisper，接着安装ffmpeg，随后就可以使用了。模型清单如下：第一种方式，使用命令行：whisperjapanese.wav--languageJapanese--modelmedium另一种方式，使用python调用：importwhispermodel=whisper.load_mode
IE06·2024-02-05 11:40

互联网加竞赛 基于深度学习的水果识别 设计 开题 技术

1前言Hi，大家好，这里是丹成学长，今天做一个基于深度学习的水果识别demo这是一个较为新颖的竞赛课题方向，学长非常推荐！
Mr.D学长·2024-02-05 11:40

深度学习本科课程 实验4 卷积神经网络

二维卷积实验1.1任务内容手写二维卷积的实现，并在至少一个数据集上进行实验，从训练时间、预测精度、Loss变化等角度分析实验结果（最好使用图表展示）（只用循环几轮即可）使用torch.nn实现二维卷积，并在至少一个数据集上进行实验，从训练时间、预测精度、Loss变化等角度分析实验结果（最好使用图表展示）不同超参数的对比分析（包括卷积层数、卷积核大小、batchsize、lr等）选其中至少1-2个进
11egativ1ty·2024-02-05 11:36

【PyTorch][chapter 14][李宏毅深度学习][Word Embedding]

前言：这是用于自然语言处理中数据降维的一种方案。我们希望用一个向量来表示每一个单词.有不同的方案目录：one-hotEncodingword-class词的上下文表示count-basedperdition-basedCBOWSkip-GramwordEmbedding词向量相似度一one-hotEncoding假设英文有10万个单词，那每个单词用1个10万维的one-hot编码表示。其中只有1个
明朝百晓生·2024-02-05 11:06

（6）【Python/机器学习/深度学习】Machine-Learning模型与算法应用—使用Adaboost建模及工作环境下的数据分析整理

目录一、为什么要使用Adaboost建模？二、泰坦尼克号分析（工作环境）（插曲）Python可以引入任何图形及图形可视化工具三、数据分析四、模型建立1、RandomForestRegressor预测年龄2、LogisticRegression建模引入GridSearchCV引入RandomizedSearchCV3、DecisionTree建模4、RandomForest建模FeatureImpo
代码骑士·2024-02-05 10:53

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（一）

他们将这种技术称为“深度学习”。深度神经网络是我们大脑皮层的（非常）简化模型，由一
绝不原创的飞龙·2024-02-05 10:51

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（四）

原文：Hands-OnMachineLearningwithScikit-Learn,Keras,andTensorFlow译者：飞龙协议：CCBY-NC-SA4.0第二部分：神经网络和深度学习第十章：
绝不原创的飞龙·2024-02-05 10:51

用Matlab 2015a svmtrain函数训练的SVM model在2021b无法使用的解决方法

背景与r2015a版本的Matlab相比，r2021b版本中包含更多集成好的算法模块（尤其是深度学习的模块），想把原来r2015a版本的代码升级到r2021b高版本的Matlab已经采用fitcsvm函数和
ChanMon·2024-02-05 10:27

挑战杯 python 机器视觉 车牌识别 - opencv 深度学习 机器学习

1前言优质竞赛项目系列，今天要分享的是基于python机器视觉的车牌识别系统学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：3分创新点：3分更多资料,项目分享：https://gitee.com/dancheng-senior/postgraduate1课题背景车牌识别其实是个经典的机器视觉任务了，通过图像处理技术检测、定位、识别车牌上的字符，实现计算机对车牌的智能管理功能。如今在
laafeer·2024-02-05 10:16

深度学习本科课程 实验1 Pytorch基本操作

一、Pytorch基本操作考察1.1任务内容使用初始化一个×的矩阵和一个×的矩阵，对两矩阵进行减法操作（要求实现三种不同的形式），给出结果并分析三种方式的不同（如果出现报错，分析报错的原因），同时需要指出在计算过程中发生了什么①利用创建两个大小分别×和×的随机数矩阵和，要求服从均值为0，标准差0.01为的正态分布；②对第二步得到的矩阵进行形状变换得到的转置^；③对上述得到的矩阵和矩阵$^$求矩阵相
11egativ1ty·2024-02-05 09:29

人工智能：破局与创新的较量，谁将主宰未来？

1.2深度学习与神经网络的创新深度学习作为AI的核心技术之一，其基于神经网络的算法在近年来得到了快速发展。从LeNet、AlexNet到ResNet，再到GPT、BERT等模
猫之角·2024-02-05 09:14

Pytorch: nn.dropout

Dropout是一种用于深度学习模型的正则化技术，旨在减少模型对特定训练样本的过度拟合。其主要作用包括：减少过拟合：Dropout阻止神经网络对某些特定输入值过度依赖，从而提高模型的泛化能力。
湫兮之风·2024-02-05 09:31

ddddocr验证码识别模块

ddddocr验证码识别模块简介ddddocr是一个基于深度学习的OCR（OpticalCharacterRecognition，光学字符识别）工具，主要用于中文场景文字识别。
林小果1·2024-02-05 08:10

探索深度学习的边界：使用 TensorFlow 实现高效空洞卷积（Atrous Convolution）的全面指南

空洞卷积（AtrousConvolution），在TensorFlow中通过tf.nn.atrous_conv2d函数实现，是一种强大的工具，用于增强卷积神经网络的功能，特别是在处理图像和视觉识别任务时。这种方法的核心在于它允许网络以更高的分辨率捕获图像信息，同时不增加额外的计算负担。标准卷积网络通过过滤器逐步减少图像的空间分辨率，以提取重要的特征。然而，这种方法会损失一些细节信息，这在一些任务中
程序员Chino的日记·2024-02-05 08:28

探索边缘计算的未来：MobileNetV3Small及其在高效图像处理中的创新应用

引言在不断发展的计算机视觉和深度学习领域中，对于更高效、更强大的神经网络的追求从未停止。
程序员Chino的日记·2024-02-05 08:55

《动手学深度学习(PyTorch版)》笔记7.2

注：书中对代码的讲解并不详细，本文对很多细节做了详细注释。另外，书上的源代码是在JupyterNotebook上运行的，较为分散，本文将代码集中起来，并加以完善，全部用vscode在python3.9.18下测试通过，同时对于书上部分章节也做了整合。Chapter7ModernConvolutionalNeuralNetworks7.2NetworkUsingBlocks:VGGimportmat
南七澄江·2024-02-05 08:20

《动手学深度学习(PyTorch版)》笔记7.1

注：书中对代码的讲解并不详细，本文对很多细节做了详细注释。另外，书上的源代码是在JupyterNotebook上运行的，较为分散，本文将代码集中起来，并加以完善，全部用vscode在python3.9.18下测试通过，同时对于书上部分章节也做了整合。Chapter7ModernConvolutionalNeuralNetworks7.1DeepConvolutionalNeuralNetwork:
南七澄江·2024-02-05 08:45

深度学习在智能交互中的应用：人与机器的和谐共生

深度学习与人类的智能交互是当前人工智能领域研究的热点之一。深度学习作为机器学习的一个重要分支，具有强大的特征学习和模式识别能力，可以模拟人脑的神经网络进行数据分析和预测。
wd90119·2024-02-05 08:37

为什么OpenAI会如此成功？

OpenAI之所以能够成功，可以归因于以下几个关键因素：创新研究与技术突破：OpenAI自成立以来就专注于人工智能领域的前沿研究，尤其是在自然语言处理（NLP）和深度学习领域。
科学禅道·2024-02-05 06:16

继续PyTorch！

PyTorch深度学习框架继承了Torch的动态计算图（DynamicComputationalGraph）的核心特性，这意味着在PyTorch中，模型的结构和计算流程可以在运行时动态地构建、修改和执行
科学禅道·2024-02-05 06:15

【读书笔记】为什么要开展小学数学深度学习

深度学习的过程是师生共同成长的过程。
A_thinker·2024-02-05 06:52

深度学习基础之-3.3线性二分类的神经网络实现

线性二分类的神经网络实现提出问题回忆历史，公元前206年，楚汉相争，当时刘邦项羽麾下的城池地理位置如下：0.红色圆点，项羽的城池1.绿色叉子，刘邦的城池其中，在边界处有一些红色和绿色重合的城池，表示双方激烈争夺的拉锯战。样本序号123…119经度相对值0.0254.109…7.767纬度相对值3.4088.012…1.8721=汉,0=楚110…1问题：经纬度相对值为(5,1)时，属于楚还是汉？经
SusanLovesTech·2024-02-05 06:43

神经网络 | 基于 CNN 模型实现土壤湿度预测

通过深度学习技术，特别是卷积神经网络，我们可以利用过去的土壤湿度数据来预测未来的湿度趋势。
半亩花海·2024-02-05 05:38

【自然语言处理】P4 神经网络基础 - 激活函数

激活函数为什么深度学习需要激活函数？博主认为，最重要的是引入非线性。神经网络是将众多神经元相互连接形成的网络。如果神经元没有激活函数，那么网络模型都将退化成为线性模型，从而失去了处理非线性问题的能力。
脚踏实地的大梦想家·2024-02-05 05:07

机器人抓取中的混淆概念

虽然端到端的方法通常使用神经网络或其他深度学习模型，但并不是所有基于经验的方法都不使用神经网络。实际上，一些传统的基于经验的方法可能会结合神经网络或其他机器学习技术，以更好地适应复杂的抓取任务。
cocapop·2024-02-05 05:06

深度学习入门（鱼书）

学习笔记第3章神经网络3.1从感知机到神经网络3.1.1神经网络的例子图3-1中的网络一共由3层神经元构成，但实质上只有2层神经元有权重，因此将其称为“2层网络”。请注意，有的书也会根据构成网络的层数，把图3-1的网络称为“3层网络”。本书将根据实质上拥有权重的层数（输入层、隐藏层、输出层的总数减去1后的数量）来表示网络的名称。3.1.2复习感知机3.1.3激活函数登场刚才登场的h（x）函数会将输
weixin_42963026·2024-02-05 05:56

深度学习入门笔记（1）——什么是深度学习？

深度学习入门笔记（1）——什么是深度学习？
ZRX_GIS·2024-02-05 05:56
上一页 22 23 24 25 26 27 28 29 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他