E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
【啃书】《深度学习入门
深度学习入门
篇:PyTorch实现手写数字识别
这个问题通常作为
深度学习入门
的练习,因为
AI_Guru人工智能
·
2024-09-14 02:43
深度学习
pytorch
人工智能
首发文字,没有标题
就先说这几句吧,我该去
啃书
了…今日分读书打卡—《岛上书店》。
苏子是黑色的
·
2024-09-11 03:25
深度学习入门
:使用 PyTorch 构建和训练你的第一个神经网络
引言深度学习是机器学习的一个分支,它利用多层非线性处理单元(即神经网络)来解决复杂的模式识别问题。PyTorch是一个强大的深度学习框架,它提供了灵活的API和动态计算图,非常适合初学者和研究者使用。安装PyTorch确保安装了Python和pip。然后通过以下命令安装PyTorch:pipinstalltorchtorchvision导入库我们需要导入一些必要的库:importtorchimpo
Mr' 郑
·
2024-09-04 13:29
深度学习
pytorch
神经网络
02 使用 LSTM 进行时间序列预测
深度学习入门
:使用LSTM进行时间序列预测引言深度学习在时间序列预测中展现出了强大的能力,尤其是长短期记忆(LSTM)网络。本文将为深度学习初学者介绍如何使用LSTM网络进行时间序列预测。
柒 魅。
·
2024-09-03 15:39
时间序列预测
lstm
人工智能
rnn
【
深度学习入门
项目】一文带你弄清决策树(鸢尾花分类)
目录实验原理1.信息增益2.增益率3.基尼指数4.剪枝处理一、加载数据集二、配置模型三、训练模型四、模型预测五、模型评估六、决策树调参1.criterion2.max_depth实验原理决策树(decisiontree)是一种应用广泛的机器学习方法。顾名思义,决策树算法的表现形式可以直观理解为一棵树(可以是二叉树或非二叉树)。一棵决策树一般包含一个根节点、一系列内部节点和叶节点,一个叶节点对应一个
Better Rose
·
2024-08-24 03:07
深度学习
深度学习
决策树
分类
【嵌入式模块】步进电机使用总结
自动控制元件》,但是由于学时有限,讲到步进电机就不讲了,留下了一个小遗憾,导致需要使用步进电机时就有点懵,于是找了一篇博客,链接在这里,推荐具有电机知识(如直流电机,异步电机等)的朋友看,如果完全不懂,建议先
啃书
记录无知岁月
·
2024-03-29 09:44
#
嵌入式设备
嵌入式硬件
步进电机
吴恩达深度学习-L1 神经网络和深度学习总结
1.1
深度学习入门
我们只需要管理神经网络的输入和输出,而不用指定中间的特征,也不用理解它们究竟有没有实际意义。1.2简单的神经网络——逻
向来痴_
·
2024-02-20 07:26
深度学习
人工智能
2020.2.14感恩日记
4.感谢儿子,孜孜不倦滴
啃书
本,书
afab5b74f713
·
2024-02-20 02:35
图像分割——基于pytorch的牙齿分割
作为视觉基础任务的图像分割是大多数
深度学习入门
者的进一步学习,本文将用牙齿分割作为数据集,分享一下图像分割的训练内容。
苏俗
·
2024-02-14 04:35
计算机视觉实战
pytorch
人工智能
python
图像分类——基于pytorch的农作物病虫害检测
作为视觉基础任务的图像分类是大多数
深度学习入门
者的基础,本文将用包含33类的农作物病虫害数据集作为数据集,来过一遍图像分类任务的基本步骤。
苏俗
·
2024-02-14 04:05
计算机视觉实战
分类
pytorch
数据挖掘
人工智能
深度学习入门
指南
本文将为你提供一份
深度学习入门
指南,帮助你快速掌握深度学习的基本知识和应用技能。1.了解深度学习基本概念在开始深度学习之前,你需要了解一些基本概念,如神经网络、激活函数、损失函数、反向传播等。
白猫a~
·
2024-02-11 23:00
编程
深度学习
人工智能
深度学习入门
--参数的优化算法
1.梯度下降法(GradientDescent)梯度下降法的计算过程就是沿梯度下降的方向求解极小值,也可以沿梯度上升方向求解最大值。假设模型参数为θ\thetaθ,损失函数为J(θ)J(\theta)J(θ),损失函数关于参数的偏导数,也就是梯度为▽θJ(θ)\triangledown_\thetaJ(\theta)▽θJ(θ),学习率为α\alphaα,则使用梯度下降法更新参数为:梯度下降法目前
我只钓小鱼
·
2024-02-11 03:53
深度学习
晨间日记的奇迹9月5日
每日小计天气:晴心情:愉快身体:健康就寝:凌晨起床:6.10什么日子:纪念日、约定日之类:无今日摘要(MITS)最重要的三件事:完成工作,2小时集中
啃书
学习,完成1条短视频和文章创作发布理财、金钱总额:
春淇的故事
·
2024-02-10 21:47
第五届脑电
深度学习入门
班(训练营:2023.9.12~9.20)
茗创科技专注于脑科学数据处理,涵盖(EEG/ERP,fMRI,结构像,DTI,ASL,,FNIRS)等,欢迎留言讨论及转发推荐,也欢迎了解茗创科技的脑电课程,数据处理服务及脑科学工作站销售业务,可添加我们的工程师(微信号MCKJ-zhouyi或17373158786)咨询。★课程简介★脑电图(Electroencephalogram,EEG)是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映,包
茗创科技
·
2024-02-09 21:12
深度学习入门
笔记(九)自编码器
自编码器是一个无监督的应用,它使用反向传播来更新参数,它最终的目标是让输出等于输入。数学上的表达为,f(x)=x,f为自编码器,x为输入数据。自编码器会先将输入数据压缩到一个较低维度的特征,然后利用这个较低维度的特征重现输入的数据,重现后的数据就是自编码器的输出。所以,从本质上来说,自编码器就是一个压缩算法。自编码器由3个部分组成:编码器(Encoder):用于数据压缩。压缩特征向量(Compre
zhanghui_cuc
·
2024-02-09 08:57
深度学习笔记
深度学习
笔记
人工智能
深度学习入门
笔记(八)可以不断思考的模型:RNN与LSTM
8.1循环神经网络RNN之前学到的CNN和全连接,模型的输入数据之间是没有关联的,比如图像分类,每次输入的图片与图片之间就没有任何关系,上一张图片的内容不会影响到下一张图片的结果。但在自然语言处理领域,这就成了一个短板。RNN因此出现,它是一类用于处理序列数据的神经网络。其基本单元结构如下自底向上的三个蓝色的节点分别是输入层、隐藏层和输出层。U和V分别是连接两个层的权重矩阵。如果不考虑右边的棕色环
zhanghui_cuc
·
2024-02-09 08:56
深度学习笔记
深度学习
rnn
笔记
第四届脑电
深度学习入门
班(训练营:2023.7.4~7.12)
茗创科技专注于脑科学数据处理,涵盖(EEG/ERP,fMRI,结构像,DTI,ASL,,FNIRS)等,欢迎留言讨论及转发推荐,也欢迎了解茗创科技的脑电课程,数据处理服务及脑科学工作站销售业务,可添加我们的工程师(微信号MCKJ-zhouyi或17373158786)咨询。★课程简介★脑电图(Electroencephalogram,EEG)是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映,包
茗创科技
·
2024-02-09 05:48
Python 入门你要懂哪些?这篇文章总算讲清楚了
那么,你学Python是否遇到过:初学Python一脸懵,想要学习,却不知道学什么;网上有很多资料,但还是无法系统学习;没有时间
啃书
本?实操中遇到操作盲点?知识点堆砌,学了一堆还是记不住?
CSDN 程序人生
·
2024-02-08 23:51
python
编程语言
人工智能
大数据
数据分析
深度学习与计算机视觉:实例入门-第六章
给
深度学习入门
者的Python快速教程-番外篇之Python-OpenCV《深度学习与计算机视觉》全书网址:https://frombeijingwithlove.github.io…本篇原网址:https
javastart
·
2024-02-08 09:38
图象处理
深度学习
tensorflow
opencv2
阅读让生活更美好
我从小就迷恋“
啃书
”,阅读让我的生活多姿多彩。我最爱看书了,如果把家中两个大书橱的书倒出来,真有“排山倒海”之势,从少儿百科全书到中外名著,一应俱全。
佳琪很生气
·
2024-02-07 23:53
《
深度学习入门
:基于python的理论与实现》读书笔记
求梯度的函数:f是需要求梯度的函数,x是求梯度的点image.pngdefnumerical_gradient(f,x):h=1e-4#0.0001grad=np.zeros_like(x)#生成和x形状相同的数组foridxinrange(x.size):tmp_val=x[idx]#f(x+h)的计算x[idx]=tmp_val+hfxh1=f(x)#f(x-h)的计算x[idx]=tmp_v
莫里衰
·
2024-02-07 21:32
点点滴滴之浅见于两性问题一
图片发自App这几天的状态都是在
啃书
。而且是慢慢的啃。为什么呢?其一书烧
SELFDISCIPLINEH
·
2024-02-07 09:48
【
啃书
系列29】从林黛玉到哈姆雷特,我们来谈一谈会话与戏剧的交织迷离……
图片来自网络,感谢提供者今天,我为大家分享《72堂写作课》中,第57讲对话,第58讲戏剧,第59讲文章中的会话。壹、对话写叙述文时,为了情节发展,光描写人物的行为活动是不够的,我们还得描写他们的谈话,这就需要加入对话方式。什么叫对话呢?对话,就是两个以上的人物,在谈论某一事物的过程。一种方式是,作者在文章中,用短少的语言,很少甚至不描写人物的动作和神态,只是转述人物说的内容。比如,《红楼梦》中,黛
一享书香
·
2024-02-06 19:50
那个远方熟悉的你,和眼前陌生的自己,终究会在某一刻相遇,和解,才成为了我。
我想我是向往那种单纯的只顾学习的感觉的,而且从自己最近疯狂
啃书
的过程中,我慢慢找回了这种感觉,很平
斓歆yu
·
2024-02-06 02:52
深度学习入门
笔记(五)前馈网络与反向传播
接着上一节,本节讲解模型自我学习的数学计算过程究竟是怎么样的。5.1前馈网络一个最简单的前馈神经网络如图所示,对于每一个隐藏层,输入对应前一层每一个节点权重乘以节点输出值,输出则是经过激活函数(例如sigmoid函数)计算后的值。在这样的网络中,输入的数据x经过网络的各个节点之后,即可计算出最终的模型结果。这样就完成了一个最基本的前馈网络从输入到输出的计算过程。5.2反向传播在实际工作中这部分的内
zhanghui_cuc
·
2024-02-06 01:25
深度学习笔记
深度学习
笔记
人工智能
day2 持续阅读
图片发自App图片发自App最近很想在阅读方面得到一些灵感,整本书的阅读到底如何能更好地实践呢~这一切都还要走很多很多路吧~能和小陈老师一起
啃书
真好❥我会努力哒!听小陈老师的~不丧不丧!
zh要努力
·
2024-02-05 08:51
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
人工智能
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
深度学习
深度学习
数据挖掘
机器学习
神经网络
pytorch
(课程笔记)
深度学习入门
- 1 - OverView
一、机器学习算法的过程与结果1、首先要得到标签化数据集(DataSet),既然是标签化,那应该是监督学习模式,而且此处的数据集应该分化为训练用集(TrainSet)和测试用集(TestSet),训练用集用于训练最终的算法模型,而测试用集用于测试训练的算法模型是否性能良好,是否能满足实际需求;2、设置并给出机器学习的算法模型(Model);3、设置期望的损失函数(LossFcn)和优化器(Optim
牛顿第八定律
·
2024-02-05 05:55
深度学习入门笔记
笔记
深度学习
人工智能
深度学习入门
笔记(6)—— Logistic Regression
对比第三节中的Adaline和LogisticRegression,可以发现它们只有两点不同:1、激活函数,Adaline中的激活函数是恒等函数(线性),而LogisticRegression中的激活函数是Sigmoid函数(非线性);2、损失函数,Adaline中的损失函数是均方误差,而LogisticRegression中的损失函数则是交叉熵。Sigmoid函数如图所示,其值域为0到1,输入为
cnhwl
·
2024-02-05 05:55
深度学习入门笔记
深度学习
机器学习
逻辑回归
人工智能
python
《
深度学习入门
》学习笔记
原书:《
深度学习入门
:基于Python的理论与实现》文章目录前言第一章python入门列表字典类numpy广播第二章感知机第三章神经网络激活函数第四章神经网络的学习损失函数求梯度第五章误差反向传播法第六章与学习相关的技巧
YY_oot
·
2024-02-05 05:55
机器学习
深度学习
python
神经网络
人工智能
深度学习入门
笔记(三)常用AI术语
本节我们介绍一些深度学习领域常用的术语。训练确定模型中的参数的过程,我们就称为“训练”。Epoch遍历一遍训练数据就叫作“一个Epoch”。训练模型的时候,我们要告诉模型预计训练多少个Epoch,但这个值并不是固定的,因为并没有一个准确的Epoch数能一定能得到一个比较好的模型。我们有一个标准:模型训练的Epoch数必须要让模型达到一个收敛的状态。并且为了模型有更多的选择,我们可以让模型收敛后,再
zhanghui_cuc
·
2024-02-05 05:54
深度学习笔记
人工智能
深度学习
笔记
深度学习入门
笔记4 深度神经网络
多层感知器在之前的课程中,我们了解到,感知器(指单层感知器)具有一定的局限——无法解决异或问题,即线性不可分的问题。将多个单层感知器进行组合,就可以得到一个多层感知器(MLP——Multi-LayerPerceptron)结构。多层感知器包含输入层,一个或多个隐藏层以及一个输出层。每层的神经元与下一层进行完全连接。如果网络中包含一个以上的隐层,则称其为深度人工神经网络。说明:通常我们说的神经网络的
深度学习从入门到放弃
·
2024-02-04 16:03
深度学习笔记
神经网络
深度学习
人工智能
机器学习
算法
深度学习入门
笔记:第二章感知机
深度学习入门
笔记:第二章感知机笔记来源书籍:《
深度学习入门
:基于+Python+的理论与实现》文章目录
深度学习入门
笔记:第二章感知机前言为什么学习感知机2.1感知机是什么2.2简单逻辑电路2.2.1与门
维持好习惯
·
2024-02-04 16:03
深度学习
深度学习
笔记
人工智能
深度学习入门
学习笔记之——神经网络
神经网络上一章我们学习了感知机。关于感知机,既有好消息,也有坏消息。好消息是,即便对于复杂的函数,感知机也隐含着能够表示它的可能性。上一章已经介绍过,即便是计算机进行的复杂处理,感知机(理论上)也可以将其表示出来。坏消息是,设定权重的工作,即确定合适的、能符合预期的输入与输出的权重,现在还是由人工进行的。上一章中,我们结合与门、或门的真值表人工决定了合适的权重。神经网络的出现就是为了解决刚才的坏消
前丨尘忆·梦
·
2024-02-04 16:32
tensorflow深度学习
神经网络
深度学习
深度学习入门
笔记(二)神经元 激励函数 神经网络
声明:本文内容源自《白话深度学习与tensorflow》高扬卫峥编著一书读书笔记!!!神经网络:神经网络又称为人工神经网络(artificialneutralnetwork,ANN)。神经网络是一种人类由于受到生物神经细胞结构启发而研究出的一种算法体系神经元:如上图所示是一个最简单的神经元,有一个输入,一个输出。我们现在所使用的神经元通常有两个部分组成,一个是“线性模型”,另一个是“激励函数”。假
花落雨微扬
·
2024-02-04 16:32
神经网络
网络
深度学习
人工智能
机器学习
2021-11-06《
深度学习入门
》笔记(二)
第二章感知机感知机也是作为神经网络(深度学习)的起源的算法。因此,学习感知机的构造也就是学习通向神经网络和深度学习的一种重要思想。首先,感知机是什么?感知机接收多个输入信号,输出一个信号。上图是一个接收两个输入信号的感知机的例子。x1、x2是输入信号,y是输出信号,w1、w2是权重(w是weight的首字母)。图中的⚪称为“神经元”或者“节点”。输入信号被送往神经元时,会被分别乘以固定的权重(w1
新手小嵩
·
2024-02-04 16:02
深度学习系列笔记
深度学习
神经网络
人工智能
深度学习入门
笔记(二)神经元的结构
神经网络的基本单元是神经元,本节我们介绍神经元的结构。2.1神经元一个神经元是由下面5部分组成的:输入:x1,x2,…,xk。权重:w1,w2,…,wk。权重的个数与神经元输入的个数相同。偏移项:可省略。激活函数:一般都会有,根据实际问题也是可以省略的。输出。2.2激活函数激活函数有很多种,不同的激活函数适用于不同的问题。二分类问题我们一般采用Sigmoid函数,多分类问题我们采用Softmax函
zhanghui_cuc
·
2024-02-04 16:30
深度学习笔记
深度学习
笔记
人工智能
【面试】零基础自学Java路线及课程推荐,适用各阶段人群
如果是纯小白,那么最推荐的就是视频课程,这种方式相比于博客来说更加系统,相比于直接去
啃书
本来说也更加易于理解(毕竟有老师的讲解,会相对通俗一点)。需要注
爱写代码的July
·
2024-02-03 08:10
面试
面试
java
开发语言
深度学习入门
笔记(七)卷积神经网络CNN
我们先来总结一下人类识别物体的方法:定位。这一步对于人眼来说是一个很自然的过程,因为当你去识别图标的时候,你就已经把你的目光放在了图标上。虽然这个行为不是很难,但是很重要。看线条。有没有文字,形状是方的圆的,还是长的短的等等。看细节。纹理、颜色、方向等。卷积神经网络就是对上述过程的程序实现。7.1卷积卷积在卷积神经网络中的主要作用是提取图片的特征,同时保留原来图片中各个像素的相对位置(空间)关系。
zhanghui_cuc
·
2024-02-03 03:03
深度学习笔记
深度学习
笔记
cnn
深度学习入门
笔记(八)实战经验
前面几节介绍了很多理论,难免会好奇:理论如何与实战结合呢?本节我们就穿插一点实战经验,来换换脑子~1.显卡warmup进行深度学习训练和推理时,往往第一次运行的耗时比较高,这是因为显卡需要warm-up,就是“热身”,才能发挥出显卡的性能。关于热身,个人理解,显卡开始工作时控制单元需要对资源进行调度,例如分配warp等。这些应该都是在第一次推理的时候进行。类似的,举个栗子,在F1比赛中,每场赛车的
zhanghui_cuc
·
2024-02-03 03:03
深度学习笔记
深度学习
笔记
性能优化
深度学习入门
笔记(六)线性回归模型
本节,我们用线性回归为例子,回顾一些基本概念6.1相关性相关性的取值范围是-1到1,越接近1或者-1代表越相关,越接近0则越不相关。相关系数大于0称为正相关,小于0称为负相关。假如A与B正相关,则是说A(B)会随着B(A)的增大而增大,减小而减小。假如A与B负相关,则是说A(B)会随着B(A)的增大而减小,减小而增大。皮尔逊系数就是常用的相关性方法。6.2什么是线性回归顾名思义,就是用一种线性关系
zhanghui_cuc
·
2024-02-03 03:02
深度学习笔记
深度学习
笔记
线性回归
深度学习入门
笔记(四)函数与优化方法
深度学习有三大部分模型表征(包括模型设计、网络表示等)模型评估(上一篇文章提到的准确召回和损失函数等)优化算法(模型如何学习或更新)本节我们就来介绍模型是如何学习或更新的。4.1损失函数模型的学习,实际上就是对参数的学习。参数学习的过程需要一系列的约束,这个约束就是损失函数。以函数曲线拟合为例,对于每一个样本点,真实值和拟合值之间就存在了一个误差,我们可以通过一个公式来表示这个误差:L(x)=(F
zhanghui_cuc
·
2024-02-03 03:30
深度学习笔记
深度学习
笔记
人工智能
如果可以回到过去
作为艺术生的我,过了一年
啃书
本的生活。我还是没有顶住压力,我还是败给了曾经的自己,最后上了一所普通的专科院校。浑浑噩噩上完大学,出来工作。这三年来,工作换了很多。网络销售,公司文员,老师。好像,
未来11的你
·
2024-02-02 23:47
深度学习入门
资料整理
-知乎
深度学习入门
基础讲义_shuzfan的博客-CSDN博客_
深度学习入门
神经网络15分钟入门!足够通俗易懂了吧-知乎深度学习基础知识点梳理-知乎
AI视觉网奇
·
2024-02-02 13:13
应该看的算法
深度学习基础
深度学习入门
文字
15岁,对爱情懵懂的年龄,却在作者的字里行间,感觉到了文字的魅力,也感受着爱情的芬芳,因为文字的吸引,我通过各种途径找寻了琼瑶的所有作品,那时经常为了读一本书,废寝忘食,甚至有时还会躲在被窝里举着电筒
啃书
3251c2f9722d
·
2024-02-01 19:43
俊男靓女为什么走不到一起?
你有没有试过,当你天天熬夜
啃书
,踏踏实实复习备考,考试成绩出来了,作弊的比你考得还好?而你知道他根本就没有学习过?
保持渴望
·
2024-01-30 19:19
周六大白话
我跟她说,其实,即使是忙碌的时期过期,整个公司也不是聊天和闲谈的氛围,大家都是抱着书本
啃书
,或者带着耳
考试路上
·
2024-01-29 10:34
爆发式的复习
真的真的是
啃书
也不为过!!!真实的复习情况自我感觉就是那种不到临头不会慌,一到考试那就是潜力完全爆发,连自己都会惊讶原来自己那么能学,那么厉害!
05f4deee4436
·
2024-01-28 14:14
[笔记]
深度学习入门
基于Python的理论与实现(六)
6.与学习相关的技巧6.1参数的更新神经网络学习的目的是找到使损失函数尽可能小的参数,这个过程叫最优化_(optimization_),但是由于神经网络的参数空间复杂,所以很难求最优解.前几章,我们使用参数的梯度,沿梯度的反向更新参数,重复多次,从而逐渐靠近最优参数,这个过程称为随机梯度下降_(stochasticgradientdescent_),简称SGD6.1.1探险家的故事6.1.2SGD
飞鸟malred
·
2024-01-28 10:02
ai
笔记
深度学习
python
上一页
1
2
3
4
5
6
7
8
下一页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他