【啃书】《深度学习入门

深度学习入门基础CNN系列——填充（padding）与步幅（stride）

填充（padding）在上图中，输入图片尺寸为3×33\times33×3，输出图片尺寸为2×22\times22×2，经过一次卷积之后，图片尺寸为2×22\times22×2，经过一次卷积之后，图片尺寸变小。卷积输出特征图的尺寸计算方法如下（卷积核的高和宽分别为kh和kwk_h和k_wkh和kw）:Hout=H−kh+1Wout=W−kw+1H_{out}=H-k_h+1\\W_{out}=W-
心无旁骛~·2023-01-18 14:13

深度学习入门基础CNN系列——感受野和多输入通道、多输出通道以及批量操作基本概念

如果对卷积计算没有概念的可以看本博主的上篇文章深度学习入门基础CNN系列——卷积计算一、感受野（receptivefield）这里先给出概念，感受野：在卷积神经网络CNN中，决定某一层输出结果中一个元素所对应的输入层的区域大小
心无旁骛~·2023-01-18 14:13

深度学习入门基础CNN系列——卷积计算

卷积计算卷积是数学分析中的一种积分变换的方法，在图像处理中采用的是卷积的离散形式。这里需要说明的是，在卷积神经网络中，卷积层的实现方式实际上是数学中定义的互相关（cross-correlation）运算，与数学分析中的卷积定义有所不同，这里跟其他框架和卷积神经网络的教程保持一致，都使用互相关运算作为卷积的定义，具体的计算过程如图所示。互相关计算虽然卷积层得名于卷积（convolution）运算，但
心无旁骛~·2023-01-18 14:39

深度学习入门 实验part（上）

加载数据集原本的minist.py脚本进入到这一行之后一直报503错误，由于我对爬虫类了解不多，最后选择手动下载了minist数据集，再进行处理。直到这里算是数据加载完成了。三、神经网络pickle功能：这个功能可以将程序运行中的对象保存为文件。如果加载保存过的pickle文件，可以立刻复原之前程序中运行的对象。读取MINST中的数据不知道是不是sys.path.append(os.pardir)
Nismilesucc·2023-01-18 11:38

（day1）数字图像处理与机器视觉啃书随笔

（day1）数字图像处理与机器视觉啃书随笔文章目录（day1）数字图像处理与机器视觉啃书随笔一、BMP位图的结构二、灰度直方图1.归一化直方图2.灰度的线性变换3.灰度的对数变换4.灰度的伽马变换4.灰度的阈值变换一
akswyh·2023-01-18 10:10

深度学习（十四）：数据增强Data Augmentation

编程语言：Python参考资料：吴恩达老师的深度学习系列视频吴恩达老师深度学习笔记整理深度学习500问唐宇迪深度学习入门视频课程笔记下载：深度学习个人笔记完整版为什么要使用数据增强数据增强，也称数据扩充
打不死的小黑·2023-01-18 10:10

深度学习入门之数组转换图片不同方法比较

一、如何查看npz文件中的文件从网上下载的数据集是npz格式的，无法直接用解压程序打开，需要借助python查看。利用python查看其中的文件的程序如下：importnumpyasnpface_data=np.load('C:/Users/Lenovo/Desktop/eye_tracker_train_and_val.npz')print(face_data.files)运行该段程序，可以看到
NUAA_CJX·2023-01-18 01:44

深度学习_加法&乘法层的实现

参考书：深度学习入门：基于Python的理论与实现在深度学习中有一种高效计算权重参数梯度的方法----误差反向传播法。可以通过画计算图，来帮助理解误差反向传播法。
AI 黎明·2023-01-17 07:52

深度学习之CSPNet分析

深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。
tt丫·2023-01-16 09:04

深度学习入门---从配置环境开始--序言python配置

在windows下配置：win10，cpu开始默认安装了python3.7，但么有找到tensorflow，所以版本换3.6，pipinstalltensorflow但仍提示nomodule，进入python后，查看sys.path：输入命令>>importsys>>sys.path>>sys.path.append("安装路径\\Anaconda3\\Lib\\site-packages\\")
shxmx·2023-01-16 08:37

深度学习入门项目（Pytorch）

可以自己手动更改EPOCH和LR来使预测更佳准确importtorchimporttorch.nnasnnimporttorch.utils.dataasDataimporttorchvisionimportmatplotlib.pyplotaspltimportosimportcv2importtime#fromgoogle.colab.patchesimportcv2_imshowtis1=t
程序大牢·2023-01-16 08:36

深度学习入门：适合初学者的5个计算机视觉免费开源项目

用于图像字幕的开源计算机视觉项目你是否曾经希望过一些可以为你的社交媒体图像加字幕的技术，因为你和你的朋友都无法提出很酷的字幕。用于图像字幕的深度学习助你一臂之力。图像字幕是为图像生成文本描述的过程。它是计算机视觉和自然语言处理（NLP）的组合任务。计算机视觉方法有助于理解并从输入图像中提取特征。此外，NLP以正确的单词顺序将图像转换为文本描述。以下是一些有用的数据集，可帮助你使用图像字幕：1.CO
TSINGSEE·2023-01-16 08:04

gitchat训练营15天共度深度学习入门课程笔记(十三)

第7章卷积神经网络7.5CNN的实现7.6CNN的可视化7.6.1第1层权重的可视化7.6.2基于分层结构的信息提取7.7具有代表性的CNN7.7.1LeNet7.7.2AlexNet7.5CNN的实现CNN各层示意图：隐藏层：Convolution-ReLU-Pooling输出层的前一层：Affine-ReLU输出层：Affine-SoftmaxSimpleConvNet初始化：参数和函数：in
weixin_43114885·2023-01-16 08:21

gitchat训练营15天共度深度学习入门课程笔记(九)

第6章与学习相关的技巧6.1学习过程中参数更新最优化方法6.1.2SGD1.SGD的实现2.SGD的缺点6.1.4Momentum1.Momentum公式2.Momentum的实现6.1.5AdaGrad1.AdaGrad的公式2.AdaGrad的实现6.1.6Adam1.Adam的特点2.Adam的实现6.1.8基于MNIST数据集的更新方法的比较6.2权重初始值的设置方法6.2.2隐藏层的激活
weixin_43114885·2023-01-16 08:50

gitchat训练营15天共度深度学习入门课程笔记(十)

第6章与学习相关的技巧6.4正则化抑制过拟合的方法6.4.2权值衰减6.4.3Dropout6.5超参数的验证6.5.1验证数据6.5.2超参数的最优化6.5.3超参数最优化的实现6.4正则化神经网络发生过拟合的原因：模型拥有大量参数、表现力强训练数据少为了制造过拟合的神经网络来表现实验情况，选择了以下条件：训练数据：Minist数据集里的300（60000:300）个训练数据神经网络层数：7层隐
weixin_43114885·2023-01-16 08:50

gitchat训练营15天共度深度学习入门课程笔记(八)

第5章误差反向传播法5.4简单层的实现5.4.1乘法层的实现5.4.2加法层的实现5.5激活函数层的实现5.5.1ReLU层5.5.2Sigmoid层5.6Affine/Softmax层的实现5.6.1Affine层5.6.2批版本的Affine层5.6.3Softmax-with-Loss层5.7误差反向传播法的实现5.7.1神经网络学习的全貌图5.7.2对应误差反向传播法的神经网络的实现5.7
weixin_43114885·2023-01-16 08:50

斋藤康毅-深度学习入门 学习笔记五

ch误差反向传播法乘法和加法层的反向传播classAddLayer:def__init__(self):passdefforward(self,x,y):out=x+yreturnoutdefbackword(self,dout):dx=dout*1dy=dout*1returndx,dyclassMulLayer:def__init__(self):self.x=Noneself.y=Noned
Raymond_YP·2023-01-16 08:11

啃书-《机器学习实战》：Logistic回归

目录1.简介2.sigmoid函数3.基于最优化方法的最佳回归系数确定3.1梯度上升法3.2训练算法：使用梯度上升找到最佳参数3.3分析数据：画出决策边界3.4训练算法：随机梯度上升4.示例：从疝气病症预测病马的死亡率4.1准备数据：处理数据中的缺失值4.2测试算法：用Logistic回归进行分类总结假设现在有一些数据点，我们用一条直线对这些点进行拟合（该线称为佳拟合直线），这个拟合过程就称作回归
一根头发学一年·2023-01-15 17:27

语言模型——深度学习入门动手

语言模型一段自然语言文本可以看作是一个离散时间序列，给定一个长度为T的词的序列w1,w2,…,wT，语言模型的目标就是评估该序列是否合理，即计算该序列的概率：P(w1,w2,…,wT).本节我们介绍基于统计的语言模型，主要是n元语法（n-gram）。在后续内容中，我们将会介绍基于神经网络的语言模型。语言模型假设序列w1,w2,…,wT中的每个词是依次生成的，我们有P(w1,w2,…,wT)=∏t=
cwz2021·2023-01-15 10:48

PyTorch深度学习入门笔记（十一）神经网络池化层

我是雪天鱼，一名FPGA爱好者，研究方向是FPGA架构探索和数字IC设计。关注公众号【集成电路设计教程】，获取更多学习资料，并拉你进“IC设计交流群”。QQIC设计&FPGA&DL交流群群号：866169462。课程学习笔记，课程链接文章目录一、MaxPool2d简介二、代码演示一、MaxPool2d简介这一节讲解池化层。还是通过Pytorch官方文档来进行学习：打开torch.nn的poolin
雪天鱼·2023-01-15 07:58

深度学习入门(基于python实现)--第三章 神经网络 01

所看书籍为人民邮电出版社的深度学习入门，原作者[日]斋藤康毅#_*_coding:UTF-8_*_#文件名：neural_network_01.py#开发工具：PyCharmimportnumpyasnpimportmatplotlib.pylabasplt
zyhsna·2023-01-14 20:45

深度学习入门—基于Python的理论与实现（一）

本文参考书籍《深度学习入门—基于Python的理论与实现》Python入门Python内容均已书本内容来赘述，涵盖量小且不完全，建议初学者参考其他相关书籍或博客python教程进行学习。
kiukiu3·2023-01-14 20:14

【啃书】《深度学习入门 基于Python的理论与实现》第3章 神经网络

文章目录3.1从感知机到神经网络3.2激活函数3.43层神经网络的实现3.5输出层的设计神经网络的一个重要性质是它可以自动地从数据中学习到合适的权重参数。3.1从感知机到神经网络激活函数（activationfunction）的作用在于决定如何来激活输入信号的总和。3.2激活函数神经网络中经常使用的一个激活函数就是式（3.6）表示的sigmoid函数（sigmoidfunction）importn
凯旋16668·2023-01-14 20:13

000102感知机到神经网络

从感知机到神经网络学习深度学习入门的学习记录。总忘，记录。只记录各部分源码和少部分原理。
tryiiii·2023-01-14 20:11

深度学习入门（三）------- 阶跃函数和Sigmoid函数

引入了一个新概念叫阶跃函数，阶跃函数以0为界，输出从0切换为1（或者从1切换为0），它的值呈阶梯式变化，所以称为阶跃函数。它的图形代码就是：importnumpyasnpimportmatplotlib.pylabaspltdefstep_function(x):returnnp.array(x>0,dtype=np.int)x=np.arange(-5.0,5.0,0.1)y=step_func
程序员到程序猴·2023-01-14 20:39

深度学习入门（斋藤康毅）

第二章：感知机1、什么是感知机感知机就是一个算法,它可以接收多个输入信号,只输出一个信号.在神经元中,多个信号经过不同的权重输入到一个神经元中,输出的信号只有一个.当不同输入信号经过加权求和之后,得到的总和超过阈值时,这个神经元才会输出信号.具体的说,w是控制输入信号重要性的参数,而b是调整神经元倍激活的容易程度的参数。2、感知机可以实现基本的与,或,与非门，但是感知机不能实现异或门。3、单层感知
lp_oreo·2023-01-14 20:39

深度学习入门——用python从轮子开始造神经网络(1)

深度学习入门——用python从轮子开始造神经网络(1)作者：时棋前言由于作者水平问题，对深度学习的原理也给不出什么独到精妙的理解，本文单从实践角度试图让深度学习看起来简单一点。
Coder(小蓝).exploited·2023-01-14 20:39

深度学习入门——数值微分，求导数

#coding:utf-8importnumpyasnpimportmatplotlib.pylabasplt#------------------定义微分函数-------------------------------------------------------------defnumerical_diff(f,x):h=1e-04#0.0001利用极小值，但不能产生舍入误差return(
我是小杨我就这样·2023-01-14 10:15

深度学习入门之第三章 神经网络 一个fashion-mnist图像识别网络

前言我看书上介绍的是如果训练神经网络做图像识别的，正好之前在21个深度学习项目之中有用卷积神经网络做图像识别所以就介绍一下我之前写的吧！！！！！书上介绍的思想主要是使用mlp做前向神经网络但是现在mlp无论是在ImageRecognition还是GANs中,都没有卷积神经网络好，渐渐被淘汰了分享之前我碰到一个问题，代码是不会骗人的我们看看ImageRecognition和GANs之间的区别在Ima
YYLin-AI·2023-01-13 03:05

深度学习入门基础准备工作

这里写自定义目录标题1、如果台式机/笔记本上没有Nvidia控制面板，如何找NIVDIA控制面板？1.1如何查看Nivdia显卡对应的cuda版本pytorch安装教程根据问题2：'taskill-14216'不是内部或外部命令，也不是可运行的程序或批处理文件。又来一个新的问题：错误:没有找到进程"11984"---未解决！！！！。1、如果台式机/笔记本上没有Nvidia控制面板，如何找NIVDI
土豆娃potato·2023-01-12 14:48

深度学习入门初步

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习
jlqzzz·2023-01-12 10:51

深度学习入门篇——一、Pytorch环境配置（GPU：GeForce 940MX）

安装pytorch的几点注意事项：①确定你的电脑显卡是否支持cuda。可取网站查询：CUDAZone-LibraryofResources|NVIDIADeveloperhttps://www.geforce.com/hardware/technology/cuda/supported-gpus确保你的显卡驱动更新到最新，以保证能兼容最新版本的cuda。官方驱动|NVIDIA下载适用于GeForc
百草味的三只松鼠·2023-01-11 20:32

深度学习入门篇（一）：环境搭建(PyTorch+Anaconda3+CUDA+PyCharm )

一、环境软件介绍：PyTorch：是一个开源的Python机器学习库，基于Torch，底层由C++实现，应用于人工智能领域，如自然语言处理。它主要由Facebook的人工智能研究团队开发，并且被用于Uber的概率编程软件Pyro。PyTorch主要有两大特征：类似于NumPy的张量计算，可使用GPU加速；基于带自动微分系统的深度神经网络。它是一个核心模块，我们所应用的模型工程引用了这个库的接口，这
////M////·2023-01-11 20:00

深度学习入门 Ubuntu18.04 cuda cudnn conda pytorch

1安装cuda和cudnn1.1下载cuda为什么下载这个版本呢，因为pytorch需要cuda10.2或者11.3，稳妥一点10.2大部分程序都能跑。1.2安装cudasudobashcuda_10.2.89_440.33.01_linux.run注意：若报错Existingpackagemanagerinstallationofthedriverfound.Itisstronglyrecomm
Android_ros_web·2023-01-11 20:59

深度学习入门（二） 环境配置与预备知识

深度学习入门（二）预备知识与准备前言环境配置与预备知识一环境配置AnacondaJupyterPyTorch其他二数据操作2.1创建Tensor2.2操作算术操作索引改变形状线性代数2.3广播机制2.4
澪mio·2023-01-11 20:58

深度学习入门配置

目的：入门深度学习，配置环境参考教程：【包教包会】Anaconda+Cuda+Cudnn+TensorFlow+Pytorch+Pycharm+Win10深度学习环境配置与卸载，看这一个就够了_哔哩哔哩_bilibiliw问题：按照上述教程配置，遇到了一些问题，解决如下：a)CUDA默认版本问题。在系统安装了多个CUDA版本的情况下，在cmd中用nvcc-V查询到CUDA版本是最后安装的版本。（经
福东的笔记·2023-01-11 20:53

深度学习入门之cuda环境配置（3步解决）

Pytorch深度学习入门之cuda环境配置（3步解决）引言相信很多同学在开始入门深度学习时遭受配置环境的苦，笔者曾经也是，本教程也是笔记和同学摸索了挺久总结出来的。
homexjh·2023-01-11 20:19

机器学习与深度学习入门介绍1

1.机器学习（MachineLearning,ML)1.0基本概念：训练集，测试集，特征值，监督学习，非监督学习，半监督学习，分类，回归1.1概念：多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。1.2学科定位：人工智能(ArtificialIntellig
yaohuan2017·2023-01-11 19:42

深度学习入门（一） 深度学习简介

深度学习入门（一）深度学习简介前言深度学习简介特点小结参考文献前言核心内容来自博客链接希望大家多多支持作者本文记录用，防止遗忘深度学习简介目前，机器学习和深度学习应用共同的核心思想：“用数据编程”.通俗来说
澪mio·2023-01-11 19:40

深度学习入门系列（总结篇）

这一篇我们对从机器学习过渡到深度学习的入门篇做一个总结。深度学习分为深度神经网络和深度生成模型。其中，深度神经网络的基础是感知机算法（PLA），它是以错误驱动为思想的线性分类算法。在此基础上加上多层，就成了多层感知机（MLP），这是神经网络的基础模型，通常情况下深度神经网络（DNN）就是指MLP。如果层与层之间不再是单一的激活函数，而是用池化层和卷积层代替，就变成了卷积神经网络（CNN），为了解决
整得咔咔响·2023-01-11 19:39

机器学习与深度学习入门篇

一、机器学习1.机器学习是什么？机器学习是将无序数据转换为价值的方法。2.机器学习的价值从数据中抽取规律，并预测未来。3.机器学习的应用（1）分类问题图像识别、垃圾邮件识别。（2）回归问题股价预测、房价预测。（3）排序问题点击率预估、推荐。（4）生成问题图像生产、图像风格转换、图像文字描述生成。4.机器学习流程5.机器学习岗位职责（1）数据处理(采集+去噪)（2）模型训练(特征+模型)（3）模型评
沉浮一香蕉·2023-01-11 19:07

官方yoloV5开源代码注释，基本每个文件夹和模块都有注释

深度学习入门代码解读注释。YID:8919652073330172Jackiedan
「已注销」·2023-01-11 17:31

深度学习入门之ResNet食物图像分类

前言参加了华为一个小比赛第四届MindCon-爱（AI）美食–10类常见美食图片分类，本来想实践机器学习课程的知识，后来发现图像分类任务基本都是用神经网络做，之前在兴趣课上学过一点神经网络但不多，通过这样一个完整的项目也算入门了。代码仓库：https://github.com/fgmn/ResNet任务ResNet这里主要结合官方pytorch代码和B站视频6.2使用pytorch搭建ResNet
u小鬼·2023-01-11 10:24

深度学习入门指北——从硬件到软件

来源：AI研习社近日，RachelThomas在fast.ai上发布了一篇博文《Whatyouneedtododeeplearning》，他希望通过这篇文章回答一些深度学习入门者经常会问到的问题：什么样的电脑才能用来做深度学习
深度学习世界·2023-01-10 10:48

【深度学习】深度学习入门指北——从硬件到软件

作者：隔壁王大喵近日，RachelThomas在fast.ai上发布了一篇博文《Whatyouneedtododeeplearning》，他希望通过这篇文章回答一些深度学习入门者经常会问到的问题：什么样的电脑才能用来做深度学习
产业智能官·2023-01-10 10:17

【啃书】【阿里云天池大赛赛题解析】目录

算法与业务结合的开发步骤：业务理解->数据探索->特征工程->模型训练->模型验证->特征优化->模型融和。其中蕴含着模型的重构与参数的优化。实际业务场景应用机器学习，有不同的步骤，但分类不同。最初认为机器学习只有如下步骤：但经过阅读和认知的提升发现，建模过程实际上是个不断迭代的过程，归纳总结如下：业务理解：顾名思义，将业务场景转为抽象的表达，即目标是什么、数据在哪里、对结果如何评估；数据探索：数
八号线土著·2023-01-09 16:59

PyTorch深度学习入门笔记（九）卷积操作

课程学习笔记，课程链接学习笔记同步发布在我的个人网站上，欢迎来访查看。Pytorch的nn模块有ConvolutionLayers,有3种卷积操作，nn.Conv1d、nn.Conv2d、nn.Conv3d分别对应一维二维以及三维：注：在Pytorch官网文档左侧，有torch.nn和torch.nn.fuctional，torch.nn是对torch.nn.fuctional进行了一个封装，方便
雪天鱼·2023-01-09 13:08

读书笔记-深度学习入门之pytorch-第四章（含卷积神经网络实现手写数字识别）（详解）

1、卷积神经网络在图片识别上的应用（1）局部性：对一张照片而言，需要检测图片中的局部特征来决定图片的类别（2）相同性：可以用同样的模式去检测不同照片的相同特征，只不过这些特征处于图片中不同的位置，但是特征检测所做的操作是不变的（3）不变性：对于一张大图片，如果我们进行下采样，图片的性质基本保持不变2、全连接神经网络处理大尺寸图像的缺点：（1）首先将图像展开为向量会丢失空间信息；（2）其次参数过多效
ZDA2022·2023-01-09 13:38

深度学习入门笔记系列 ( 四 )

基于tensorflow的回归代码实现本系列将分为8篇。今天是第四篇。总是理论有些枯燥，今天来动手基于TF框架实现两个简单的案例，以小搏大熟悉一下整个过程。整体来说，训练神经网络分为3个步骤：定义神经网络的结构和前向传播的输出结果定义损失函数以及选择反向传播优化的算法生成会话（tf.Session)并在训练数据上反复运行反向传播优化算法现以直线拟合和回归拟合两个简单案例来熟悉以上3个步骤。1.直线
weixin_34015336·2023-01-09 11:32

深度学习入门 基于python理论和实践读书笔记（四）

第三章神经网络第五节输出层的设计神经网络可以用在回归和分类问题上面，我有一篇博客专门讲了这两个问题的区别，这里就不赘述了。恒等函数和softmax函数恒等函数顾名思义就是输入信号会原封不动的输出。softmax函数exp(x)表示ex，该式子表示输出层一共有n个输出，yk表示第k个输出信号。如果用python直接写中国公式的话，因为e1000将会溢出，所以需要进行改进。通过书上的推论可以证明在给自
怎么会有不写代码的小朋友呢·2023-01-09 11:23
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他