【啃书】《深度学习入门

深度学习入门（3）之使用Tensorflow深度学习框架训练MNIST数据集的简单代码

使用Tensorflow深度学习框架构建CNN卷积神经网络训练MNIST数据集的完整源码MNIST数据集MNIST数据集是从NIST的SpecialDatabase3（SD-3）和SpecialDatabase1（SD-1）构建而来。YannLeCun等人从SD-1和SD-3中各取一半数据作为MNIST训练集和测试集，其中训练集来自250位不同的标注员，且训练集和测试集的标注员完全不同。MNIST
yangjingcong·2022-12-10 13:28

深度学习入门 (九)：卷积层和池化层的实现

目录卷积神经网络CNN整体结构卷积层全连接层存在的问题卷积运算乘积累加运算偏置填充(padding)步幅(stride)小结：卷积层的输出特征图的大小3维数据的卷积运算结合方块思考卷积运算卷积运算的批处理1×11\times11×1卷积层与全连接层的相似性减小通道数(bottlenecklayer)池化层Max池化全局平均池化层(GlobalAveragePooling,GAP)池化层的特征卷积层
连理o·2022-12-10 11:38

深度学习入门 | Self-attention&RNN&LSTM

文章目录词汇转为向量，即WordEmbeddingcbowskip-gram声音讯号转为向量Self-attention提出背景Self-attention原理计算相关性self-attention计算过程self-attention和CNNRNNRNN两种网络类型（Jordannetwork和Elmannetwork）双向神经网络（BidirectionalRNN）LSTMLSTM解决了RNN什
933711·2022-12-10 11:36

深度学习入门之python图像模式（修改数组数据）

一、查看图像模式根据原论文《EyeTrackingforeveryone》，其中iTracker的网络输入有一个faceGrid，这个人脸掩模表征了头部在图像中的位置和大小信息。GazeCapture数据集中也准备好了这样的facemask图片。可以通过下面的程序，查看该样本的图像数据以及模式等信息：//加载npz文件path='C:/Users/Lenovo/Desktop/eye_tracke
NUAA_CJX·2022-12-09 20:40

【含时间路线】2022浙大博士整理计算机视觉学习路线图

这个学习路线图一共有16个模块，完整学完之后可以从入门到精通了：深度学习入门算法深度学习框架TensorFlow与pytorchOpenCV图像处理框架实战综合项目-物体检测YOLO实战图像分割实战行为识别实战
python圆圆·2022-12-09 14:33

解决dataset.mnist无法加载进去的情况

我在CSDN上找了很久没有具体的解决办法，后面我根据《深度学习入门：基于python的理论和实现》样例代码才找到解决方法。OK首先，进入网址下载文件图灵点击随书下载下载中间的源代码。
看星河的兔子·2022-12-09 06:48

啃书 《利用python进行数据分析》第七章数据清洗与准备

啃书《利用python进行数据分析》第七章数据清洗与准备文章目录啃书《利用python进行数据分析》第七章数据清洗与准备7.1处理缺失值7.1.1过滤缺失值dropna()7.1.2补全缺失值fillna
真是喵啊·2022-12-08 23:20

深度学习入门篇 | 常用的经典神经网络模型

**神经网络，是模拟生物神经网络进行信息处理的一种数学模型。**它以对大脑的生理研究成果为基础，其目的在于模拟大脑的某些机理与机制，实现一些特定的功能。神经网络是目前最火的研究方向深度学习的基础，本文将神经网络分成三个主要类别，并详细介绍了每个类别的主要神经网络模型，读完本文你将能迅速掌握常用的经典神经网络模型，属于深度学习的基础入门篇。一般来说，**神经网络可以分为三种主要类型：前馈神经网络、反
九章云极DataCanvas·2022-12-08 07:04

号主，深度学习入门学习笔记分享（附笔记实战代码）

点击上方“码农的后花园”，选择“星标”公众号精选文章，第一时间送达想当初自己也是一个深度学习和计算机视觉的小白，面对复杂的神经网络魔幻输出具体计算过程也是搔头抓耳，后来发现还是只有静下心来，好好啃一啃，不就是一堆计算公式吗，手动在纸上演算一遍，我总就能知道具体是怎么得到的.......真的弄不懂神经元是怎么输出预测的。。。。。下面是号主自己使用Tensorfkow2.0学习深度入门的学习笔记，分为
码农的后花园·2022-12-08 01:44

深度学习入门pdf_深度数学-《深度学习论文写作数学符号规范表示》免费pdf分享...

本简书介绍数学符号词汇和语法包含大量的符号。像字母表中的字母一样，它们可以用来形成单词，短语和句子，这些单词，短语和句子将构成数学公式表示的基础，比如下面这个例子：本书最新免费pdf下载地址：个人主页“私信”，回复关键字“math20”获取下载地址。不同的数学表达式之间，数学符号可以用于不同目的(例如，〜就像逻辑上的否定和三角形的相似性)，就像可以使用多个符号来描绘相同的概念或关系一样(例如，×和
weixin_39807859·2022-12-08 01:13

深度学习入门

深度学习入门–资源篇从2016年开始，深度学习开始崛起，最近几年见证了cv算法从机器学习到深度学习的大转变。这篇文章主要以分享资源为主，从机器学习到深度学习的入门资料。
西红柿爱吃小番茄·2022-12-08 01:12

深度学习入门 pdf 全文内容分享

深度学习入门-基于Python的理论与实现pdf分享pan.baidu.com/s/18Cu-hEIB-2m7IWQ7Z3nHfg?pwd=j9hy这本书是一本真正意义上的深度学习入门书。
MAIN198·2022-12-08 01:05

手撕ResNet50简易速学复现，深度学习入门必备+面试利器

参考资料：[1]ResNet手写代码实现[2]ResNet50复现笔记适合对象：对pytorch和torch.nn工具使用已经有一定的了解，对resnet框架和原理基本熟悉，本教程简单快速速通resnet全流程，帮助算法岗面试/进一步提高工程能力。本教程为微调其他大佬代码而来，完全按照论文中的参数配置，调通无bugResNet50参数配置:其中resnet50的每一个block结构如下图右所示：复
BRiAq·2022-12-07 22:18

NNDL实验 优化算法3D轨迹 鱼书例题3D版

代码源自：深度学习入门：基于Python的理论与实现(ituring.com.cn)2D版讲解：NNDL作业11：优化算法比较调整学习率等超参数，观察动画，可以加深对各种算法的理解。
HBU_David·2022-12-07 20:38

深度学习入门资料分类汇总（持续更新）

本文整理了一些适合深度学习零基础的学生的入门课程，后续发现好的资料还会继续更新。另外后面我也会找一些进阶教程的资源加进来。请根据需要自行选择学习内容，机器学习是基础课程，但是吴恩达的深度学习课程也会讲一些机器学习基础，不学机器学习也能看明白。机器学习资料入门课程-斯坦福CS229课程《统计学习方法》李航DeepLearning入门资料深度学习工程师微专业-一线人工智能大师吴恩达亲研-网易云课堂斯坦
刀客塔辛·2022-12-07 05:10

我的NVIDIA开发者之旅——深度学习入门之Anaconda搭建PyTorch GPU、CPU全教程

环境搭建（不必什么都要最新的）一.anaconda安装1.前言：先装Python还是先装Anaconda?装anaconda，就不需要单独装python了anaconda是一个python的发行版，包括了python和很多常见的软件库,和一个包管理器conda。2.下载AnacondaAnaconda官网这里选择清华大学镜像网安装，具体见这个网站的教程(官网进去太慢)建议直接安装在根目录下。老教程
[山青花欲燃]·2022-12-07 01:47

PyTorch深度学习入门笔记（五）Transforms的使用

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。文章目录一、Transforms的使用二、Tensor数据类型三、常见的Transforms总结一、Transforms的使用torchvision中的transforms主要是对图片进行一些变换。tranforms对应tranforms.py文件，里面定义了很多类，输入一个图片对象，返回经过处理的图片对象。transforms
雪天鱼·2022-12-06 18:00

深度学习入门笔记（一）二分分类、logistic回归

Itslikeafingerpointingawaytothemoon.Dontconcentrateonthefingeroryouwillmissallthatheavenlyglory.目录什么是二分类？符号解释logistic回归sigmoid函数logistic回归损失函数什么是二分类？有一组图片，里面有些是小猫咪，有些不是小猫咪。每张图片由64×64个像素组成，每个像素包含（红、绿、蓝
_CyberAngel·2022-12-06 13:03

深度学习入门学习笔记之——深度学习

深度学习深度学习是加深了层的深度神经网络。基于之前介绍的网络，只需通过叠加层，就可以创建深度网络。本章我们将看一下深度学习的性质、课题和可能性，然后对当前的深度学习进行概括性的说明。1、加深网络关于神经网络，我们已经学了很多东西，比如构成神经网络的各种层、学习时的有效技巧、对图像特别有效的CNN、参数的最优化方法等，这些都是深度学习中的重要技术。本节我们将这些已经学过的技术汇总起来，创建一个深度网
前丨尘忆·梦·2022-12-06 11:54

人工智能(机器学习)学习路线

人工智能(机器学习)学习路线2020-08-22二、人工智能新手入门学习路线和学习资源合集（含python/机器学习/深度学习/tensorflow）2020-04-09三、机器学习路线四、Python深度学习入门学习路线
码农小C·2022-12-06 06:28

深度学习入门路线图123

深度学习首选Python，Python已经成为深度学习主导性的编程语言。而且，现在许多主流的深度学习框架。例如PyTorch、TensorFlow也都是基于Python的。Anaconda作为Python的一个集成管理工具，它把Python相关数据计算与分析科学包都集成在了一起，省去了各个安装的麻烦，非常方便。而且，Anaconda自带了JupyterNotebook，JupyterNoteboo
海宝7号·2022-12-06 06:27

学神经网络需要什么基础,神经网络快速入门

《深度学习入门》（[日］斋藤康毅）电子书网盘下载免费在线阅读资源链接：链接:?
普通网友·2022-12-05 17:52

Python：十分基础的简要入门和补充鱼书中的numpy和matplotlib

最近在学习鱼书（深度学习入门），于是打算持续更新这个系列，由于自己有一定python基础，所以选择那些基础python没涉及到的东西摘抄并补充。
Rainbow-cocktail·2022-12-04 13:18

深度学习入门实战篇--详细注释解析恩培作品5

感谢恩培大佬对项目进行了完整的实现，并将代码进行开源，供大家交流学习。一、项目简介本项目最终达到的效果为检测屏幕面前的人是否在看电视。如下所示项目用python实现，调用opencv等库，由以下步骤组成：1、使用OpenCV读取摄像头视频流；2、识别面部关键点像素坐标；3、根据坐标计算脸的朝向，离屏幕的距离；4、根据朝向、距离判断孩子是否在看电视。二、代码详解"""!author:enpei!da
清华江同学·2022-12-04 04:17

卷积神经网络以LeNet网络为例的手写体识别

参考书目：Pytorch深度学习入门，作者：曾芃壹文章目录卷积神经网络卷积过滤器池化实战：手写体识别准备数据集torchvision构建LeNet模型训练函数模型保存、读取和测试功能函数训练前准备、数据加载
LiterMa·2022-12-03 18:09

pytorch深度学习入门之多层全连接神经网络

多层全连接神经网络——介绍篇前面一章我们简要介绍了神经网络的一些基本知识，同时也是示范了如何用神经网络构建一个复杂的非线性二分类器，更多的情况神经网络适合使用在更加复杂的情况，比如图像分类的问题，下面我们用深度学习的入门级数据集MNIST手写体分类来说明一下更深层神经网络的优良表现。MNIST数据集mnist数据集是一个非常出名的数据集，基本上很多网络都将其作为一个测试的标准，其来自美国国家标准与
谁陪你落日流年·2022-12-03 15:17

【深度学习入门笔记】CNN卷积神经网络 - LeNet具体实现及代码讲解

CNN卷积神经网络-LeNet具体实现及代码讲解本次笔记来源bilibili霹雳吧啦Wzpytorch官方demo(Lenet)个人github仓库：heisenbergCh/way-to-deep-learning:个人零基础自学深度学习时产生的笔记与示例代码参照官网demo定义LeNet网络结构完整代码：importtorch.nnasnnimporttorch.nn.functionalas
yijia7590jfz·2022-12-03 13:24

深度学习入门（1）

一、引言1.什么是神经网络图中输入为房子面积，输出为放假，小圆圈是神经元图中的函数为ReLU函数，即修正线性单元神经网络就是多个神经元连接在一起，如图：该图中输入为房子大小，卧室数量，邮政编码，家庭财富状况，输出为房价实际上，神经网络中，中间的”球球“并不是很清晰的，而是相对模糊，即每个球都受整个输入层所有输入的影响，而不是仅受特定输入的影响，如图：2.supervisedlearning①常见神
北白川家的氷菓·2022-12-03 12:31

深度学习入门（2）

七、计算机视觉1.卷积神经网络（CNN）①边缘检测（1）垂直边缘检测器：这个小矩阵成为filter（过滤器），有时也成为（卷积）核计算过程如下：原理：如图：（2）正边和负边与上面的对比，下面的这个明暗反了过来（3）横向边缘检测（4）sobelfilter和scharrfilter（可以增强鲁棒性）②padding使用①中的方法的弊端：（1）图片会越来越小，新的图片的维度为n-f+1（2）角落的像素
北白川家的氷菓·2022-12-03 12:31

(43)[CVPR16] YOLO(You Only Look Once): Unified, Real-Time Object Detection

计划完成深度学习入门的126篇论文第四十三篇，微软的RossGirshick及UW的学者研究ObejectDetection的模型。
gdtop818·2022-12-03 10:41

【深度学习】搭建类似LeNet-5网络识别Fashion-MNIST数据集(衣服，鞋子等)

本篇代码主要参考了《pytorch深度学习入门与实践
今天一定要洛必达·2022-12-02 19:59

深度学习入门（六） 图像分类数据集（MNIST）

深度学习入门（六）图像分类数据集（Fashion-MNIST）前言图像分类数据集（Fashion-MNIST）1获取数据集2读取小批量3整合所有组件前言核心内容来自博客链接1博客连接2希望大家多多支持作者本文记录用
澪mio·2022-12-02 19:27

python井字棋_python实现井字棋小游戏

实现井字棋小游戏，供大家参考，具体内容如下周五晚上上了python的选修课，本来以为老师是从python的基础语法开始的，没想到是从turtle画图开始，正好补上了我以前一些不懂的地方，有人讲一下还是比啃书好一点
weixin_39620578·2022-12-02 16:02

深度学习之常用模型评估指标（二）—— 回归问题

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·2022-12-02 15:50

一文搞懂pytorch数据结构

系列文章目录`第一章pytorch深度学习入门之pytorch数据结构的使用文章目录系列文章目录一、pytorch数据张量结构运算二、案例演示总结一、pytorch数据张量结构运算张量的索引切片方式和numpy
陈谦·2022-12-02 13:35

深度学习入门：使用tensorflow和Keras进行图像分类

我用#CSDN#这个app发现了有技术含量的博客，小伙伴们求同去《深度学习入门篇，简单的实例讲明白图像分类。》
dataloading·2022-12-02 13:39

Keras深度学习入门篇

Keras深度学习入门篇第一部分：机器学习基础一、机器学习的四个分支监督学习分类回归序列生成，给定一张图像，预测描述图像的文字语法树预测，给定一个句子，预测其分解生成的语法树目标检测，给定一张图像，在图中特定目标的周围画上一个边界框图像分割
東方海竹·2022-12-02 13:58

《深度学习入门--基于python的理论与实现》——斋藤康毅读书笔记

《深度学习入门--基于python的理论与实现》读书笔记（第二章）写在前面第二章：感知机2.1感知机是什么2.2简单的逻辑电路2.2.1与门（andgate）2.2.2与非门和或门2.3感知机的实现2.3.1
牛子未·2022-12-02 12:29

《深度学习入门：基于Python的理论与实现》读书笔记01：感知机

1.感知机:感知机接收多个输入信号，输出一个信号.感知机里面有个阈值2.把上述的cta换成-b，那么就表示偏置项。3.，使用感知机可以实现与门、与非门、或门三种逻辑电路。4.无法实现异或门。5，但是使用非线性，很容易就分开了：6，但是感知机有一个很妙的地方是可以叠加：用叠加就可以表示异或门：小结：
cc 提升ing 变优秀ing·2022-12-02 12:58

《深度学习入门：基于Python的理论与实现》读书笔记：第2章 感知机

目录第2章感知机2.1感知机是什么2.2简单逻辑电路2.2.1与门2.2.2与非门和或门2.3感知机的实现2.3.1简单的实现2.3.2导入权重和偏置2.3.3使用权重和偏置的实现2.4感知机的局限性2.4.1异或门2.4.2线性和非线性2.5多层感知机2.5.1已有门电路的组合2.5.2异或门的实现2.6从与非门到计算机2.7小结第2章感知机感知机是由美国学者FrankRosenblatt在19
feiwen110·2022-12-02 12:58

《深度学习入门：基于Python的理论与实现》读书笔记：第3章 神经网络

目录第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3.1.2复习感知机3.1.3激活函数登场3.2激活函数3.2.1sigmoid函数3.2.2阶跃函数的实现3.2.4sigmoid函数的实现3.2.5sigmoid函数和阶跃函数的比较3.2.6非线性函数3.2.7ReLU函数3.3多维数组的运算3.3.1多维数组3.3.2矩阵乘法3.3.3神经网络的内积3.43层神经网络的实现3
feiwen110·2022-12-02 12:58

《深度学习入门：基于Python的理论与实现》再读笔记（1）

第1章Python入门1.5.4NumPy的N维数组和数组的算术运算一样，矩阵的算术运算也可以在相同形状的矩阵间以对应元素的方式进行。并且，也可以通过标量（单一数值）对矩阵进行算术运算，这也是基于广播的功能。数学上将一维数组称为向量，将二维数组称为矩阵。另外，可以将一般化之后的向量或矩阵等统称为张量。Python等动态类型语言一般比C和C++等静态型语言（编译型语言）运算速度慢。实际上，如果是运算
feiwen110·2022-12-02 12:58

python3源码剖析pdf_深度学习入门：基于Python的理论与实现 PDF 含源码超清版

内容介绍深度学习入门：基于Python的理论与实现电子书封面读者评价基于python深度学习，从零开始学深度学习的明智之选这是真正从0基础，尤其从数学基础比较差的角度
weixin_39827905·2022-12-02 12:57

《深度学习入门：基于Python的理论与实现》学习笔记

深度学习入门笔记文章目录深度学习入门笔记第一章Python入门第二章感知机第三章神经网络第四章神经网络的学习第五章误差反向传播法第六章与学习相关的技巧第六章与学习相关的技巧第七章卷积神经网络第八章深度学习第一章
RayYoh·2022-12-02 12:56

《深度学习入门：基于Python的理论与实现》学习笔记——感知机

《深度学习入门：基于Python的理论与实现》学习笔记——感知机感知机一、感知机基础二、感知机与逻辑电路2.1与门（ANDgate）：2.2与非门（NANDgate）：2.3或门（ORgate）：2.4
thunder1015·2022-12-02 12:56

读书笔记2|深度学习入门——基于python的理论与实现

深度学习入门：基于Python的理论与实现》高清中文版.pdf1.python基础，numpy，matplotlibBatchNormalization、Dropout、Adam图像识别，自然语言处理，
程序媛一枚~·2022-12-02 12:26

《深度学习入门：基于Python的理论与实现》学习笔记——神经网络的学习

《深度学习入门：基于Python的理论与实现》学习笔记——神经网络的学习神经网络的学习一、从数据中学习1.1数据驱动1.2训练数据和测试数据二、损失函数2.1均方误差2.2交叉熵误差三、mini-batch
thunder1015·2022-12-02 12:26

【DL学习笔记02】深度学习入门——基于Python的理论与实现（ch03：Neural Network）

目录1.ActivationFunctionstepfunctionsigmoidfunctionReLU2.多维数组的运算多维数组矩阵乘法神经网络的内积3.三层神经网络的实现问题各层信号传递的实现4.输出层的设计softmax5.手写数字识别MNIST数据集神经网络的推理处理批处理（batch）1.ActivationFunction激活函数会将输入信号的总和转换为输出信号朴素感知机是指单层网络
yierrrr·2022-12-02 12:24

【学习笔记】深度学习入门：基于Python的理论与实现-误差反向传播法

CONTENTS五、误差反向传播法5.1计算图5.2链式法则5.3反向传播5.4简单层的实现5.5激活函数层的实现5.6Affine/Softmax层的实现5.7误差反向传播法的实现五、误差反向传播法5.1计算图先引入一个很简单的问题：在超市买了222个100100100元一个的苹果，消费税是10%10\%10%，请计算支付金额。我们画出计算图如下：接着进行简单的修改，如下图所示：现在我们换个问题
柃歌·2022-12-02 12:24

【学习笔记】深度学习入门：基于Python的理论与实现-与学习相关的技巧

CONTENTS六、与学习相关的技巧6.1参数的更新6.2权重的初始值6.3BatchNormalization6.4正则化6.5超参数的验证六、与学习相关的技巧6.1参数的更新神经网络的学习的目的是找到使损失函数的值尽可能小的参数。这是寻找最优参数的问题，解决这个问题的过程称为最优化（optimization）。在之前我们是沿着梯度方向更新参数，不断重复从而逐渐靠近最优参数，这个过程称为随机梯度
柃歌·2022-12-02 12:24
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他