【啃书】《深度学习入门第20页

keras入门实战：手写数字识别

本文用深度学习Python库Keras实现深度学习入门教程mnist手写数字识别。mnist手写数字识别是机器学习和深度学习领域的“helloworld”,MNIST数据集是手写数字的

sunwillz·2022-11-21 06:15

深度学习入门系列17项目实战：从电影评论预测情感

大家好，我技术人Howzit，这是深度学习入门系列第十七篇，欢迎大家一起交流！

技术人Howzit·2022-11-21 05:17

深度学习入门系列6项目实战：声纳回声识别

大家好，我技术人Howzit，这是深度学习入门系列第六篇，欢迎大家一起交流！

技术人Howzit·2022-11-21 05:47

深度学习入门系列7:项目实战：波士顿房屋价格回归问题

大家好，我技术人Howzit，这是深度学习入门系列第七篇，欢迎大家一起交流！

技术人Howzit·2022-11-21 05:47

深度学习入门系列5项目实战：用深度学习识别鸢尾花种类

大家好，我技术人Howzit，这是深度学习入门系列第五篇，欢迎大家一起交流！

技术人Howzit·2022-11-21 05:46

《深度学习入门》第4章实战：手写数字识别

文章目录前言一、理论知识（一）神经网络的学习步骤（二）梯度和梯度下降（三）损失函数(四)epoch、iters_num（五）本案例的神经网络结构二、全部代码前言这篇文章根据《深度学习入门》第4章的内容，

rellvera·2022-11-21 05:04

《深度学习入门》第3章实战：手写数字识别

《深度学习入门》第3章实战：手写数字识别文章目录前言一、一点介绍二、完整代码三、导入数据集的一个小问题前言笔者最近阅读了《深度学习入门——基于Python的理论与实现》这本书的第三章，章节最后刚好有个手写数字识别的实战内容

rellvera·2022-11-21 05:34

深度学习入门资源与小Demo

学习方法和资源误区1：一定要把所有的基础知识学会之后再动手弄具体任务。误区2：一直读文献而由于种种原因不动手做实验误区3：一定要完完全全从头搭建一个框架如何打破误区，这里我推荐一份学习路线和资源：1.李沐动手学深度学习。跟着网上的教程敲下来，能让你对深度学习有一个基本的认识。期间可以适当看一些论文，时间大概在一个半月左右。2.学习完之后就可以确定一个方向了。确定方向之后，最重要的事情就是先不断积累

翁乐安·2022-11-21 05:33

深度学习之PAN详解

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。目录一、提出原因二、PAN结构分析一、提出原因说到PAN，总能联想到与之相似的FPN。

tt丫·2022-11-21 02:09

深度学习入门笔记3 自适应神经元

自适应线性神经元概念自适应线性神经网络（ADALINE——AdaptiveLinearNeuron）是在感知器的基础上进行的一种改进。激活函数采用线性连续的函数来代替阶跃函数。自适应神经元&感知器激活函数：自适应神经元使用线性激活函数，感知器使用阶跃函数。误差更新：自适应神经元在最终结果前进行更新，感知器在最终结果后进行更新。损失函数：自适应神经元使用SSE最为损失函数，感知器没有损失函数。应用：

深度学习从入门到放弃·2022-11-21 02:21

深度学习_误差反向传播法

深度学习_误差反向传播法参考书籍：深度学习入门_基于python的理论与实现正向传播：从计算图出发点到结束点的传播反向传播：从计算图结束点到出发点的传播局部计算：无论全局发生了什么，都能只根据与自己相关的信息输出接下来的结果计算图优点

贪心的柠檬·2022-11-21 01:59

深度学习入门笔记之ALexNet网络

Alex提出的alexnet网络结构模型，在imagenet2012图像分类challenge上赢得了冠军。作者训练alexnet网络时大致将120万张图像的训练集循环了90次，在两个NVIDIAGTX5803GBGPU上花了五到六天。来源论文：Krizhevsky,Alex,IlyaSutskever,andGeoffreyE.Hinton.“Imagenetclassificationwith

ysukitty·2022-11-20 22:16

深度学习学习路线

睡觉特早头发特多·2022-11-20 14:13

为什么反向传播更加高效

下面介绍一下计算图，这一部分内容来自斋藤康毅——《深度学习入门基于python的理论与实现》我就不像书中做特别细致的介绍了，很容易的看出来这个图表示的是：100元一个的苹果经过购买

不会真有人是二次元吧·2022-11-20 14:03

【深度学习】EASY RL强化学习：案例与实践 - 第0章先修课程

学习平台：飞桨AIStudio课程设置：共13课节（第12课节解读AlphaStar论文；第13课节是习题面试题附录）第一课深度学习入门

Biophilia_hyb·2022-11-20 09:26

Pytorch深度学习入门与实战

PyTorch是深度学习的主流框架之一，新手入门相对容易。课程将算法、模型和基础理论知识进行有机结合，结合多个不同的CV与NLP实战项目，帮助大家掌握PyTorch框架的基础知识和使用方法，带大家较平稳地入门深度学习领域。我的图书馆留言交流Python被确定为数据科学和机器学习的进入语言，部分感谢开源ML库Pytorch。Pytorch的功能强大的深度神经网络建筑工具和易用性使其成为数据科学家的热

Duyuqq·2022-11-20 06:46

深度学习入门3-卷积神经网络图像识别的一个例子（训练、测试和模型的加载保存）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录一、基本介绍二、代码实现1.了解数据2.构建网络、损失函数、优化器3.训练模型4.模型保存与加载5.测试6.GPU总结一、基本介绍今天和大家分享的例子代码是用pytorch实现一个卷积神经网络实现图像识别，所用到的数据集是cifar10，是一个十分类的图像分类数据集，每个对象的所属类别为1类，总共类别为10类，输入图像数据的维

时光轻浅，半夏挽歌·2022-11-20 05:01

【深度学习案例】手写数字项目实现-2.Python模型训练

【深度学习入门教程】手写数字项目实现-2.Python模型训练4.Python基于Pytorch框架实现模型训练4.1训练环境4.2定义数据加载器4.3定义网络（net,py）4.4定义训练器(trainer.py

爱码一万年·2022-11-20 01:43

[深度学习入门]知识蒸馏

论文：DistillingtheKnowledgeinaNeuralNetwork相关论文查找网站：1.ConnectedPapers|Findandexploreacademicpapers2.https://paperswithcode.com/3.知识蒸馏在做什么？将softtargets的结果作为标签进行训练stduentmodel，增加了更多的信息（物体间的相似度）：知识蒸馏主要是将大模

Guycynnnnn·2022-11-20 00:43

[深度学习入门]两阶段目标检测算法到Faster RCNN

目标检测一、两阶段法1、概述：计算机视觉：三大热点方向：计算机视觉、自然语言处理、语音识别四类任务：图像分类(label)、目标检测(what+where)、图像语义分割(what+where)、图像实例分割(what+where)目标检测：位置+类别问题：尺寸范围大，物体角度、姿态不定，可以出现在图片任何地方，多类别数据集：PASCALVOC(VOC2007/VOC2012)MSCOCO(MSC

Guycynnnnn·2022-11-20 00:13

[深度学习入门]Yolo系列

单阶段YOLO系列模型：一、YOLO发展史单阶段模型：YOLO,SSD,Retina-Net两阶段模型：RCNN,SPPNetyolo系列：精度并不是最高的，但推理运行速度高FPS：帧/s精度、速度性价比高1、YOLOv1将目标检测当作一个单一的回归任务将图片分成s*s个网格物体中心点落在哪个网格上，就由该网格对应锚框负责检测该物体2、YOLOv2优化方法骨干网络：224*224->448*448

Guycynnnnn·2022-11-19 23:37

[转载]《吴恩达深度学习核心笔记》发布，黄海广博士整理！

红色石头深度学习专栏深度学习入门首推课程就是吴恩达的深度学习专项课程系列的5门课。该专项课程最大的特色就是内容全面、通俗易懂并配备了丰富的实战项目。今天，给大家推荐一份关于该专项课程的核心笔记！

weixin_34010949·2022-11-19 22:59

深度学习入门：基于Python的理论与实现②

第四章神经网络的学习本章的主题是神经网络的学习。这里所说的“学习”是指从训练数据中自动获取最优权重参数的过程。本章中，为了使神经网络能进行学习，将导入损失函数这一指标。而学习的目的就是以该损失函数为基准，找出能使它的值达到最小的权重参数。1.从数据中学习神经网络的特征就是可以从数据中学习。所谓“从数据中学习”，是指可以由数据自动决定权重参数的值。1.1数据驱动数据是机器学习的核心，从数据中寻找答案

栖陆@.·2022-11-19 20:15

【TensorFlow】环境配置-----TensorFlow 安装与配置

系列文章目录第一章TensorFlow深度学习入门之环境配置目录系列文章目录文章目录前言一、安装anaconda二、安装Tensorflow1创建一个环境2安装Tensorflow3安装jupyternotebook

晓亮.·2022-11-19 20:11

【深度学习笔记001 深度学习入门导读】

2016年Google人工智能程序阿尔法围棋（AlphaGo）对战世界围棋选手李世石，最终以4:1的成绩获得胜利，这惊人的一幕将国内外研究和学习人工智能的热题推向了新的高潮。然而，何为深度学习？本文将揭开深度学习的面纱。•1什么是深度学习及深度学习的基本思想？•2人工智能是如何发展而来？•3机器学习的相关技术有哪些？•4Deeplearning与NeuralNetwork的异同？•5Deeplea

DaveBobo·2022-11-19 19:07

机器学习/深度学习入门建议

机器学习/深度学习入门建议第一阶段：Python基础视频：（选一个喜欢的就行）第二阶段：常用模块numpymatplotlibpandas书籍的话推荐看看《利用Python进行数据分析》第三阶段：机器学习基础建议观看吴恩达老师的课程

程序猿-饭饭·2022-11-19 19:16

吴恩达深度学习入门

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai

费马定理·2022-11-19 19:10

吴恩达《深度学习》笔记+代码实战（一）：深度学习入门

最近在学吴恩达的《深度学习专项》（DeepLearningSpecialization)。为了让学习更有效率（顺便有一些博文上的产出），我准备写一些学习笔记。笔记的内容比较简单，没有什么原创性的内容，主要是对课堂的知识进行梳理（这些文章的标题虽然叫”笔记“，但根据我之前的分类，这些文章由于原创性较低，被划分在”知识记录“里）。如果读者也在学这门课的话，可以对照我总结出来的知识，查缺补漏。之后几节课

大局观选手周弈帆·2022-11-19 19:09

One PUNCH Man——深度学习入门

文章目录人类视觉原理从神经网络到卷积神经网络（CNN）数据输入层卷积计算层卷积的计算参数共享机制激励层池化层全连接层CNN优缺点卷积神经网络的常用框架人类视觉原理深度学习的许多研究成果，离不开对大脑认知原理的研究，尤其是视觉原理的研究。1981年的诺贝尔医学奖，颁发给了DavidHubel（出生于加拿大的美国神经生物学家）和TorstenWiesel，以及RogerSperry。前两位的主要贡献，

No_Game_No_Life_·2022-11-19 15:27

学习笔记1

深度学习入门1（基于python的理论与实现）python内容的简单回顾访问元素绘制图片生成Numpy数组显示图片广播python内容的简单回顾访问元素#coding=utf-8importnumpyasnpx

码农10087号·2022-11-19 15:53

学习笔记2

深度学习入门（基于python的理论与实现）感知机基本概念感知机的简单实现与门非门或门多层感知机叠加实现异或门小结：感知机基本概念1.感知机接收多个输入信号，输出一个信号。

码农10087号·2022-11-19 15:53

学习笔记3

深度学习入门（基于python的理论与实现）神经网络简介sigmoid函数代码实现：函数图像：阶跃函数代码实现：函数图像：sigmoid函数与阶跃函数的对比代码实现：函数图像：softmax函数代码定义

码农10087号·2022-11-19 15:14

深度学习入门（四十三）计算机视觉——锚框

深度学习入门（四十三）计算机视觉——锚框前言计算机视觉——锚框课件锚框IoU交并比赋予锚框符号使用非极大值抑制（NMS）输出总结教材1生成多个锚框2交并比（IoU）3在训练数据中标注锚框3.1将真实边界框分配给锚框

澪mio·2022-11-19 13:43

深度学习入门：基于Python的理论与实现1Python入门

Python入门NumpyMatplotlibNumpy导入Numpyimportnumpyasnp生成Numpy数组与Numpy数组的运算x=np.array([1.0,2.0,3.0])y=np.array([2.0,3.0,4.0])print(x)print(type(x))#element-wiseprint(x+y)#广播,可进行扩展实现不同维度矩阵的计算x=x/2.0print(x)

weiyusi·2022-11-19 12:39

pytorch深度学习入门—tensor张量的裁剪

Tensor的裁剪可以防止过拟合的出现，也可以有效处理梯度爆炸与梯度消失torch中可以利用clamp进行梯度裁剪A.clamp（a,b）表示将A中的元素裁剪到只剩在a—b范围内，原来小于a的元素将赋值为a，大于b的元素将赋值为b测试代码：importtorcha=torch.rand(2,3)*10print(a)a=a.clamp(5,8)print(a)

坤Hi·2022-11-19 12:38

Python深度学习入门之Tensorflow2.0张量操作

Tensorflow深度学习框架最重要的加速计算功能，就是通过在cuda上定义Tensor类型数据，利用GPU对神经网络进行计算加速。本文主要介绍Tensorflow2.0的一些Tensor张量数据类型的操作。注：Tensorflow1.X语法繁琐复杂，各版本之间兼容性极差，相差一个小版本写的代码就极有可能无法运行，在tf2.0以后版本API偏向Keras风格，更易使用，且兼容性问题有所改善。1t

CV干饭王·2022-11-19 12:05

深度学习入门：张量

0阶标量a=1231阶向量b=[1,2,3]2阶矩阵c=[[1,2,3],[2,3,4]]n阶张量d=[[…[元素]…]]数据类型tf.int，tf.floattf.int32，tf.float32，tf.float64tf.booltf.constant([True,False])tf.stringtf.constant("Hello,world!")如何创建一个Tensor1.创建一个tens

tr521520·2022-11-19 12:29

深度学习入门：基于Python的理论与实现①

深度学习入门：基于Python的理论与实现①机器学习的三大要素第一章python入门1.Numpy1.1.numpy的N维数组1.2.numpy广播1.3访问元素2.Matplotlib第二章感知机1.

栖陆@.·2022-11-19 12:28

深度学习入门_斋藤康毅_chapter2&3

系列文章目录这是第一部分文章目录系列文章目录前言一、chapter1二、chapter感知机1.numpy生成数组三、神经网络总结前言本来是想通过李沐的网课入门深度学习的，但老师看我的基础太拉，给我推荐了斋藤康毅的书。还有17天开学，暑假躺了不少时间，结果现在才开始一点点。抓紧时间结束，白天安排敲代码，晚上总结写博客。提示：所有的公式，推导，原理等都不介绍，本文仅记录代码问题一、chapter1第

qq_45136057·2022-11-19 12:56

深度学习入门1-认识pytorch

二、基本操作1.引入库2.基本数据类型介绍——张量3.张量运算3.数据类型的转换——与numpy总结前言开始深度学习入门啦，每周总结一次，主要是害怕自己忘记，也好督促自己学习；这种写博客式的输出学习第一次尝试

时光轻浅，半夏挽歌·2022-11-19 12:56

深度学习入门4-文本张量的处理（自然语言处理NLP）

文章目录前言一、文本张量表示方法二、文本数据分析1.标签数量分布2.句子长度分布总结前言今天总结的是文本张量的处理方法。一、文本张量表示方法常见的文本张量表示方法包括以下三种：1one-hot编码是一种0，1表示方式，将有的地方表示为1，无的地方表示为02word2vec包括CBOW和Skipgram3wordembedding词嵌入方式，将文本转化为张量二、文本数据分析1.标签数量分布impor

时光轻浅，半夏挽歌·2022-11-19 12:56

深度学习入门笔记（1）——导论部分

此笔记来源于SebastianRaschka的IntroductiontoDeepLearning系列课程。首先介绍的是传统的编程范式，假设我们想实现垃圾邮件识别的功能，传统的方法就是由程序员来找出垃圾邮件的规则并对其进行编程，得到一个垃圾邮件识别的程序。机器学习的方法，可以通过输入邮件以及邮件对应的标签，通过算法自动得到机器学习模型，该模型可以代替传统方法中程序员手动编写规则得到的程序，实现垃圾

cnhwl·2022-11-19 12:20

深度学习入门1（张量）

介绍张量：张量就是代表了数据的表现的形式，常量（像素点）就是0维张量；1维张量类似于行向量、列向量（但是没有方向）；二维向量相当于矩阵（有多个数据组成）；三维向量（多个矩阵堆叠在一起）；四维向量（将三维向量作为一个长方体，扩展为一个更大的像素点（个人理解）再形成一个行向量/列向量）。。。。。。参考于笔记|什么是张量（tensor）&深度学习-知乎(zhihu.com)张量数据类型：和其他语言一样有

小曾爱读书·2022-11-19 12:16

医学图像处理医学图像处理-卷积神经网络卷积神经网络_深度学习入门 | 第四章：卷积神经网络基础（1）...

在前面的章节中，介绍了全连接神经网络的相关知识，本章将介绍一种全新的神经网络结构——卷积神经网络(ConvolutionalNeuralNetwork，CNN)。在很多场合，都能看到卷积神经网络的身影，如图像识别、自然语言处理、语音识别等，但CNN最主要的应用还是在图像识别领域。因此，本章将基于图像识别问题来讲解卷积神经网络的原理。相对于全连接神经网络而言，卷积神经网络进步的地方是引入了卷积层结构

weixin_39873741·2022-11-19 07:42

深度学习入门（一）——深度学习如何入门？

，梳理一下深度学习入门的必经之路，以便后续开展学习。怎么入门机器/深度学习？回答这个问题，最先要考虑的问题是：你有多少时间？准备用三个月入门，和想要一个月速成，肯定是截然不同的路径。当然我建议大家稳

_归尘_·2022-11-19 05:06

深度学习入门——感知器实现逻辑电路

1.与门、与非门、或门与门真值表：与非门真值表：或门真值表：perceptron.py:importnumpyasnp#使用权重和偏置实现逻辑电路defAND(x1,x2):"""与门"""x_input=np.array([x1,x2])weight=np.array([1,1])bais=-2tmp=np.sum(x_input*weight)+baisiftmp0:return1defNAN

我是小杨我就这样·2022-11-19 04:45

深度学习入门笔记（2）—— 感知器

最经典的神经元模型，从左到右依次是：输入、权重、加权和、阈值、输出。加权和又叫做NetInput，符号为z，当z的值大于阈值时输出1，小于阈值时输出0。实现与门和或门，权重为1，阈值分别为1.5和0.5即可。用偏置b代替负阈值，此时的加权和z就变成了wTx+b{w^T}x+bwTx+b，新的阈值就是0了。更进一步的，可以将偏置看作是输入1时对应的权重，这样做的好处是可以写成向量内积的形式，有利于数

cnhwl·2022-11-19 04:54

深度学习入门--感知机

深度学习入门--感知机单层感知机数学表达式逻辑电路的简单实现（与门）导入权重和偏置逻辑电路的简单实现（与门/或门）局限性多层感知机单层感知机数学表达式感知机是多个输入，一个输出，（0或者是1）的表达式也可以理解为具有触发开关的神经元

Silent Knight·2022-11-19 02:30

深度学习入门——感知机（学习笔记）

目录感知机概念感知机学习过程和权值更新规则多层感知机感知机案例代码感知机概念首先我们需要大致了解生物神经元的工作流程，在生物神经网络中，每个神经元与其他神经元通过突触进行连接。神经元之间的信息传递，属于化学物质的传递。当它兴奋时，就会向与它相连的神经元发送化学物质，从而改变这些神经元的电位。如果某些神经元的电位超过了一个阈值，那么它就会被激活，接着向其他神经元发送化学物质，如此进行层层传播。感知机

moon-stars-wind·2022-11-19 02:58

python深度学习入门-感知机

深度学习入门—感知机博主微信公众号（左）、Python+智能大数据+AI学习交流群（右）：欢迎关注和加群，大家一起学习交流，共同进步！

诗雨时·2022-11-19 02:57

推荐频道

【啃书】《深度学习入门