【啃书】《深度学习入门

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

深度学习入门知识（二）——什么是感知机

系列文章回顾深度学习入门知识（一）——Python必备基础知识文章目录系列文章回顾前言一、感知机的作用二、感知机的表现形式1.二输入感知机2.简单逻辑电路3感知机的实现总结前言感知机（感知器）（英语：Perceptron
峰回路转99A·2022-11-19 02:57

深度学习入门之python数据类型

深度学习入门之python数据类型参考书籍：深度学习入门——基于Python的理论于实现书籍作者：斋藤康毅【日】程宇杰译python数据类型深度学习入门之python数据类型前言一、python是什么？
ℳ๓执手ꦿ听风吟້໌ᮨ·2022-11-19 02:56

深度学习入门 感知机

defAND(x1,x2):w1,w2,theta=0.5,0.5,0.7tmp=w1*x1+w2*x2iftmptheta:return1importnumpyasnpx=np.array([0,1])w=np.array([0.5,0.5])b=-0.7print('y={}'.format(np.sum(w*x)+b))#这个地方要注意乘法的作用，之前可能稍微误解了w*x=[w1*x1,w2
樱武苏·2022-11-19 02:22

深度学习入门：神经网络基础+多层感知机

深度学习入门：神经网络基础+多层感知机学习过程中的一些整理。
The_Riddler·2022-11-19 02:52

深度学习入门之从感知机到神经网络

文章目录前言一、神经网络1.1神经网络基本模型1.2激活函数的由来1.2.1回顾感知机1.3常见激活函数1.3.1阶跃函数1.3.2sigmoid函数1.3.3Relu函数总结前言前文介绍了感知机，感知机的优点是即使是非常复杂的函数，感知机也能隐式的表示，但是每一层的权重都是由人工确定，在非常复杂的模型中，这无疑是致命的，因此，产生了神经网络。一、神经网络1.1神经网络基本模型隐藏层也叫隐层，中间
code_of_yang·2022-11-19 02:51

李宏毅机器学习笔记：深度学习入门简介 反向传播

源视频链接：https://www.bilibili.com/video/BV1Ht411g7Ef?p=13学习笔记总结深度学习和传统机器学习处理特征的差异；做传统机器学习必须要做特征工程来选择合适的输入特征，但深度学习是可以不用事先做特征工程，而是在隐藏层中完成特征选择抽取深度学习本质就是神经网络的进一步延伸，每一层神经元运算都是矩阵运算神经网络架构非常重要，决定了潜在可能的函数集合，越复杂的架
麻麻在学习·2022-11-19 02:17

深度学习入门学习笔记之——感知机

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。1、感知机是什么感知机接收多个输入信号，输出一个信号。这里所说的“信号”可以想象成电流或河流具备“流动性”的东西。像电流流过导线，向前方输送电子一样，感知机的信号也会形成流，向前方输送信息。但是，和实际的不同，感知机的信号只有“流/不流”（1/0）两种取值。在本书中，0对应“
前丨尘忆·梦·2022-11-19 02:46

深度学习入门-感知机

深度学习入门-感知机1、感知机是什么感知机接收多个输入信号，输出一个信号。
侯一鸣Supermonkey·2022-11-19 02:15

深度学习入门笔记：感知机

编程导航：nav.wenancoding.com个人blog：wenancoding.comgzh：【问安coding】定义感知机接收多个输入信号，输出一个信号。感知机的信号只有1/0两种取值，0对应“不传递信号”，1对应“传递信号”。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）。每个变量都有权重，权重越大，对应该权重的信号的重要性就越高。图中的○称为“神经元”
问安Coding·2022-11-19 02:39

深度学习入门——Python和感知机

准备先安装好python3及numpy、matplotlib库示例代码：importioimportsyssys.stdout=io.TextIOWrapper(sys.stdout.buffer,encoding='utf-8')print("你好，Hello!")print('=============numpy============')importnumpyasnpx=np.array([
jack_zhou.·2022-11-19 02:38

深度学习入门初探——感知机的初级理解

感知机是由一名美国学者在1957年提出来的，作为神经网络和深度学习的起源算法，学习感知机的构造也是学习通向神经网络和深度学习的一种重要思想。感知机可以有一个或者多个输入信号，输出一个信号。每个输入信号都有各自的权重，这些权重发挥着控制各个信号重要性的作用，也就是说权重越大，对应该权重的信号的重要性就越高。下面我们以两输入的感知机来描述一下真值表的逻辑，先看一下两个式子：式子里除了输入，剩下的系数都
clyfk·2022-11-19 02:34

深度学习入门之多层感知机

深度学习入门之多层感知机参考书籍：深度学习入门——基于pyhthon的理论与实现文章目录深度学习入门之多层感知机前言一、单层感知机局限性1.感知机?
ℳ๓执手ꦿ听风吟້໌ᮨ·2022-11-19 02:28

深度学习入门之感知机

深度学习入门之感知机参考书籍：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之感知机前言一、感知机是什么？
ℳ๓执手ꦿ听风吟້໌ᮨ·2022-11-19 02:58

深度学习入门（九）——深度学习框架概览

深度学习框架概览CaffeTheanoTensorFlowTorchPytorchMXNetcuda-convnet2NeonDeeplearning4jCNTKPaddlePaddleKeras工欲善其事，必先利其器。深度学习诞生10年有余，已经有了不少成熟的开发框架，这篇文章就来了解一下当前主流的框架。参考文章：详解6大主流深度学习框架参考书籍：【深度学习与计算机视觉】叶韵编著CaffeCaf
_归尘_·2022-11-18 09:14

深度学习入门（三十七）计算性能——硬件（TBC）

深度学习入门（三十七）计算性能——硬件（CPU、GPU）前言计算性能——硬件（CPU、GPU）课件电脑提升CPU利用率①提升CPU利用率②CPUVSGPU提升GPU利用率CPU/GPU带宽更多的CPU和
澪mio·2022-11-18 09:13

深度学习入门（三十九）计算性能——分布式训练、参数服务器（TBC）

深度学习入门（三十九）计算性能——分布式训练、参数服务器前言计算性能——分布式训练、参数服务器课件（分布式训练）分布式计算GPU机器架构计算一个小批量同步SGD性能性能的权衡实践的建议总结教材（参数服务器
澪mio·2022-11-18 09:13

深度学习入门（三十五）计算性能 编译器和解释器

深度学习入门（三十五）计算性能编译器和解释器前言计算性能——编译器和解释器教材1符号式编程2混合式编程3Sequential的混合式编程3.1通过混合式编程加速3.2序列化4小结前言核心内容来自博客链接
澪mio·2022-11-18 09:43

深度学习入门（二十一）深度学习计算——GPU

深度学习入门（二十一）深度学习计算——GPU前言深度学习计算——自定义层教材1计算设备2张量与GPU2.1存储在GPU上2.2复制2.3注意3神经网络与GPU4小结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·2022-11-18 09:42

深度学习入门（三十六）计算性能——异步计算、自动并行

深度学习入门（三十六）计算性能——异步计算、自动并行前言计算性能——异步计算教材1异步计算1.1通过后端异步处理1.2小结2自动并行2.1基于GPU的并行计算2.2并行计算与通信3.3小结前言核心内容来自博客链接
澪mio·2022-11-18 09:42

深度学习入门（三十八）计算性能——多GPU训练

深度学习入门（三十八）计算性能——多GPU训练前言计算性能——多GPU训练课件多GPU并行数据并行VS模型并行数据并行总结教材1问题拆分2数据并行性3简单网络4数据同步5数据分发6训练7小结多GPU的简洁实现
澪mio·2022-11-18 09:33

《深度学习入门》第5期-从感知机到神经网络-码农解书（视频）

前两期的节目介绍了感知机的内容，本期节目将开始解读《深度学习入门》这本书的第3章神经网络的内容，将从感知机迈入神经网络的世界，重点介绍感知机与神经网络的区别。
码农甲V·2022-11-18 04:24

啃书《机器学习》西瓜书 第1、2章模型评估与模型选择

文章目录第一章绪论1.归纳偏好与“奥卡姆剃刀”2.“没有免费的午餐”定理3.泛化能力第二章模型评估与选择1.经验误差与过拟合2.评估方法：2.1留出法：2.2交叉验证法：2.3留一法：2.4自助法：2.5调参与最终模型：3性能度量3.1错误率和精度3.2查准率与查全率3.3ROC与AUC3.4代价敏感错误率3.4偏差与方差第一章绪论1.归纳偏好与“奥卡姆剃刀”归纳偏好：机器学习算法在学习过程中对某
真是喵啊·2022-11-17 09:13

word2vector之Skip_Gram模型详解

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。
tt丫·2022-11-16 17:14

深度学习基础--感知机

文章目录学习资料感知机感知机基本概念简单逻辑电路与门与非门或门使用权重和偏置的实现使用权重和偏置实现与门使用权重和偏置实现与非门使用权重和偏置实现或门感知机的局限性线性和非线性多层感知机已有门电路的组合实现异或门小结学习资料《深度学习入门
兔子骑士叫旺仔·2022-11-16 10:42

深度学习基础--神经网络（1）激活函数

文章目录从感知机到神经网络激活函数阶跃函数（感知机的激活函数）sigmoid函数阶跃函数和sigmoid函数绘制和对比ReLU函数本文为学习笔记参考书籍：《深度学习入门:基于Python的理论与实现》/
兔子骑士叫旺仔·2022-11-16 10:12

深度学习基础--神经网络（2）

文章目录神经网络的内积3层神经网络的实现输出层的设计恒等函数和softmax函数输出层的神经元数量本文为学习笔记整理参考书籍：《深度学习入门:基于Python的理论与实现》/(日)斋藤康毅著;陆宇杰译.
兔子骑士叫旺仔·2022-11-16 10:06

【OUC深度学习入门】第2周学习记录：卷积神经网络基础

目录Part1视频学习1传统神经网络vs卷积神经网络2基本组成结构3卷积神经网络典型结构Part2代码练习1MNIST数据集分类2CIFAR10数据集分类3使用VGG16对CIFAR10分类Part3问题思考1dataloader里面shuffle取不同值有什么区别？2transform里，取了不同值，这个有什么区别？3epoch和batch的区别？41x1的卷积和FC有什么区别？主要起什么作用？
悦泽桑·2022-11-15 17:47

深度学习入门（三十三）卷积神经网络——ResNet

深度学习入门（三十三）卷积神经网络——ResNet前言卷积神经网络——ResNet课件加更多的层总是改进精度吗？
澪mio·2022-11-15 13:49

深度学习入门（三十一）卷积神经网络——GoogLeNet

深度学习入门（三十一）卷积神经网络——GoogLeNet前言卷积神经网络——GoogLeNet课件最好的卷积层超参数？
澪mio·2022-11-15 13:18

深度学习入门（三十二）卷积神经网络——BN批量归一化

深度学习入门（三十二）卷积神经网络——BN批量归一化前言批量归一化batchnormalization课件批量归一化批量归一化层批量归一化在做什么？
澪mio·2022-11-15 13:48

MNIST手写数字识别 —— Lenet-5首个商用级别卷积神经网络

MNIST数据集之所以成为深度学习入门的数据集，是因为LeNet-5网络的诞生，该网络的手写数字识别效果能达到商用水平，是第一个真正意义上达到商用的深度神经网络，广泛应用于手写支票的识别。
学习历险记·2022-11-15 13:43

深度学习入门（三十四）卷积神经网络——DenseNet

深度学习入门（三十四）卷积神经网络——DenseNet前言卷积神经网络——DenseNet教材1从ResNet到DenseNet2稠密块体3过渡层4DenseNet模型5训练模型6小结参考文献前言核心内容来自博客链接
澪mio·2022-11-15 13:06
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他