【啃书】《深度学习入门第21页

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

深度学习零基础学习之路——第四章 UNet-Family中Unet、Unet++和Unet3+的简介

Python深度学习入门第一章Python深度学习入门之环境软件配置第二章Python深度学习入门之数据处理Dataset的使用第三章数据可视化TensorBoard和TochVision的使用第四章UNet-Family

Monkey_King_GL·2022-11-14 07:48

TensorFlow和深度学习入门教程（TensorFlow and deep learning without a PhD）【转】

本文转载自：https://blog.csdn.net/xummgg/article/details/69214366前言上月导师在组会上交我们用tensorflow写深度学习和卷积神经网络，并把其PPT的参考学习资料给了我们，这是codelabs上的教程：《TensorFlowanddeeplearning,withoutaPhD》当然登入需要FQ，我也顺带巩固下，做个翻译，不好之处请包含指正。

嵌入式小庄老师·2022-11-14 07:09

TensorFlow和深度学习入门教程（TensorFlow and deep learning without a P

前言上月导师在组会上交我们用tensorflow写深度学习和卷积神经网络，并把其PPT的参考学习资料给了我们，这是codelabs上的教程：《TensorFlowanddeeplearning,withoutaPhD》当然登入需要，我也顺带巩固下，做个翻译，不好之处请包含指正。当然需要安装python，教程推荐使用python3。如果是Mac，可以参考博主的另外两片博文，Mac下升级python2

也是唯一·2022-11-14 07:29

深度学习入门看这一篇就够了（下）

BP算法例子BP算法例子-FP过程BP算法例子-BP过程(W7)BP算法例子-BP过程(W1)BP算法例子-FP多次迭代效果径向基（RBF）神经网络nRBF网络能够逼近任意非线性的函数。n可以处理系统内难以解析的规律性，具有很好的泛化能力，并且具有较快的学习速度。n有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。n

Mr Robot·2022-11-14 07:23

pytorch 深度学习入门代码（三）Logistic 回归代码实现

"""Logistic回归的代码实现"""importmatplotlib.pyplotaspltimporttorchimporttorch.nnasnnfromtorch.autogradimportVariableimportnumpyasnpclassLogisticRegression(nn.Module):def__init__(self):super(LogisticRegressi

小白马突突突·2022-11-14 07:52

深度学习入门（四）：卷积神经网络

学习资料来源：零基础入门深度学习(4)-卷积神经网络卷积神经网络（ConvolutionalNeuralNetwork,CNN），是一种适用于语音识别、图像识别任务的神经网络结构，比如谷歌的GoogleNet、微软的ResNet等。一、激活函数——ReluRelu函数的定义是：f(x)=max(0,x)，优势有速度快、减轻梯度消失问题及稀疏性等，图像如下图所示：二、全连接网络VS卷积网络全连接网络

陈粑粑的小白鞋·2022-11-12 11:39

深度学习入门（三十）卷积神经网络——NiN

深度学习入门（三十）卷积神经网络——NiN前言卷积神经网络——NiN课件网络中的网络NiN全连接层的问题NiN块NiN架构NiNNetworks总结教材1NiN块2NiN模型3训练模型4小结参考文献前言核心内容来自博客链接

澪mio·2022-11-10 13:04

深度学习入门（八）——深度卷积神经网络

深度卷积神经网络卷积神经网络卷积层和特征响应图参数共享稀疏连接多通道卷积激活函数池化、不变性和感受野分布式表征分层表达卷积神经网络结构LeNetAlexNet网络结构局部响应归一化GoogLeNetNetworkInNetworkInception结构网络结构批归一化——BNResNet退化问题残差单元深度残差网络卷积神经网络卷积层和特征响应图参数共享稀疏连接多通道卷积激活函数池化、不变性和感受野

_归尘_·2022-11-09 10:37

Matlab深度学习入门实例:从0搭建卷积神经网络CNN

网上已具有大量卷积神经网络的讲解，故本文不在对此赘述，这篇文章针对已了解CNN基础结构和原理者，以一个例子搭建一个简单的卷积神经网络，作为正式迈入深度学习的第一步。我们以深度学习最经典的案例——手写数字的识别，和一种经典的CNN——LeNet进行本次学习。Matlab的功能十分强大，其自带的深度学习工具箱可以使我们免于编写底层算法，迅速地搭建出一个卷积神经网络，同时，其自带手写数字图片以供学习，地

白太岁·2022-11-09 10:03

深度学习入门（二十九）卷积神经网络——VGG

深度学习入门（二十九）卷积神经网络——VGG前言卷积神经网络——VGG课件VGGVGG块VGG架构进度总结教材1VGG块2VGG网络3训练模型4小结参考文献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·2022-11-09 10:03

深度学习入门（二十八）卷积神经网络——AlexNet

深度学习入门（二十八）卷积神经网络——AlexNet前言卷积神经网络——AlexNet课件以前的机器学习几何学特征工程HardWareImageNet（2010）AlexNetAlexNet架构更多细节复杂度总结教材

澪mio·2022-11-09 10:51

深度学习入门（二十七）卷积神经网络——LeNet

深度学习入门（二十七）卷积神经网络——LeNet前言卷积神经网络——LeNet课件手写的数字识别MNIST总结教材1LeNet2模型训练3小结参考文献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·2022-11-09 09:13

Pytorch深度学习入门与实战三——循环神经网络

1.常见的循环神经网络RNN,LSTM,GRURNNtorch.nn.RNN()单纯的RNN会出现随着地柜次数的增加，权重指数级爆炸或小时的问题，从而难以捕捉长时间的关联，导致RNN训练是收敛困难。LSTM引入门的机制，使网络有更强的记忆能力。LSTM信息处理方面的三个阶段：遗忘阶段。对上一阶段传进来的输入进行选择性忘记。选择记忆阶段。输出阶段GRU（循环们控制单元）LSTM需要训练较多的参数，训

谢欣燕·2022-11-09 03:13

【学习笔记】深度学习入门：基于Python的理论与实现

一、Python入门1.1NumPy在深度学习的实现中，经常出现数组和矩阵的计算。NumPy的数组类（numpy.array）中提供了很多便捷的方法，在实现深度学习时，我们将使用这些方法。安装各种第三方库的方式详见：VSCode中安装Python机器学习与数据分析相关第三方模块教程。导入NumPy：importnumpyasnp生成NumPy数组：x=np.array([1.0,2.0,3.0])

柃歌·2022-11-08 21:01

深度学习入门实操——tensorflow 搭建神经网络

本文不赘述神经网络的原理，只是简单介绍如何用python3.0|tensorflow2.0框架搭建一个简单的神经网络,进行简单的图像识别。本文分为三个部分，第一部分先po出总体代码，第二部分分段详解每段代码，第三部分总结。参考：1tf.Keras-简书(jianshu.com)2Fashion-MNIST：替代MNIST手写数字集的图像数据集-知乎(zhihu.com)3model.evaluat

lovelybear2333·2022-11-08 19:00

深度学习入门--02 初识神经网络

1、神经网络的结构神经网络的结构类似与上一章所讲的两层感知机。具体分为输入层、隐藏层和输出层。分别称为第0、1、2层。首先与感知机不同的是，神经网络引入了激活函数，激活函数可用h(a)来表示，a为加权输入信号与偏置的总和。2、输入层到隐藏层、隐藏层到输出层的信号传递设计：（1）、引入激活函数：将输入信号的总和转化为输出信号，这种函数称为激活函数。（2）、感知机中使用的激活函数：感知机中的一旦输入加

吃梦想的咸鱼·2022-11-08 13:49

深度学习入门（3）神经网络参数梯度的计算方式

文章目录前言一、数值微分1.导数2.偏导数3.梯度二、梯度法1.学习率2.神经网络的梯度计算总结前言上一篇文章介绍了神经网络需要达到的最终目标，即使所定义的损失函数值达到尽可能的小。那么，是如何达到使得损失函数的值最小的呢？其实，最常使用的核心大招就是“梯度法”进行参数的更新优化，最终达到使得损失函数最小的目的。本文将介绍神经网络中参数的梯度是如何计算的。在介绍梯度法之前先简单介绍一下所用到的数值

阿_旭·2022-11-08 11:26

深度学习入门（5）如何对神经网络模型训练结果进行评价

如何对神经网络模型训练结果进行评价上一篇文章《深度学习入门（4）【深度学习实战】无框架实现两层神经网络的搭建与训练过程》介绍了基于mnist的手写体数字集的两层神经网络的搭建与训练过程，通过损失函数的训练结果我们可以发现