【啃书】《深度学习入门第25页

【深度学习实战】从零开始深度学习（四）：RNN与自然语言处理

参考资料：《PyTorch深度学习》（人民邮电出版社）第6章序列数据和文本的深度学习PyTorch官方文档廖星宇著《深度学习入门之Pytorch》第5章循环神经网络其他参考的网络资料在文中以超链接的方式给出目录

喵木木·2022-04-25 07:17

有用学习资料推荐——深度学习、迁移学习入门等（共勉！！！）

初始化例程失败：动态链接库(DLL)初始化例程失败深度学习TensorFlow快速入门（书籍）推荐（讲的很细，从基础讲起；刚入门如果能够耐心研究的话对自己以后看代码，调试代码，甚至自己上手用处很大）——《深度学习入门

小小飞在路上·2022-04-24 14:49

从零到一实现神经网络（五）:数学微分法更新权重参数

神经网络中权重参数的符号函数关系的推导数学基础知识及代码实现的复习求函数梯度的函数及改进神经网络中求损失函数梯度的例子实现一个的3层神经网络（一个隐藏层）神经网络类代码训练过程代码训练过程代码中的一些问题关于训练速度关于大量数据对神经网络的意义本博客参考书籍：深度学习入门

夺笋123·2022-04-23 12:52

从零到一实现神经网络：数学原理篇（一）

目录一元函数微积分一阶导数定义数值微分的代码实现上述代码中存在的问题数值微分代码改进导数的意义多元函数微积分偏导数定义偏导数代码实现偏导数的意义梯度梯度的代码实现求梯度的例子梯度的意义梯度法梯度下降法表达式梯度下降法图示过程梯度下降法的代码实现利用梯度下降法求多元函数最小值的例子本博客参考书籍：深度学习入门

夺笋123·2022-04-23 12:52

MATLAB官方深度学习入门教程

MATLAB官方深度学习入门教程使用预训练网络AlexNet预测管理图像数据集合图像数据存储准备输入图像并处理迁移学习准备训练数据数据组织数据增强修改网络执行训练评估网络使用预训练网络AlexNet%加载预定义的

aoaofengzifei·2022-04-20 07:54

深度学习入门教程

codingPython图像处理机器学习深度学习论文阅读并实现代码版本控制管理Bilibili优秀博主推荐云服务器推荐公众号推荐学术网站推荐（wordischeap，showmethecode）论文文献工具深度学习入门路线推荐

陈嘿萌·2022-04-20 07:50

机器学习与深度学习入门环境安装

机器学习与深度学习入门环境安装1、编程语言2、开发平台3、机器学习工具包4、深度学习框架1、编程语言Python:“胶水语言”,集成度高,简单实用,受众面广,开发者社区和资源丰富,功能强大,十分适合新手入门与科研工作者使用

Ethan Hunt丶·2022-04-18 07:35

深度学习入门必看-手写数字识别

目录前言一、手写数字识别任务1.任务要求2.MNIST数据集3.构建手写数字识别的神经网络模型二、通过极简方案构建手写数字识别模型1.前提条件2.数据处理3.模型设计4.训练配置5.训练过程6.模型测试三、手写数字识别之数据处理1.读入数据并划分数据集2.扩展阅读：为什么学术界的模型总在不断精进呢？3.训练样本乱序、生成批次数据4.校验数据有效性5.机器校验6.人工校验7.封装数据读取与处理函数8

迪迦瓦特曼·2022-04-10 08:37

深度学习实战--手写字识别MNIST

手写字识别是深度学习入门教程，这里包含数据下载，模型创建，训练模型，测试模型几个模块。

Bryce__LY·2022-04-10 08:37

GAN实战之Pytorch 使用CGAN生成指定MNIST手写数字

pytorch项目代码实现其他类型的GAN原理介绍以及应用，可以查看我的GANs专栏一、数据集介绍，加载数据依旧使用到的是我们的老朋友-----MNIST手写数字数据集,本文不再详细做介绍相关数据集介绍可以参考:深度学习入门

码农男孩·2022-04-10 08:23

深度学习入门系列14项目实战：基于CNN的手写数字识别

大家好，我技术人Howzit，这是深度学习入门系列第十四篇，欢迎大家一起交流！

技术人Howzit·2022-04-10 07:20

深度学习入门实战----利用神经网络识别自己的手写数字

一、定义神经网络classneuralNetwork:#initialisetheneuralnetworkdef__init__(self,inputnodes,hiddennodes,outputnodes,learningrate):#setnumberofnodesineachinput,hidden,outputlayerself.inodes=inputnodesself.hnodes

码农男孩·2022-04-10 07:37

深度学习入门--MNIST数据集及创建自己的手写数字数据集

刚刚接触到人工智能的我们，必定会遇到一个非常非常非常熟悉的朋友------MNIST这是一套流行的手写数字图片，常常被用来测试我们的思想和算法。这个数据集称为手写数字的MNIST数据库，从研究员YannLeCun的网站，可以得到这个数据集。本文并不再介绍MNIST具体是什么，旨在分享记住MNIST的获取方式Ps：其实我已经帮大家整理好了，大家可以直接点击这这这下载一、直接网站下载http://ya

码农男孩·2022-03-31 07:22

【深度学习入门-1】透彻理解卷积的三层含义：从“卷积”、到“图像卷积操作”、再到“卷积神经网络”的含义（学习笔记）

今后还会给持续更新深度学习入门笔记。全篇多图预警，总计近7500字，记录的也比较仔细，希望能够帮助到各位！二.正文(1)卷积的第一层含义：计算系统存量卷积公式

番茄炒狼桃·2022-03-27 07:44

深度学习中的激活函数及其作用

说到激活函数，就不能不提神经网络或者深度学习，从一个新手入门深度学习领域，我觉得首先需要理解三个基本的构成要素：我把理解激活函数作为深度学习入门的

兔子juan·2022-03-23 11:28

【深度学习入门项目】使用tensorflow训练CNN实现口罩识别

目录1.导入所需要的python包2.准备数据集3.训练模型3.1定义参数变量3.2数据读取与预处理3.3搭建神经网络框架3.4结果可视化函数3.5训练并测试4.结果展示训练过程loss和accuracy图像测试集准确率5.完整代码1.导入所需要的python包importosimportglobimportcv2importnumpyasnpimporttensorflowastfimportm

我不会写BUG·2022-03-21 07:51

Python入门

作者最近发现了一本很适合深度学习入门的书，在此将自己的一点学习心得分享出来，以飨读者。

前端码农..·2022-03-20 21:07

使用两层网络实现手写数字识别（《深度学习入门：基于Python的理论与实现》实践笔记）

使用两层网络实现手写数字识别（《深度学习入门：基于Python的理论与实现》实践笔记）一、加载mnist数据集二、构建两层网络1.两层网络结构2.参数3.信号传递4.计算梯度5.计算精准度三、训练模型四

Limulの小白笔记·2022-03-18 05:16

那就换一种心境吧

原创不易记得给个星标和在看叭❤今日も楽しかった❤来自芳酱说00:0005:03文|芳酱图|源网侵删芳酱说亲爱的读者朋友，你好吖2021年，芳酱与你相约【酱汁啃书】在这里，芳酱将会“解剖”书中精华与你一起

芳酱说·2022-03-17 14:35

入门项目数字手写体识别：使用Keras完成CNN模型搭建

摘要：本文是通过Keras实现深度学习入门项目——数字手写体识别，整个流程介绍比较详细，适合初学者上手实践。对于图像分类任务而言，卷积神经网络（CNN）是目前最优的网络结构，没有之一。

weixin_34148340·2022-03-17 07:53

入门项目数字手写体识别：使用Keras完成CNN模型搭建（重要）

摘要：本文是通过Keras实现深度学习入门项目——数字手写体识别，整个流程介绍比较详细，适合初学者上手实践。对于图像分类任务而言，卷积神经网络（CNN）是目前最优的网络结构，没有之一。

weixin_30388677·2022-03-17 07:52

致初学者的深度学习入门系列（三）—— 深度学习目标检测篇（上）

目标定位在softmax层中不仅仅只输出分类信息，还可以输出目标的外接矩形框的角点和长宽，这样就可以转化为一个逻辑回归的问题。只要在训练集上对相应信息进行标注，以及定义合适的损失函数，就可以通过实现对目标的定位。目标检测滑动窗口法首先设定固定大小的窗口，以固定步长遍历图像，每次都将窗口内的图像传入分类网络进行分类，以达到对目标的检测效果。但是，步长的选择无法适应不同情况。过大的步长计算成本低，但检

Rosen.·2022-03-17 07:37

woshicver·2022-03-16 07:32

Python深度学习深度学习入门基于Python的理论与实现学习资料

《Python深度学习》由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱（FrançoisChollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己

weixin_34144848·2022-03-16 07:53

深度学习——从感知机到BP神经网络

深度学习入门（一）——从感知机到BP神经网络前言一、感知机1、从逻辑电路开始2、单层感知机3、多层感知机二、神经网络1、从感知机到神经网络2、激活函数3、几种激活函数3.1sigmoid函数3.2tanh

一棵Lychee·2022-03-09 08:31

深度学习入门（二）——全连接神经网络的基本结构与工作流程

深度学习入门（二）——全连接神经网络的基本结构与工作流程1.多种多样的神经网络模型承接上篇文章对深度学习的介绍，深度学习也是多种模式分析方法的统称，目前分为三种主流的深度网络架构，即全连接神经网络（FullyConnectedNeuralNetwork

爱骑单车的阿鹏·2022-03-05 10:19

YOLOv5网络结构+代码+应用详解|CSDN创作打卡

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。这一篇文章属于是对YOLOv5系列的一个整理汇总。

tt丫·2022-03-04 10:43

2021年，我们还需要入门深度学习吗？

前言过年时闲来无事，瞎翻自己的博客，偶然看到之前写的一篇文章：一篇文章解决机器学习，深度学习入门疑惑这篇文章原先发布于2018年中旬，那会正是深度学习、神经网络无脑火热的时候。火热到什么程度？

程序员老潘·2022-03-03 07:44

深度学习入门-误差反向传播法（人工神经网络实现mnist数据集识别）

文章目录误差反向传播法5.1链式法则与计算图5.2计算图代码实践5.3激活函数层的实现5.4简单矩阵求导5.5Affine层的实现5.6softmax-with-loss层计算图推导5.7softmax-with-loss层的实现5.8误差反向传播算法的实现误差反向传播法这次用到的代码上传到csdn了，0积分下载误差反向传播代码其实本文也都贴出来了，只是需要改一下import的路径。还有一些数学公

泥签·2022-03-02 07:46

动手实现深度神经网络3 增加误差反向传播计算梯度&完成MNIST数据集手写数字识别

1.理解误差反向传播关于误差反向传播的理论和使用计算图推导理解的过程，我之前的文章：Python深度学习入门笔记2理解误差反向传播&用python实现自动微

如魔·2022-03-02 07:56

神经网络中的激活函数与损失函数&深入理解推导softmax交叉熵

神经网络中的激活函数与损失函数&深入理解softmax交叉熵前面在深度学习入门笔记1和深度学习入门笔记2中已经介绍了激活函数和损失函数，这里做一些补充，主要是介绍softmax交叉熵损失函数。

如魔·2022-02-28 07:01

Python深度学习入门笔记 5

Python深度学习入门笔记5这一部分，我们介绍一下深度学习的一些性质特点，发展状况和未来方向等。这一部分没有什么具体的技术细节，也没有代码实现，只是作为后续进一步学习的简单前瞻。

如魔·2022-02-26 07:48

Python深度学习入门笔记 4 CNN

Python深度学习入门笔记4CNN卷积神经网络这一部分的主题是卷积神经网络CNN。

如魔·2022-02-26 07:17

Python深度学习入门笔记 2

Python深度学习入门笔记21.神经网络的学习内容标题中的学习是指从训练数据中自动获取最优权重参数的过程。

如魔·2022-02-26 07:16

深度学习入门学习--第五章误差反向传播法

前面学习了神经网络。并通过数值微分计算了神经网络的权重参数的梯度（严格来说，是损失函数关于权重参数的梯度）。数值微分虽然简单，但缺点是计算上比较费时间。本章我们将学习一个能够高效计算权重参数的梯度的方法–误差反向传播法。本章任务：通过计算图，直观的理解误差反向传播法，然后再结合实际的代码加深理解。1.计算图计算图将计算过程用图形表示出来。这里说的图形是数据结构图，通过多个节点和边表示（连接结点的直

长颈鹿与麋鹿·2022-02-26 07:41

深度学习入门-基于python的理论与实现（五）误差反向传播法

目录回顾1计算图1.1局部计算1.2计算图的优点是什么1.3反向传播的导数是怎么求？1.3.1加法节点的反向传播1.3.2乘法节点的反向传播1.3.3购买苹果的反向传播1.3.4神经网络中层的概念2简单层的实现2.1参数2.2乘法层的实现-购买两个苹果实例2.3加法层实现-购买两个苹果和三个橘子实例2.4ReLu层参数2.5sigmoid层2.6Affine/Softmax层的实现2.6.1Aff

Nefelibat·2022-02-26 07:30

误差反向传播法《深度学习基于Python的理论与实现》第五章

layout:posttitle:深度学习入门基于Python的理论实现subtitle:第五章误差反向传播法tags:[Machinelearning,Reading]第五章误差反向传播法上一章介绍了神经网络的学习

DuLi_CS·2022-02-26 07:16

《深度学习入门：基于Python的理论与实现》读书笔记：第5章误差反向传播算法

目录第5章误差反向传播算法5.1计算图5.1.1用计算图求解5.1.2局部计算5.1.3为何用计算图解题5.2链式法则5.2.1计算图的反向传播5.2.2什么是链式法则5.2.3链式法则和计算图5.3反向传播5.3.1加法节点的反向传播5.3.2乘法节点的反向传播5.3.3苹果的例子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5.5.2S

feiwen110·2022-02-22 07:32

《深度学习入门：基于Python的理论与实现》读书笔记：第4章神经网络的学习

目录第4章神经网络的学习4.1从数据中学习4.1.1数据驱动4.1.2训练数据和测试数据4.2损失函数4.2.1均方误差4.2.2交叉熵误差4.2.3mini-batch学习4.2.4mini-batch版交叉熵误差的实现4.2.5为何要设定损失函数4.3数值微分4.3.1导数4.3.2数值微分的例子4.3.3偏导数4.4梯度4.4.1梯度法4.4.2神经网络的梯度4.5学习算法的实现4.5.12

feiwen110·2022-02-22 07:32

《深度学习入门：基于Python的理论与实现》读书笔记：第8章深度学习

目录8.1加深网络8.1.1向更深的网络出发8.1.2进一步提高识别精度8.1.3加深层的动机8.2深度学习的小历史8.2.1ImageNet8.2.2VGG8.2.3GoogleNet8.2.4ResNet8.3深度学习的高速化8.3.1需要努力解决的问题8.3.2基于GPU的高速化8.3.3分布式学习8.3.4运算精度的位数缩减8.4深度学习的应用案例8.4.1物体检测8.4.2图像分割8.4

feiwen110·2022-02-22 07:01

人为什么要读书

假设我想知道一场历史上有名的战争是怎样爆发的，快一点可以马上百度，深一步就看纪录片，为什么非要啃书本？难道前者不足以获得知识？难道音画像不更形象更好理解更易记忆？

我是小曲·2022-02-19 12:52

出国不出国之终身阅读

坚持从出生开始阅读的北美早期阅读理论，所指的不是我们通常所理解的狭义的仅仅是看着文字阅读，更包括听读各种语音，看画面而产生的视觉刺激，甚至包括撕书，咬书，啃书，扔书等各种跟书有关的行为。

海豚沁M·2022-02-18 16:36

我敬仰的爱情，是被你出轨的对象（上篇）

小容和涛哥结束一阶段工作，便各自休假，涛哥去旅行，而小容却窝在宿舍啃书、睡觉。期间，时不时的回忆和涛哥工作细节，小容感觉暖暖的。休假结束，公

大雁成群·2022-02-18 15:46

备战初级打卡

今天的任务是复习经济法，啃书已近是没有时间了，剩下的十天时间就开始疯狂的题海战术吧。贵在坚持，坚持啊。

繁华的一月·2022-02-17 20:45

遇见孩子，遇见更好的自己

请不要以孩子年幼，孩子无知，孩子撕书，啃书，扔书，孩子不爱看书为由，而错过了与孩子共享亲子阅读的时光。什么叫亲子阅读，不是让你扔给孩子一本书，自己捧着手机刷，翘着二郎腿

xieanita·2022-02-17 09:41

通用过程模式

离社工考试还有2个月，该好好在家啃书了。今天开始看《实务》。社会工作实务通用过程模式。

韶忆·2022-02-16 16:56

机器学习算法入门笔记（一）绪论、概念、术语

计划用六月和七月来进行机器学习的算法入门，该系列为我个人的自学笔记，欢迎同好者前来交流~使用教材：①周志华老师西瓜书②B站up主：致敬大神（系列视频叫做【一起啃书】机器学习西瓜书白话解读）2020/6/

BrilandLiu·2022-02-16 07:25

《爱上跑步的13周》之第一周第一课

昨天啃书，今晚实践。为什么跑步？可能每个人回答各不相同！重要的是如何科学健康，没有伤害，快乐的跑起来并且坚持下去。牢记锻炼的3个原则：适度、一致和休息。

隽儿姐姐·2022-02-16 00:00

你的世界我来过（八）前世的债②—2

静啃书正啃到艰涩的理论部分，而且早晨雨的生气让她觉得不可理喻，她没有心情逛街，一口拒绝了。雨有些失望，跟何走到教室门口，又回头不甘心地问了一遍：“静，你确定不一起去吗？”“不去！”静回答得很干脆。

对月形单空相护·2022-02-15 13:00

UFLDL新版教程与编程练习（五）：Softmax Regression（softmax回归，向量化）

UFLDL是吴恩达团队编写的较早的一门深度学习入门，里面理论加上练习的节奏非常好，每次都想快点看完理论去动手编写练习，因为他帮你打好了整个代码框架，也有详细的注释，所以我们只要实现一点核心的代码编写工作就行了

赖子啊·2022-02-14 23:33

推荐频道

【啃书】《深度学习入门