E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
机器学习笔记
机器学习笔记
(2)
反向传播法(Backpropagationalgorithm)使用梯度下降法求解价值函数j(x)的最小值时,我们需要知道j(x)的导数先给一个样本(x,y)时的正向传播过程图片发自Appa(1)=xz(2)=theta(1)a(1)a(2)=g(z(2))z(3)=theta(2)a(2)a(3)=g(z(3))z(4)=theta(3)a(3)a(4)=h(x)=g(z(4))设置∂_j^l为第
呆呆说
·
2023-02-17 01:06
机器学习笔记
:MLP的万能逼近特性( Universal Approximation Property)
布尔逼近含有一个隐藏层的多层感知机/多层神经网络(MLP)可以精确地表示任何的布尔函数连续逼近含有一个隐藏层的多层感知机/多层神经网络(MLP)可以以任意精度逼近任何的有界连续函数任意逼近含有两个隐藏层的多层感知机/多层神经网络(MLP)可以以任意精度逼近任何函数万能逼近特性展示浅层神经网络的巨大潜能,当然是以神经元个数指数增长为代价,因此并不实用
UQI-LIUWJ
·
2023-02-16 21:22
机器学习
机器学习
人工智能
算法
机器学习笔记
- 什么是UMAP?
1、UMAP概述 统一流形逼近和投影(UMAP)是一种降维技术,可用于类似于t-SNE的可视化,但也可用于一般的非线性降维。UMAP是一种基于流形学习技术和拓扑数据分析思想的降维算法。它为处理流形学习和降维提供了一个非常通用的框架,但也可以提供具体的具体实现。 该算法基于对数据的三个假设: 数据均匀分布在黎曼流形上; 黎曼度量是局部常数(或可以近似); 歧管是本地连接的。 根据这些假设
坐望云起
·
2023-02-07 13:04
机器学习
UMAP
降维
机器学习
非线性降维
拓扑数据
机器学习笔记
4-多元梯度下降法
1.多特征2.多元特征下降法3.多元特征下降法-特征缩放有多个变量来求全局最优解的时候,如果变量的取值范围非常不一样,会使得等高线图变得扁平,比如图中的房屋尺寸和房间数量,一个是0-2000另外一个是1-5,会导致求全局最优解变得很慢,要花很长时间来计算。所以这里要把特征的范围缩小到比较相近的范围,比如x1/2000,x2/5,这样x1和x2都的范围是[0,1],使等高线的图看起来比较圆,会更快的
我想问问天
·
2023-02-07 11:12
人工智能
人工智能
机器学习
算法
线性回归 (Linear Regression)
机器学习笔记
——总贴本文目录1.线性回归1.1引言1.2线性回归的假设(hypothesis)1.3代价函数(costfunction)1.4梯度(gradient)1.5批梯度下降(batchgradientdescent
阿涵
·
2023-02-07 08:21
人工智能
机器学习
数据挖掘
深度学习
自动驾驶
神经网络
机器学习笔记
——线性拟合及梯度下降
机器学习笔记
——线性拟合及梯度下降线性拟合为什么要构造代价函数(1)从特殊情况:过原点的直线看起,只有一个参数的情况(2)从非特殊情况:不过原点的直线看起,有两个参数的情况梯度下降法梯度下降法数学含义梯度下降法下降方向的选择实现梯度下降法的学习率
家有琦琦果
·
2023-02-07 07:23
基础学习
机器学习
机器学习笔记
:朴素贝叶斯分类器(二)
在前一篇文章中,我们通过计算频率的方式来计算条件概率。对于未观测到的样本,其条件概率为0。这种假设看起来不太合理。现在我们要采用另一种方式来计算条件概率。我们假设特征之间相互独立,并服从正态分布。所有分类为C的样本的集合为Dc,集合中第i个特征服从正态分布:Xi~N(0,1)。通过计算Dc中所有特征的条件概率,最终得到单个样本属于分类C的条件概率,从而达到分类的目的。计算过程如下:贝叶斯分类.pn
谌显
·
2023-02-07 05:52
机器学习笔记
:梯度下降
机器学习的英文名称叫MachineLearning,简称ML,该领域主要研究的是如何使计算机能够模拟人类的学习行为从而获得新的知识和技能,并且重新组织已学习到的知和技能,使之在应用中能够不断完善自身的缺陷与不足。简单来说,机器学习就是让计算机从大量的数据中学习到相关的规律和逻辑,然后利用学习来的规律来预测以后的未知事物。(摘自:http://baijiahao.baidu.com/s?id=159
谌显
·
2023-02-06 07:31
01 前言 Andrew
机器学习笔记
在2012年的时候,MOOC刚刚开始火爆,机器学习也逐渐热闹起来。当时学习了Andrew的相关课程,做了一些笔记,这里分享给大家,希望对大家有所启发。分为如下几个方面:02单变量线性回归03多变量线性回归04逻辑斯蒂回归05正则化06非线性假设之神经网络07实践指导08SVM09聚类10异常检测11推荐系统
逍遥小强
·
2023-02-05 13:13
机器学习笔记
-理解支持向量机拉格朗日函数+对偶问题+KKT条件
理解支持向量机拉格朗日函数+对偶问题+KKT条件 这章内容主要是对支持向量机中拉格朗日函数、对偶问题和KKT条件进行一个说明,虽然我们成功推导出支持向量机的对偶形式,也知道如何进行求解最优参数,但是具体为什么这样做,我们还是不得而知。为此,我觉得需要更加深入了解一下什么是KKT条件、为什么要构造拉格朗日函数,以及对偶问题又是什么? 在深入了解之前,先分清楚对偶问题、拉格朗日函数、KKT条件,这
Pijriler
·
2023-02-05 07:09
机器学习笔记
机器学习
支持向量机
算法
机器学习笔记
——支持向量机(3)——原问题和对偶问题
引言在上一节我们介绍了支持向量机svm解决非线性相关的问题。如何利用已知的K和未知的ψ去解决优化问题是关键。在这一节将针对原问题原对偶问题进行学习。优化理论原问题(PrimeProblem)最小化:f(ω)限制条件:①gi(ω)=0(i=1~K)最大化中的函数L在前面已经定义。inf称为求最小值,也就是求得后面括号中L的最小值。它在固定了α,β的情况下,便历所有的ω,求出L的最小值。因此我们每确定
Eugene丶SHAO
·
2023-02-05 07:09
机器学习
机器学习
算法
人工智能
支持向量机
python
机器学习笔记
(三) 支持向量机 原型、对偶问题
零、摘要本篇文章讲述支持向量机的原型与他的拉格朗日对偶问题。主要参考资料:斯坦福大学CS229笔记吴恩达《机器学习》周志华《机器学习实战》peterHarrington《高等数学》同济大学《微积分学教程》【俄】菲赫金格尔茨维基百科支持向量机一、原型支持向量机(supportvectormachine)处理的是分类问题。首先,我们考虑这样一个问题,二维平面上有两个点集,要画一条一维直线把他们分开。如
weixin_41405111
·
2023-02-05 07:38
机器学习
机器学习
支持向量机
svm
拉格朗日对偶
条件极值
机器学习笔记
监督学习监督学习是已经知道数据的label,例如预测房价问题,给出了房子的面积和价格回归问题是预测连续值的输出,例如预测房价。分类问题是预测离散值输出,例如判断肿瘤是良性还是恶性无监督学习无监督学习是不知道数据具体的含义,比如给定一些数据但不知道它们具体的信息,对于分类问题无监督学习可以得到多个不同的聚类(聚类算法),从而实现预测的功能。单变量线性回归(LinearRegressionwithOn
Knows__
·
2023-02-04 12:35
人工智能
深度学习
吴恩达
机器学习笔记
(一)
文章目录引言1.1Welcome1.2Whatismachinelearning?1.3Supervisedlearning1.4Unsupervisedlearning引言1.1Welcome参考视频:P1Welcome总结:第一个视频主要讲述了什么是机器学习以及机器学习的一些应用,比如垃圾邮件识别、网页排序、产品推荐等等。1.2Whatismachinelearning?参考视频:P2What
cometsue
·
2023-02-04 10:22
吴恩达机器学习
机器学习
人工智能
机器学习笔记
(25)一种简单的半监督目标检测框架(2)
上一章介绍了STAC的基础理论,接下来我们看一下具体实验操作和初步的试验结果。实验细节MS-COCO数据集的试验设置MS-COCO包含来自80个目标类别的超过118k个标记图像和850k个标记目标实例用于训练。此外,还有123k个未标记的图像可用于半监督学习。论文试验了两种SSL设置。第一种:随机抽取1、2、5和10%的已标记训练数据作为标记集,其余的已标记训练数据作为未标记集。对于这些实验,创建
是魏小白吗
·
2023-02-04 10:56
机器学习中的思考
磕磕绊绊
机器学习笔记
- 什么是联合概率分布?
1、什么是联合概率分布?双向频率表是显示两个分类变量的频率(或“计数”)的表。例如,下面的双向表显示了一项调查的结果,该调查询问了100人他们最喜欢哪种运动:棒球、篮球或足球。行显示受访者的性别,列显示他们选择的运动:在此示例中,有两个变量:Sports和Gender。联合概率分布简单地描述了给定个体对变量取两个特定值的概率。联合概率分布的重点是寻找两个变量之间的关系。“联合”这个词来自于我们对两
坐望云起
·
2023-02-03 07:48
统计学
联合分布概率
机器学习
监督学习
概率论
统计学
机器学习笔记
——入门篇
目录一.有监督式学习二.无监督式学习三.半监督学习四.侦查学习五.没有免费午餐定理一.有监督式学习(Supervisedlearing)监督式学习(英语:Supervisedlearning),是一个机器学习中的方法,可以由训练资料中学到或建立一个模式(函数/learningmodel),并依此模式推测新的实例。训练资料是由输入物件(通常是向量)和预期输出所组成。函数的输出可以是一个连续的值(称为
Eugene丶SHAO
·
2023-02-02 10:11
机器学习
算法
机器学习
深度学习
人工智能
模式识别
机器学习笔记
——深度学习入门篇
前向传播与反向传播转载于:https://www.cnblogs.com/hdu-cpd/p/5988606.html
weixin_30240349
·
2023-02-02 10:10
人工智能
【经典】吴恩达——
机器学习笔记
001
【经典】吴恩达——
机器学习笔记
001机器学习(MachineLearning)笔记001学习地址:[中英字幕]吴恩达机器学习系列课程文字版参考及PPT来源:Coursera-ML-AndrewNg-Notes
superME1226
·
2023-02-02 10:40
机器学习
机器学习
算法
入门Python
机器学习笔记
01——机器学习概述及常用机器学习库的介绍
目录前言1、机器学习概述1.1机器学习与人工智能、深度学习关系1.2应用场景分析1.3定义2、机器学习算法分类3、机器学习开发流程前言关于python
机器学习笔记
整理01——机器学习概述及机器学习库的介绍
是故里吖
·
2023-02-02 10:34
Python
机器学习
机器学习笔记
(15)— 基本概念batch、batchsize、epoch、iteration
本文主要介绍机器学习中的四个基本概念,batch、batchsize、epoch、iteration,这几个概念对于初学者来说容易混淆。因此在次记录一下。深度学习中的优化算法就是梯度下降算法,通过该算法来进行参数的优化,参数的优化过程是通过计算损失函数来实现的。但是计算损失函数时如果每次都遍历整个数据集,会影响运行效率。为了解决这个问题,目前使用较多的是mini-batch梯度下降法。(关于梯度下
开门儿大弟子
·
2023-02-02 08:23
机器学习
机器学习笔记
3——Batch和动量
Batch把训练数据分为几个批次为一组进行训练,而不是把所有数据都放在一起一次性进行。使用batch的优点Momentum动量如果加入动量就会避免一些局部最小值或者鞍点的发生。
hello everyone!
·
2023-02-02 08:22
深度学习
batch
深度学习
机器学习笔记
:Momentum
1为什么要引入Momentum上图代表了一个函数的等高线使用梯度下降的话,红色的方向是我们要走的方向。蓝色和绿色分别是两个坐标轴上对应的变化方向。这会存在一个问题,就是学习率不能太大,不然就会出现“overshoot”的问题于是我们的梯度下降路线是一个像九曲桥一样的路径不难发现,这样会导致收敛的速度很慢其中,我们要优化的这个函数f,对应的hessian矩阵的最大和最小特征值的比值(我们称为cond
UQI-LIUWJ
·
2023-02-02 08:22
机器学习
机器学习
python
李宏毅
机器学习笔记
第8周_批次与动量
文章目录一、Review:OptimizationwithBatch二、SmallBatchv.s.LargeBatch三、Momentum1.SmallGradient2.VanillaGradient3.GradientDescent+Momentum一、Review:OptimizationwithBatch在计算微分的时候,并不是把所有的data对计算出来的L做微分,而是把data分成一个
MoxiMoses
·
2023-02-02 08:52
机器学习
深度学习
机器学习笔记
01---线性模型
线性模型形式简单、易于建模,但却蕴含着机器学习中一些重要的基本思想。许多功能更为强大的非线性模型可在线性模型的基础上通过引入层级结构或高维映射而得。此外,由于w直观表达了个属性在预测中的重要性,因此线性模型有很好的可解释性。欠采样法的时间开销通常远小于过采样法,因为前者丢弃了很多反例,使得分类器训练集远小于初始训练集,而过采样法增加了很多正例,其训练集大于初始训练集。注意的是,过采样法不能简单地对
一件迷途小书童
·
2023-02-02 08:05
Machine
Learning
机器学习
人工智能
算法
小wind的
机器学习笔记
(一):新手入门必须了解的重要概念
博客简介一直在做项目或者忙课程的事情,大学学习机器学习两年多的一些笔记和思考都一直还没来得及整理。于是我写下这个系列博客回顾一下自己学过的知识,为自己巩固基础,也最好能为广大机器学习初学者提供一些帮助。这篇文章先介绍一些新手入门必须了解的机器学习重要概念,博客参考到《Hands-OnMachineLearingwithScikit-Learn&Tensorflow》、周志华老师的西瓜书、吴恩达老师
风起86
·
2023-02-01 20:47
机器学习笔记
机器学习
机器学习笔记
(5)RNN
参考资料:https://zhuanlan.zhihu.com/p/30844905基本概念RNN对任意输入的输出,不仅和当前输入有关,还和上一输入的隐层状态有关。BRNN双向RNN,对任意输入的输出,不仅和当前输入有关,还和上一输入的隐层状态,以及下一输入的隐层状态有关。即对于一个序列正向计算一次隐层状态,再反向计算一次,最终得到输出LSTM(长短期模型)LSTM相比于RNN,主要解决的长依赖问
wyl2077
·
2023-02-01 17:06
机器学习
深度学习
python
pytorch
多层感知机和神经网络的区别_百面
机器学习笔记
| 第九章:前向神经网络 | 03 多层感知机...
大名鼎鼎多层感知机登场!多层感知机结构图我们来看一下这个结构。输入信号通过各个网络层的隐节点产生输出的过程称为前向传播,用以下符号表示:定义第层的输入为,输出为。在每一层中,首先利用和偏置计算仿射变换,然后利用激活函数作用于,得到。直接作为下一层的输入,也就是。设为m维的向量,和为n维的向量,则为维的矩阵。我们分别用表示其中第一个元素。在网络训练中,前向传播最终产生一个标量损失函数,反向传播算法(
weixin_39754411
·
2023-02-01 10:41
多层感知机和神经网络的区别
机器学习笔记
之高斯分布(一)——使用极大似然估计计算最优参数
机器学习笔记
之高斯分布——使用极大似然估计计算最优参数目录高斯分布介绍一维正态分布多维正态分布回顾:数据集合与概率模型使用极大似然估计计算高斯分布最优参数目录本节将介绍一个在统计机器学习中占据重要地位的分布
静静的喝酒
·
2023-02-01 09:28
机器学习
概率论
python
论文笔记目录(ver2.0)
DiffusionConvolutionalRecurrentNeuralNetwork:Data-DrivenTrafficForecasting)_UQI-LIUWJ的博客-CSDN博客iclr2017使用双向扩散卷积+GRU,建模空间和时间依赖性
机器学习笔记
UQI-LIUWJ
·
2023-02-01 09:28
各专栏目录
论文阅读
人工智能
深度学习
[
机器学习笔记
] 判别模型与生成模型
监督学习方法可以分为生成方法和判别方法。判别模型直接从训练数据中学习条件概率分布P(Y|X)或决策函数Y=f(X)的方法为判别方法,学习到的模型是判别模型。基本思想是,有限样本条件下,建立判别函数,不考虑样本的产生模型,直接研究预测模型。学到了条件概率分布P(Y|X)或决策函数Y=f(X),就可以用来判别新的输入X对应的输出Y。典型的判别模型有:感知机、K近邻、决策树、逻辑回归、支持向量机、提升方
勇敢的仙人掌
·
2023-02-01 09:55
机器学习
机器学习
判别模型
生成模型
机器学习笔记
之生成对抗网络(一)逻辑介绍
机器学习笔记
之生成对抗网络——逻辑介绍引言生成对抗网络——示例生成对抗网络——数学语言描述生成对抗网络——判别过程描述引言本节将介绍生成对抗网络的基本逻辑与数学语言描述。
静静的喝酒
·
2023-02-01 09:22
机器学习
深度学习
生成对抗网络
人工智能
前馈神经网络
机器学习笔记
- Kaggle竞赛 生成莫奈风格图像的GAN
一、比赛说明我们通过艺术家的独特风格来识别他们的作品,例如颜色选择或笔触。由于生成对抗网络(GAN),现在可以用算法模仿像克劳德莫奈这样的艺术家的“jenesaisquoi”。在这个入门比赛中,您将把这种风格带到您的照片中,或者从头开始重新创造这种风格!近年来,计算机视觉取得了长足的进步,GAN现在能够以非常令人信服的方式模仿物体。但创造博物馆级的杰作被认为是艺术而非科学。那么(数据)科学能否以G
坐望云起
·
2023-01-31 16:58
#
机器/深度学习案例
机器学习系列(吴恩达版)
机器学习笔记
(0)常见概念&一些术语(随学习进度更新,部分个人理解)监督学习(SupervisedLearning)给定训练集后,通过算法让机器学习分类、标识等操作。
MDRG_Learning
·
2023-01-31 11:34
机器学习
机器学习
深度学习
人工智能
算法
实用
机器学习笔记
-第五章-集成学习
一、集成学习1.统计学习中的衡量模型指标1.1偏差:学习到的模型和真实模型之间的位移1.2方差:学习到的东西差别有多大1.3示意图1.4偏差-方差公式泛化误差:Ed[(y−f^(x)2)]=Bias[f^]2+Var[f^]+σ2E_d[(y-\hat{f}(x)^2)]=Bias[\hat{f}]^2+Var[\hat{f}]+\sigma^2Ed[(y−f^(x)2)]=Bias[f^]2+V
11408考研休息室
·
2023-01-31 09:15
机器学习
人工智能
爬虫
机器学习笔记
-模型评估与选择
评估方法:西瓜书里面的几种方法:1.留出法。随机划分,拿大部分去训练,小部分去测试。存在的问题是划分会导致训练和测试的分布与真实分布产生偏差,不同划分可能对结果产生影响。2.交叉验证法多次划分取评估的平均值。特例:留1法,k=m。当m比较大时,成本太高。3.自助法在原样本D中有放回的采样m次,得到D',m为样本的数目。采集到的样本有些是重复的,而有些采样不到。约36.8%采不到。性能度量分类问题:
刘子非2046
·
2023-01-31 04:48
机器学习笔记
week1(Andrew NG)
机器学习笔记
week1(AndrewNG)martin
机器学习笔记
week1AndrewNGLinearRegressionwithoneVariable单变量线性回归ModelandCostFunction
ice_martin
·
2023-01-30 17:12
机器学习
机器学习
龙珠训练营
机器学习笔记
task02
龙珠训练营
机器学习笔记
task02本学习笔记为阿里云天池龙珠计划机器学习训练营的学习内容,学习链接为:https://tianchi.aliyun.com/specials/promotion/aicampml
book思议119
·
2023-01-30 16:29
python
龙珠训练营
机器学习笔记
task03
龙珠训练营
机器学习笔记
task02本学习笔记为阿里云天池龙珠计划机器学习训练营的学习内容,学习链接为:https://tianchi.aliyun.com/specials/promotion/aicampml
a_little_pig_
·
2023-01-30 16:53
python
机器学习笔记
-分类器
计算社会科学讲习班机器学习:理论与实践模块Day2如果把机器学习归为两大类,那么主要的工作可以分为:分类和聚类。而分类任务基本上占整个机器学习或者是数据挖掘领域的70%。image.png1.逻辑回归回归的本质就是找参数,使得函数的值和样本的值最接近。即logit模型属于参数估计,是个有监督学习。2.判别分析主流的判别分析算法有三大类:费希尔(Fisher)判别主要讨论线性判别分析(LDA)、二次
凡有言说
·
2023-01-30 06:19
机器学习笔记
3
李宏毅机器学习任务四】负责人:王佳旭课程设计人:王佳旭#任务时间#请于5月25日22:00前完成,逾期尚未打卡的会被清退学习视频内容:观看观看李宏毅课程内容:p8视频连接:https://www.bilibili.com/video/av35932863/?p=8学习Datawhale整理笔记https://datawhalechina.github.io/Leeml-Book/#/chapter
trying52
·
2023-01-29 18:05
机器学习笔记
:GRU
1LSTM复习
机器学习笔记
RNN初探&LSTM_UQI-LIUWJ的博客-CSDN博客中,我们使用的是这样的一张图来说明LSTM:这里为了和GRU有一个比较,使用如下的图表示LSTM,意思是一样的,绿色和紫色的部分是二者的对照关系
UQI-LIUWJ
·
2023-01-29 14:17
机器学习
机器学习
回归
人工智能
机器学习笔记
(12)图解LSTM与GRU的区别以及各单元公式推导
发现无论哪场面试,LSTM与GRU的细节区分被提问的概率都很高,今天简单分析一下参考资料:https://m.sohu.com/a/336551522_99979179https://www.jianshu.com/p/4b4701beba92LSTM公式为i的计算常被称为输入门,f的计算常被称为遗忘门,注意和tahn做运算的是输入门。简单说明LSTM的整个过程:1.首先输入为三个值,一个是此刻的
是魏小白吗
·
2023-01-29 14:47
机器学习中的思考
机器学习
随机森林算法实现
看到一篇超级详细的随机森林算法调参的文章,分享出来Python
机器学习笔记
:随机森林算法-战争热诚-博客园
Idie_
·
2023-01-29 12:38
python
随机森林
【ML入门】李宏毅
机器学习笔记
01-Learning Map
【ML入门】李宏毅
机器学习笔记
01-LearningMap-知乎https://zhuanlan.zhihu.com/p/74377397
BG大龍
·
2023-01-28 03:10
机器学习笔记
——4 广义线性模型的基本思想和各个常用的回归特例(附logistic模型的python实现)
广义线性模型(GeneralizedLinerModel)的基本思想和各个常用的回归特例(附logistic模型的python实现)为什么需要广义线性模型?“广义”和“线性”的含义是什么?首先我们需要解释线性的重要性。线性之所以如此重要,其本质原因在于两方面:线性形式相对是简单的,而且我们擅长处理线性问题,无论是在工程实现上还是在数学分析上。在线性的世界里,无论是对象本身的描述还是变换的描述,我们
_Volcano
·
2023-01-27 15:55
机器学习笔记
机器学习
人工智能
广义线性模型
统计学习
数学
#吴恩达·
机器学习笔记
(④ 多元梯度下降及正规方程)
DAY7多特征之前的视频是关于一个特征变量的(房屋面积对应房价)现在除了房屋面积还有诸如卧室数量、楼层数量等一系列的影响因素相较于传统的假设,现在的假设式如下:多元线性回归假设模型:多元梯度下降算法更新后的代码如下:DAY8特征缩放(出现这种原因是因为两个值(x、y)差别太大(一个是在0-2000,一个是在0-5))以1个特征来举例,如果椭圆越狭长,那么梯度下降时间就会越长而如果我们将其进行一个缩
人生苦短我愛Python
·
2023-01-27 14:11
吴恩达机器学习
机器学习
人工智能
深度学习
机器学习笔记
- Java学习框架Deeplearning4j初体验
一、Deeplearning4j概述Deeplearning4j是一套用于在JVM上运行深度学习的工具。它是唯一一个允许您从java训练模型,同时通过我们的cpython绑定、模型导入支持以及其他运行时(如tensorflow-java和onnxruntime)的互操作的混合执行与python生态系统互操作的框架。用例包括导入和重新训练模型(Pytorch、Tensorflow、Keras)模型以
坐望云起
·
2023-01-27 13:23
#
机器/深度学习案例
Deeplearning4j
Java和深度学习
深度学习
Apache
Spark
jvm
机器学习笔记
(十二):TensorFlow实战四(图像识别与卷积神经网络)
1-卷积神经网络常用结构1.1-卷积层我们先来介绍卷积层的结构以及其前向传播的算法。一个卷积层模块,包含以下几个子模块:使用0扩充边界(padding)卷积窗口过滤器(filter)前向卷积反向卷积(可选)1.1.2-边界填充边界填充将会在图像边界周围添加值为0的像素点,如下图所示:使用0填充边界有以下好处:卷积了上一层之后的CONV层,没有缩小高度和宽度,这对建立更深的网络非常重要,否则在更深层
LiAnG小炜
·
2023-01-27 11:44
机器学习笔记
深度学习
图像识别
卷积神经网络
人工智能
吴恩达
机器学习笔记
(自己学的过程进行记录)
吴恩达
机器学习笔记
(自己学着记)1.机器学习分类1.1监督学习1.1.1回归回归问题是在知道正确答案的基础上进行的,即给定的数据集是真实的一系列连续的值。
xiuyvshu
·
2023-01-27 02:19
机器学习
上一页
6
7
8
9
10
11
12
13
下一页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他