深度学习入门笔记❤️

深度学习入门笔记（一）聚类 回归 分类

声明：本文内容源自《白话深度学习与tensorflow》高扬卫峥编著一书读书笔记！！！聚类(clustering)是一种典型的“无监督学习”，是把物理对象或抽象对象的集合分组为彼此类似的对象组成的多个类的分析过程。**回归(regression)**是一种归纳的思想，简单说就是“由果索因”的过程。当我们看到大量的实事所呈现的样态，从而推断出原因或客观蕴含的关系是如何的；当我们看到大量的观测而来的向
花落雨微扬·2020-07-05 09:39

深度学习入门笔记（十四）：Softmax

欢迎关注WX公众号：【程序员管小亮】专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。
我是管小亮·2020-07-01 13:34

深度学习入门笔记系列 ( 八 ) ——基于 tensorflow 的手写数字的识别（进阶）

基于tensorflow的手写数字的识别（进阶）本系列将分为8篇。本次为第8篇，基于tensorflow，利用卷积神经网络CNN进行手写数字识别。1.引言关于mnist数据集的介绍和卷积神经网络的笔记在本系列文章中已有过介绍，有需要可见下述两篇文章。本系列第5篇曾实现利用最简单的BP神经网络进行手写数字识别。本系列第6篇简单介绍了下卷积神经网络的知识。基于tensorflow的手写数字识别卷积神经
weixin_34061042·2020-06-28 10:54

深度学习入门笔记手稿（七）梯度消失与梯度爆炸和神经网络权重初始化

深度学习入门笔记手稿（七）梯度消失与梯度爆炸和神经网络权重初始化梯度消失与梯度爆炸神经网络的权重初始化梯度消失与梯度爆炸训练神经网络会面临导数或梯度变得非常大，或者非常小，这加大了训练难度，而明智的选择随机初始化权重可避免这一问题
楚门.·2020-06-22 07:48

深度学习入门笔记，三流程序员如何凭借实力逆袭高薪？你不服不行！

最近经常有朋友提及，想要入门深度学习，该如何学习？关于深度学习，网上的资料很多，不过貌似大部分都不太适合初学者。我曾经是一名三流程序员，每天的工作内容就是在前人留下的bug上写新的bug，我以为我的职业生涯就是这样泡着枸杞写bug，后来我接触到了深度学习。我觉得它就是在向我招手的迪丽热巴，我一定要拿下它。我买了书籍、资料，一头扎进了深度学习的蓝海，但很快，我就有种缺氧的感觉：1、书里面内容和知识点
AI科技大本营·2020-06-21 00:54

CSDN日报191012：深度学习笔记；深入理解 Java 虚拟机

深度学习|深度学习入门笔记（十一）：深度学习数据读取作者：我是管小亮机器学习的应用是一个高度依赖经验的过程，伴随着大量迭代的过程，需要训练诸多模型，才能找到合适的那一个，所以，优化算法能够帮助你快速训练模型
CSDN官方博客·2019-10-12 17:37

深度学习入门笔记（十一）：深度学习数据读取

专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。
我是管小亮 :)·2019-10-11 18:47

深度学习入门笔记（十一）：深度学习数据读取

专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。
我是管小亮 :)·2019-10-11 18:47

深度学习入门笔记（十二）：权重初始化

专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。
我是管小亮 :)·2019-09-29 09:24

深度学习入门笔记（十）：正则化

专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。
我是管小亮 :)·2019-09-29 09:53

深度学习入门笔记（九）：深度学习数据处理

专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。
我是管小亮 :)·2019-09-29 09:40

深度学习入门笔记（八）：深层网络的原理

专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。
我是管小亮 :)·2019-09-25 21:49

深度学习入门笔记（七）：深层神经网络

专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。
我是管小亮 :)·2019-09-25 14:45

深度学习入门笔记（六）：浅层神经网络

专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。
我是管小亮 :)·2019-09-22 16:28

深度学习入门笔记（四）：向量化

专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。
我是管小亮 :)·2019-09-18 15:28

深度学习入门笔记（四）：向量化

专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。
我是管小亮 :)·2019-09-18 15:28

深度学习入门笔记（三）：求导和计算图

专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。
我是管小亮 :)·2019-09-17 19:52

深度学习入门笔记（三）：求导和计算图

专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。
我是管小亮 :)·2019-09-17 19:52

深度学习入门笔记（二）：神经网络基础

专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。
我是管小亮 :)·2019-09-17 15:38

深度学习入门笔记（二）：神经网络基础

专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。
我是管小亮 :)·2019-09-17 15:38

深度学习入门笔记（五）：神经网络的编程基础

专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。
我是管小亮 :)·2019-09-14 21:04

深度学习入门笔记（一）：深度学习引言

专栏——深度学习入门笔记声明1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。
我是管小亮 :)·2019-09-10 22:34

深度学习入门笔记 Day10/15 与学习相关的技巧（二）

一、如何使用WeightDecay权值衰减或者Dropout技术缓解过拟合？过拟合现象是指在训练集中表现优秀，但是在其他未知的数据集上表现很差的现象。由于很多过拟合原本就是因为权重参数取值过大才发生的。WeightDecay权值衰减法是通过最小化权值的二范数，使得所有权值都为最小。如果网络的模型变得很复杂，只用权值衰减就难以应对了。在这种情况下，我们经常会使用Dropout方法。Dropout是一
eowyn0406·2019-05-25 21:09

深度学习入门笔记 Day9/15 与学习相关的技巧（一）

一、为什么SGD不够完美1.在输入参数的系数相差较为巨大的时候，比如：的时候，由于参数变化对于y的影响比参数变化要小得多，那么在更新参数的时候，对于x1的更新就很不明显，虽然上式的最小值明显在处，但是如果选择初始值可能最终收敛到的地方是。2.学习率对SGD影响也很大，如果选择得过大，可能最终无法收敛；选择得不适合，可能收敛速度很慢；选择得过小，学习效率太低。二、什么是Momentum、AdaGra
eowyn0406·2019-05-24 16:50

深度学习入门笔记 Day8/15 误差反向传播法（二）

一、如何实现加法层和乘法层用代码实现昨天的苹果、橘子问题。这里的layer应该理解为节点，MulLayer是乘法节点的实现，AddLayer是加法节点的实现。对于每个节点声明一个类变量mul_apple_layer=MulLayer()#节点1，乘法节点，苹果单价*苹果个数mul_orange_layer=MulLayer()#节点2，乘法节点，橘子单价*橘子个数add_apple_orange_
eowyn0406·2019-05-23 18:44

深度学习入门笔记 Day6/15 神经网络（四）

一、什么是数值微分数值微分就是用求导数近似值的方法。取或其他较小的数，则函数在x点处的导数等于：用python等计算机语言实现时，要注意，并不是越小越好，因为计算机的存储空间有限，32位单精度浮点数可表达的数字范围在-3.40E+38~+3.40E+38之间。例子：，求其在x=1处的导数#函数表达式deffx(x):returnx**2#数值微分求导数#精度较低的前向差分的数值微分defnumer
eowyn0406·2019-05-21 16:23

深度学习入门笔记 Day5/15 神经网络（三）

一、可否从数据中自动学习神经网络的权重参数？当然可以，不然学深度学习干啥！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。深度学习、机器学习的区别：深度学习的优势在于不需要人为挑选特征值。https://blog.csdn.net/eowyn0406/article/details/86690667二、为什么要将数据划分为训练数据和测试数据？训练数据用
eowyn0406·2019-05-20 16:01

深度学习入门笔记 Day4/15 神经网络（二）

一、如何使用Numpy数组实现一个权重既定的三层神经网络的前向传播？importnumpyasnpdefidentity_function(x):returnxdefinit_network():network={}network['W1']=np.array([[0.1,0.3,0.5],[0.2,0.4,0.6]])#2*3network['b1']=np.array([0.1,0.2,0.3
eowyn0406·2019-05-19 20:52

深度学习入门笔记 Day2/15 感知机

一、感知机是什么？感知机是一种算法，把多个输入信号按一定的逻辑关系进行输出（一个输出），单层感知机公式如下：通过调整权重和阈值，可以用来实现各种逻辑电路。二、如何用单层感知机实现各种逻辑电路？比如或门：设置权重和阈值w1=0.5,w2=0.5,theta=0.3即可，这个值不唯一，自己试试，无限多种组合方式。#或门#w1=0.5,w2=0.5,theta=0.3importnumpyasnpdef
eowyn0406·2019-05-17 12:28

深度学习入门笔记 Day1/15

第一章Python入门Day1/151.2Python的安装另外安装了一个Python的IDE：pyCharm经常使用的两个外部库：a.Numpy：用于数值运算importnumpyasnp(可以改名)b.Matplotlib：用于绘图importmatplotlib.pyplotasplt(可以改名)------------------------------------------------
eowyn0406·2019-05-16 11:09

深度学习入门笔记手稿（十二）学习率衰减

学习率衰减加快学习算法的一个办法就是随机慢慢减少学习率在使用minibatch梯度下降算法时，最后会在一点附近摆动，并不会真正收敛，因为学习率为固定值，不同的minibatch中有噪音但是慢慢减少学习率，在初期学习率还比较大，但是随着学习率变小，学习不长也变慢，最后会在最小值一小块区域摆动1.可以将学习率设置为1/（1+decay_rate*epoch_num）decay_rate为衰减率epoc
楚门.·2019-05-15 12:16

深度学习入门笔记手稿（九）mini-batch梯度下降

深度学习入门笔记手稿（九）mini-batch梯度下降mini-batch梯度下降特性mini-batch梯度下降数据特别大时在，在全部处理完全部数据之前，先让梯度下降处理一部分，算法速度会加快。
楚门.·2019-05-15 00:03

TensorFlow深度学习入门笔记（二）基本概念与代码1

写在前面学习建议：以下学习过程中有不理解可以简单查找下资料，但不必纠结（比如非得深究某一个函数等），尽量快速的学一遍，不求甚解无妨。因为有些知识现在陌生，可能学到后面就发现之前的问题都很自然的理解与会用了。多实操代码，不能只复制代码，或者感觉懂了就只看。熟能生巧，我亦无他，唯手熟尔计算模型：计算图计算图是TensorFlow中最基本的一个概念，TensorFlow中所有的计算都会被转化为计算图上的
长青大哥·2019-05-06 11:05

TensorFlow深度学习入门笔记（一）写在前面——如何入门深度学习

“本文是自己学习中的一些感悟，主要谈下如何入门深度学习。”为啥你也可以自学AI？因为我都可以，所以你一定也行！我不是AI相关专业出身，没有经过硕士、博士级洗礼，大学毕业很多年（数学等早还给老师了），甚至不是开发，也不是很懂算法（让我手写个快排估计都写不出来）……对，我在学机器学习、深度学习技能，而且还准备从事相关的职业所以你应该也没问题，相信自己如果你碰巧也对AI有兴趣，想探一探它的神奇，欢迎同路
qichq·2019-02-21 13:14

深度学习入门笔记（三）————BP神经网络解决异或问题（代码）

一网络结构二代码导入包importnumpyasnpimportmatplotlib.pyplotasplt2.输入数据X=np.array([[1,0,0],[1,0,1],[1,1,0],[1,1,1]])3.定义标签#标签00为010为101为111为0Y=np.array([[0,1,1,0]])4.初始化#权值初始化有两层所以两个权值取值范围-1,1V=np.random.random(
kalp_yp·2018-09-12 19:06

深度学习入门笔记之——基于 tensorflow 的回归代码实现

深度学习入门笔记系列(四)基于tensorflow的回归代码实现每周一三五，相约7：35。本系列将分为8篇。今天是第四篇。
weixin_33736832·2018-08-01 08:17

深度学习入门笔记

之前研讨会各种听老板和师兄谈论deeplearning的话题，自己也就听一听，这段时间出于了解论文的目的仔细研究了一下，感觉内部挺复杂的，不过若只是需要了解原理，其实还比较简单。首先推荐一个博客地址，很多基本原理都是参照这里的：http://blog.csdn.net/zouxy09/article/details/8775360/深度学习与以往的机器学习方法不同之处在于，它并非是一个具体的方法或
宣小K·2017-09-05 12:15

深度学习入门笔记--图像线性分类

这篇博客是为了自己方便回忆知识点做的一些记录和整理，参考资料是知乎专栏的CS231N课程笔记翻译想看详细版请点链接：https://zhuanlan.zhihu.com/p/21930884?refer=intelligentunit%20%E8%BF%99%E4%B8%AA%E6%98%AFCS231n%E7%9A%84%E7%BF%BB%E8%AF%91%E7%AC%94%E8%AE%B0计算
BridgetMorris·2017-05-21 18:41

深度学习入门笔记--图像线性分类

这篇博客是为了自己方便回忆知识点做的一些记录和整理，参考资料是知乎专栏的CS231N课程笔记翻译想看详细版请点链接：https://zhuanlan.zhihu.com/p/21930884?refer=intelligentunit%20%E8%BF%99%E4%B8%AA%E6%98%AFCS231n%E7%9A%84%E7%BF%BB%E8%AF%91%E7%AC%94%E8%AE%B0计算
BridgetMorris·2017-05-21 18:41

深度学习入门笔记 Deep Learning Notes

首发：partIhttps://yq.aliyun.com/articles/71667partIIhttps://yq.aliyun.com/articles/72036作者介绍：DeepakShahDeepakShah毕业于德克萨斯奥斯汀分校，徒步旅行爱好者，目前是深度学习\数据科学实习生，研究领域专注于深度学习、编程、金融等方面。个人主页：http://www.deepakvshah.com
uncle_ll·2017-04-27 17:42
上一页 1 2 3 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他