深度学习入门第16页

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

阿_旭·2022-11-08 11:26

《深度学习入门-基于Python的理论与实现》第二章带读 -- 感知机

开篇介绍：《深度学习入门-基于Python的理论与实现》书籍介绍第一章：《深度学习入门-基于Python的理论与实现》第一章带读文章构成：感知机是什么感知机构建逻辑电路感知机的局限性多层感知机1.感知机是什么感知机

【文言】·2022-11-08 10:06

送书 | 火遍日本 IT 界的「鱼书」终出续作！！！！

这就是被称为「鱼书」的《深度学习入门：基于Python的理论与实现》。原书上市不到2年，就已经加印到100000+册了，对于技术图书来讲已经是个惊人的数字了。一方面说明深度学习确

敲代码的灰太狼·2022-11-08 09:36

《深度学习进阶自然语言处理》第一章：神经网络的复习

第一章：神经网络的复习关于本书第一章内容，主要是对《深度学习入门：基于Python的理论与实现》一书的精炼性概括。

【文言】·2022-11-08 09:04

深度学习入门系列2:用TensorFlow构建你的第一个神经网络

大家好，我技术人Howzit，这是深度学习入门系列第二篇，欢迎大家一起交流！

技术人Howzit·2022-11-07 23:26

神经网络的学习-搭建神经网络实现mnist数据集分类

文章目录四、神经网络的学习1.损失函数2.损失函数的意义3.数值微分4.梯度法5.学习算法的实现四、神经网络的学习这一章通过两层神经网络实现对mnist手写数据集的识别，本文是源于《深度学习入门》的学习笔记若理解困难

泥签·2022-11-07 17:45

github标星8331+：吴恩达深度学习课程资源（完整笔记、中英文字幕视频、python作业，提供百度云镜像！）...

吴恩达老师的深度学习课程（deeplearning.ai），可以说是深度学习入门的最热门课程，我和志愿者编写了这门课的笔记，并在github开源，star数达到8331+，曾经有相关报道文章。

湾区人工智能·2022-11-07 15:58

深度学习入门（十五）环境和分布偏移（了解）

深度学习入门（十五）环境和分布偏移前言环境和分布偏移教材1分布偏移的类型1.1协变量偏移1.2标签偏移1.3概念偏移2分布偏移示例2.1医学诊断2.2自动驾驶汽车2.3非平稳分布2.4更多轶事3分布偏移纠正

澪mio·2022-11-06 12:06

PyTorch深度学习入门笔记（二）PyTorch加载数据初认识

一些简单函数的使用获取数据集的数据#KyrieIrving#!/9462...fromtorch.utils.dataimportDatasetimportcv2fromPILimportImageimportos#img=cv2.imread('E:\\CodeCodeCodeCode\\Python-data\\hymenoptera_data\\train\\ants\\5650366_e2

Charliefive·2022-11-06 07:10

PyTorch深度学习入门笔记（三）PyTorch加载数据初认识

课程学习笔记，课程链接学习笔记同步发布在我的个人网站上，欢迎来访查看。文章目录一、Dataset和Dataloader二、数据集初识三、Dataset类初识一、Dataset和DataloaderPytorch读取数据主要涉及两个类：Dataset和Dataloader数据可类比为“垃圾”，不同数据是不同种类的垃圾，这里蓝色是可回收垃圾。Dataset能够把垃圾中的可回收垃圾即蓝色块给挑选出来，并

雪天鱼·2022-11-06 07:33

深度学习入门（二十三）卷积神经网络——图像卷积

深度学习入门（二十三）卷积神经网络——图像卷积前言卷积神经网络——从全连接层到卷积课件卷积层二维交叉相关二维卷积层例子交叉相关VS卷积一维和三维交叉相关总结教材1互相关运算2卷积层3图像中目标的边缘检测

澪mio·2022-11-05 14:10

计算图的反向传播及误差反向传播（复制《深度学习入门127页》）

1、计算图的反向传播（1）计算图的反向传播的意义是：告诉对方我希望你的结果以什么样的量级提升/降低（2）随机梯度下降法在计算梯度时加入随机的因素，于是即便其陷入到局部的极小值点，他计算的梯度仍可能不为0，这样就有可能跳出局部的极小值而继续进行搜索。2、误差反向传播

江州司马青衫湿·2022-11-02 15:41

深度学习入门（十四）数值稳定性和模型初始化

深度学习入门（十四）数值稳定性和模型初始化前言数值稳定性和模型初始化课件数值稳定性神经网络的梯度数值稳定性的常见两个问题例子：MLP梯度爆炸梯度爆炸的问题模型初始化和激活函数让训练更加稳定让每层的方差是一个常数权重初始化例子

澪mio·2022-11-02 15:07

深度学习入门（十一）权重衰减

深度学习入门（十一）权重衰减前言权重衰退使用均方范数作为硬性限制（不常用）使用均方范数作为柔性限制演示对最优解的影响参数更新法则总结代码演示(从零实现)1初始化模型参数2定义L2范数惩罚3定义训练代码实现

澪mio·2022-11-02 15:37

深度学习入门（十二）drop out 丢弃法

深度学习入门（十二）dropout丢弃法前言dropout丢弃法课件动机无偏差的加入噪音使用丢弃法推理中的丢弃法总结教材重新审视过拟合扰动的稳健性实践中的暂退法方法代码实现（从零开始）1定义模型参数2定义模型

澪mio·2022-11-02 15:37

深度学习入门学习笔记之——误差反向传播法

误差反向传播法上一章中，我们介绍了神经网络的学习，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，也容易实现，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。要正确理解误差反向传播法，我个人认为有两种方法：一种是基于数学式；另一种是基于计算图（computationalgraph）。前者是比较

前丨尘忆·梦·2022-11-02 15:34

实现神经网络模型的前向传播、反向传播和训练

本实训内容可参考《深度学习入门——基于Python的理论与实现》一书中第5.1章节的内容。神经网络的前向传播在之前的实训中，我们简单学习了神经网络的前向传播。

亂世卍雲曦·2022-11-02 15:34

对《深度学习入门》第五章中Affine层反向传播计算公式的一种解释

目录方法概述解释开始1.绘制计算图2.排列反向传播结果3.新知识引入4.更加严谨参考文献初读此书，对下图中这个公式无法理解。如果仿照作者的之前叙述的方法，需要进行矩阵对矩阵的求导，如何求导以及对于矩阵是否有链式法则笔者都没有了解，所以决定不以矩阵为变量尝试推导。方法概述将矩阵乘法理解为相应标量元素乘法和加法运算，再将得到的结果进行排列。所以使用标量（矩阵中的元素）作为节点的输入输出，对

爱做白日梦的悲观主义者·2022-11-02 15:31

深度学习入门（十三）前向传播、反向传播和计算图

深度学习入门（十三）前向传播、反向传播和计算图前言前向传播、反向传播和计算图教材前向传播前向传播计算图反向传播训练神经网络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，防止遗忘前向传播

澪mio·2022-11-02 15:29

深度学习入门（八）多层感知机

深度学习入门（八）多层感知机前言感知机训练感知机收敛定理XOR问题总结多层感知机学习XOR单隐藏层单分类sigmoid激活函数Tanh激活函数ReLU激活函数多类分类多隐藏层总结多层感知机（教材）1隐藏层

澪mio·2022-10-31 11:08

深度学习入门（十）模型选择、过拟合和欠拟合

深度学习入门（十）模型选择、过拟合和欠拟合前言模型选择例子：预测谁会偿还贷款？

澪mio·2022-10-31 11:08

机器学习实战——基于Scikit-Learn和TensorFlow 阅读笔记之第八章：降维

《机器学习实战——基于Scikit-Learn和TensorFlow》这是一本非常好的机器学习和深度学习入门书，既有基本理论讲解，也有实战代码示例。我将认真阅读此书，并为每一章内容做一个知识笔记。

xbs118·2022-10-30 02:34

深度学习入门（九）多层感知机实现

深度学习入门（九）多层感知机实现前言多层感知机从零实现1获取和读取数据2初始化模型参数3激活函数4模型5损失函数6训练7预测多层感知机简洁实现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·2022-10-29 09:03

PyTorch深度学习入门笔记（四）torchvision 中的DataSet使用

torchvision官网：https://pytorch.org/Python官网.点进torchvision:torchvision文档列出了很多科研或者毕设常用的一些数据集，如入门数据集MNIST，用于手写文字。这些数据集位于torchvision.datasets模块，可以通过该模块对数据集进行下载，转换等操作。torchvision还有io模块，但不常用torchvision.model

Charliefive·2022-10-28 14:54

PyTorch深度学习入门笔记（七）Pooling layers可视化层非线性激活线性层

Poolinglayers可视化层相当于1080P—>720PDilation空洞卷积ceil_mode默认是false此时池化核（3*3）步长为3测试代码#KyrieIrving#!/9462...importtorchimporttorchvisionfromtorchimportnnfromtorch.nnimportMaxPool2dfromtorch.utils.dataimportDa