深度学习入门

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
Charliefive·2022-10-28 14:54

PyTorch深度学习入门笔记（三）TensorBoard的使用

首先安装TensorBoard从函数介绍可知：这个类主要是将事件文件写入log_dir文件夹，可以被TensorBoard解析。要用到其成员函数add_scalar()pipinstalltensorboardfromtorch.utils.tensorboardimportSummaryWriterdefadd_scalar(self,tag,scalar_value,global_step=N
Charliefive·2022-10-28 14:23

【自学】深度学习入门 基于python的理论与实现 LESSON 2 ＜神经网络2＞

目录前言一、多维数组的运算二、3层神经网络的实现三、输出层的设计1.恒等函数2.softmax函数（1）基础softmax函数（2）实现softmax的注意事项（3）softmax特征四、手写数字识别1.MNIST数据集2.神经网络的推理处理总结前言本节继续学习神经网络的基础知识，并在结尾学习了书上的例子。一、多维数组的运算掌握了Numpy多维数组的运算，就可高校地实现神经网络。下面介绍矩阵相乘：
Rachel MuZy·2022-10-28 14:51

深度学习的名词解释

深度学习入门必须理解这25个概念神经网络基础1、神经元（Neuron）——就像形成我们大脑基本元素的神经元一样，神经元形成神经网络的基本结构。想象一下，当我们得到新信息时我们该怎么做。
hzp666·2022-10-27 17:49

深度学习中的FPN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·2022-10-12 22:19

【吐血推荐】机器学习/深度学习入门资料汇总及学习建议【入门必看】

机器学习入门，初学者遇到的问题非常多，但最大的问题就是：资料太多！！！看不完！！！不知道如何取舍！！！一、机器学习的数学基础正规的机器学习数学基础主要有：数学分析（微积分），线性代数，概率论，统计，应用统计，数值分析，常微分方程，偏微分方程，数值偏微分方程，运筹学，离散数学，随机过程，随机偏微分方程，抽象代数，实变函数，泛函分析，复变函数，数学建模，拓扑，微分几何，渐近分析......以上内容可能
远岫出烟云·2022-10-10 20:34

深度学习

深度学习入门必看用深度学习（CNNRNNAttention）解决
weixin_33935777·2022-10-09 11:52

【基础详解】手磕实现 CNN卷积神经网络！

第一时间获取更多干货作者：云不见链接：https://blog.csdn.net/Walk_OnTheRoad/article/details/108048101编辑：王萌澳门城市大学(深度学习冲鸭公众号)此笔记是基于《深度学习入门
zenRRan·2022-10-06 16:35

基于Python机器学习的手写数字识别研究与应用

手写数字识别更是深度学习入门的经典案例，学习和理解其背后的原理对于深度学习的理解有很重要的作用。本文将采用深度学习中的卷积神经网络来训练手写数字识别模型。
QQ58850198·2022-10-05 07:59

动手实现深度神经网络7 实现CNN

关于CNN的理论知识我之前的文章有详细的讲述：Python深度学习入门笔记4CNN。这里我们依据不再赘述，直接展示代码中可能会遇到的问题。卷积层的实现CNN中处理的是4
如魔·2022-09-28 12:40

深度学习入门--用python实现一个简单的三层神经网络模型

学习参考视频链接：https://www.bilibili.com/video/BV1ht411i7Ld?p=17本人小白，刚开始学深度学习，第一次写这种总结是想在学习的过程中慢慢进步，有不足的地方也请大家指教！实现过程如下：1.先做一个参数的初始化,包括权重，输入等;2.前向传播：计算出输入层，中间层，输出层的值;3.反向传播：先算一个激活函数的导数值，再算一个自身的导数值，再用激活函数导数值+
Hylae·2022-09-28 07:37

深度学习零基础学习之路——第三章 数据可视化TensorBoard和TorchVision的介绍

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的使用数据可视化学习
Monkey_King_GL·2022-09-28 07:50

深度学习入门之SGD随机梯度下降法

SGDSGD为随机梯度下降法。用数学式可以将SGD写成如下的式（6.1）。这里把需要更新的权重参数记为W，把损失函数关于W的梯度记为∂L/∂W。ηηη表示学习率，实际上会取0.01或0.001这些事先决定好的值。式子中的←表示用右边的值更新左边的值。如式（6.1）所示，SGD是朝着梯度方向只前进一定距离的简单方法。现在，将SGD实现为一个Python类（为方便后面使用，将其实现为一个名为SGD的类
赵孝正·2022-09-22 22:06

深度学习入门之Momentum

Momentum欲掌握本节知识，需先学习：指数加权平均背景Momentum是为解决SGD中出现的曲折摆动问题，如图所示，“之”字形的上下摆动，降低了损失函数到达最低点的速度。此情况下，若想减少摆动浮动，只能采用比较小的learningrate，这同样将导致寻优的速度较低。而Momentum就是为解决此问题而来。参考：SGD原理及其缺点什么是动量？动量是衡量让运动物体停下难度的物理量。当动量mome
赵孝正·2022-09-22 22:35

深度学习入门：基于Python的理论与实现

1.Python入门python中使用class关键字来定义类：class类名：def__init__(self,参数,...):#构造函数...def方法1(self,参数,...):#方法1...def方法2(self,参数,...):#方法2...这里有一股特殊的__init__方法，这是进行初始化的方法，也叫构造函数(constructor),只在生成类的实例时被调用一次。此外在方法的第一
乖乖怪123·2022-09-22 07:29

深度学习入门：基于Python的理论与实现——第一章Python入门

本文为深度学习入门：基于Python的理论与实现的学习笔记，由于笔者已有matalb、c\c++，java相关语言基础，故只记录不同之处需要注意的地方，供给有其他有语言基础，没学过python但研究方向为机器学习等分支方向的同学参考
张小呆冲冲冲·2022-09-17 09:37

yolov5目标检测算法研究之参考资料

CSP网络架构深度学习之CSPNet分析_tt丫的博客-CSDN博客_cspnet结构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。
xidaoliang123·2022-09-14 07:51

Pytorch 深度学习入门与实践 第二章 pytorch快速入门 （1）

python常用库及模块（1）文件管理的相关库os:该模块为操作系统接口模块，提供了一些方便使用操作系统的相关功能函数，在读写文件时比较方便。（2）时间和日期time:该模块为时间的访问和转换模块，提供了各种时间相关的函数，方便时间的获取和操作。（3）文本处理re:该库为正则表达式操作库，提供了与Perl语言类似的正则表达式匹配操作，方便对字符串的操作。string：该库作为常用的字符串操作库，提
O丶ne丨柒夜·2022-09-08 07:34

深度学习入门必读：深度学习中的各种卷积网络（上篇）（转载）

转自：https://mbd.baidu.com/newspage/data/landingsuper?context=%7B%22nid%22%3A%22news_9518186116763200181%22%7D&n_type=0&p_from=1雷锋网AI科技评论按：深度学习中的各种卷积网络大家知多少？对于那些听说过却又对它们没有特别清晰的认识的小伙伴们，KunlunBai这篇文章非常值得一
mning_master0·2022-09-05 09:55

深度学习入门学习笔记(五)

深度学习入门学习笔记(五)误差反向传播法之前我们讲解了通过数值微分计算神经网络的权重参数的梯度从而能够完成神经网络的学习过程。数值微分的优点是简单、比较容易实现，但缺点是计算上比较费时间。
cookie·2022-09-03 07:18

深度学习入门--误差反向传播

前面介绍了通过数值微分计算神经网络的权重参数的梯度，虽然简单，但是计算上比较费时间。本文将介绍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。正向传播将计算结果正向（从左到右）传递，其计算过程是我们日常接触的计算过程；而反向传播将局部倒数反方向（从右到左）传递。1.计算图计算图就是将计算过程用图形表示出来。例如：太郎在超市买了2个苹果和3个橘子。其中，苹果每个100日元，橘子每个150日元。
我只钓小鱼·2022-09-03 07:14

深度学习入门-误差反向传播法

深度学习入门-误差反向传播法反向传播法在神经网络中是用于计算权重参数针对于损失函数的梯度的方法，该方法比数值微分法求梯度更加的高校。
侯一鸣Supermonkey·2022-09-03 07:13

数学、机器学习、深度学习目录

文章目录1.数学基础2.深度学习深度学习练习题3.机器学习4.论文loss对象检测1.数学基础矩阵求导术用狄拉克函数来构造非光滑函数的光滑近似2.深度学习深度学习入门（一）感知机与激活函数损失函数–交叉熵与极大似然估计
得克特·2022-09-01 07:19

数据挖掘学习日记8·深度学习入门

本文为根据课堂内容整理的笔记，使用的课件讲义为李弘毅的《一天搞懂深度学习》。引入什么是深度学习？现在，有关于一支股票的数据和图片。1.给出股票数据，返回走势图，这是统计。2.给出股票图片，告诉我们“这是一个K图”——这是机器学习中的模式识别。3.给出股票数据和图片，告诉我们这支股票的走势，这是机器学习中的数据挖掘。4.给出股票的数据和图片，告诉我们这只股票的好坏，以及投资组合建议，那么这就是深度学
mustuo·2022-08-31 09:19

深度学习入门实战（二）- 用 TensorFlow 训练线性回归

腾讯云技术社区-掘金主页持续为大家呈现云计算技术文章，欢迎大家关注！作者：董超上一篇文章我们介绍了MxNet的安装，但MxNet有个缺点，那就是文档不太全，用起来可能是要看源代码才能理解某个方法的含义，所以今天我们就介绍一下TensorFlow，这个由谷歌爸爸出品的深度学习框架，文档比较全～以后的我们也都使用这个框架～0x00概要TensorFlow是谷歌爸爸出的一个开源机器学习框架，目前已被广泛
weixin_33675507·2022-08-30 07:24

深度学习入门实战（二）-用TensorFlow训练线性回归

欢迎大家关注腾讯云技术社区-博客园官方主页，我们将持续在博客园为大家推荐技术精品文章哦~作者：董超上一篇文章我们介绍了MxNet的安装，但MxNet有个缺点，那就是文档不太全，用起来可能是要看源代码才能理解某个方法的含义，所以今天我们就介绍一下TensorFlow，这个由谷歌爸爸出品的深度学习框架，文档比较全～以后的我们也都使用这个框架～0x00概要TensorFlow是谷歌爸爸出的一个开源机器学
weixin_30618985·2022-08-30 07:53

卷积神经网络通俗理解-人工智能深度学习入门

导读：书山有路勤为径，学海无涯苦作舟AI：让机器展现出人类智力机器学习：抵达AI目标的一条路径深度学习：实现机器学习的技术需要卷积神经网络学习资料的还有配套的可以加微信卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（FeedforwardNeuralNetworks），是深度学习（deeplearning）的代表算法之一
AI每天一点点·2022-08-24 18:54

什么是迁移学习 (Transfer Learning)？

深度神经网络，相比于之前的传统机器学习方法，可以看成是一个全新的物种，这背后的原因，最明显的还是深度学习对机器算力的巨大需求，在深度学习入门最少需要知道什么？
费马定理·2022-08-21 15:01

【深度学习】4-梯度确认时遇bug：写了个糟糕的softmax函数

今天学习《深度学习入门：基于python的理论与实践》时，被梯度确认的问题卡了很久。具体过程就不赘述，最终发现是我写的softmax函数的问题，导致的数值微分与反向传播求得的梯度总对不上。
阿阿阿阿锋·2022-08-19 07:31

对彩色花图像进行分类-基于R语言的Keras实现

该案例摘自《Keras深度学习入门、实战及进阶》第四章综合案例内容。该案例的数据来源于Kaggle上的FlowerColor。
·2022-08-17 00:18

深度学习入门实践学习——手写数字识别（百度飞桨平台）——上篇

一、项目平台百度飞桨二、项目框架1.数据处理；2.模型设计：网络结构，损失函数；3.训练配置：优化器，资源配置；4.训练过程；5.保存加载。三、手写数字识别任务1.构建神经网络流程；手写数字识别是一个典型的图像分类问题；MNIST数据集；2.构建神经网络设计思路：（1）明确任务输入输出：任务输入：手写数字图片，每张照片对应的28*28像素矩阵。任务输出：经过大小归一化和居中处理，输出对应的0-9数
Keep forward-forward·2022-08-16 17:53

深度学习入门笔记-第三章-神经网络

神经网络有三层1.输入层2.中间层/隐藏层3.输出层如下图图中网络有三层神经元构成，但实质上只有两层有权重，因此称为“2层网络”对于感知机：b是被称为偏置的参数，用于控制神经元被激活的容易程度；而w_1和w_2是表示各个信号的权重的参数，用于控制各个信号的重要性现在将式（3.1）改写成更加简洁的形式。为了简化式（3.1），我们用一个函数来表示这种分情况的动作（超过0则输出1，否则输出0）。引入新函
day_day_up ！·2022-08-16 07:54

深度学习入门 (三)：神经网络的学习

本文为《深度学习入门–基于Python的理论与实现》的读书笔记参考：知乎：Eureka机器学习读书笔记、“西瓜书”、《统计学习方法》目录损失函数(lossfunction)为何要设定损失函数均方误差(meansquarederror
连理o·2022-08-16 07:20

深度学习入门03----神经网络的学习

4.1从数据中学习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。感知机的例子中，我们对照着真值表，人工设定了参数的值，但是那时的参数只有3个。而在实际的神经网络中，参数的数量成千上万，在层数更深的深度学习中，参数的数量甚至可以上亿，想要人工决定这些参数的值是不可能的。4.1.1数据驱动数据是机器学习的命根子。从数据中寻找答案、从数据中发现模式、根据数
__Miracle__·2022-08-16 07:45

神经网络与深度学习入门必备知识|概论

神经网络与深度学习绪论人工智能的一个子领域神经网络：一种以（人工）神经元为基本单元的模型深度学习：一类机器学习问题，主要解决贡献度分配问题知识结构学习路线图预备知识线性代数微积分数学优化概率论信息论推荐课程斯坦福大学CS224n:DeepLearningforNat
孤飞·2022-08-13 13:00

Pytorch深度学习入门笔记1（Pycharm版）

Pytorch深度学习入门笔记1（Pycharm版，环境安装的坑，配置项目）文章目录Pytorch深度学习入门笔记1（Pycharm版，环境安装的坑，配置项目）环境需求与环境配置需要的环境环境配置和一些要注意的点
伊滴小朋友·2022-08-08 07:48

读书笔记：深度学习入门-基于python的理论与实现（俗称鱼书）

文章目录前言三、神经网络3.2激活函数3.2.1阶跃函数3.2.2sigmoid函数3.2.3ReLU函数3.3多维数组3.3.1多维数组的维度和形状3.3.2多维数组的点乘3.4三层神经网络的实现3.4.1一步一步进行3.4.2合起来实现3.5输出层的设计3.5.1Softmax函数3.5.2Softmax函数的特征：输出值求和为1，符合概率分布问题四、神经网络的学习4.2损失函数4.2.1均方
时光轻浅，半夏挽歌·2022-08-07 07:56

[云云怪]项目11：自制手写数字识别系统（MNIST、深度学习）

哪吒给我推荐了《深度学习入门》这本书，他说对新手极其友好，容易看懂，于是我就从这里入坑了。全书围绕MNIST手写数据集的识别，讲解深度学习的底层理论和代码实现，确实非常友
云云怪·2022-08-04 07:44

纯numpy数值微分法实现手写数字识别

手写数字识别作为深度学习入门经典的识别案例，各种深度学习框架都有这个例子的实现方法。
·2022-08-03 12:34

python绘制3D图形

学习深度学习入门时，想绘制一下书上f(x0,x1)=x02+x12f(x_0,x_1)=x_0^2+x_1^2f(x0,x1)=x02+x12这个公式的图形但是仅靠pyplot无法完成3D图的绘制参考了
Tony·2022-07-30 07:29

PyTorch深度学习入门 || 系列（五）——逻辑回归

文章目录0写在前面1sigmoid函数2逻辑回归示例2.1plt.scatter()函数参数设置3模型定义3.1sigmoid()函数说明4优化器和损失函数5train()和draw()函数5.1torch.max(input,dim)6完整代码0写在前面线性回归和非线性回归，它们的输出都是连续的。而逻辑回归的输出是二元离散，为了方便数字表达和计算，我们把这两种分类的结果分别记作0和1.1sigm
仙女不扎马尾.·2022-07-26 07:18

PyTorch深度学习入门 || 系列（四）——非线性回归

文章目录0写在前面1激活函数2人工神经网络3数据处理4定义模型5完整代码0写在前面这个系列之前学习是线性回归，但是生活中需要解决问题大多数都是非线性的。本文要讨论的重点就是非线性的问题！1激活函数目的：激活函数实际上是一个非常简单的非线性函数，它作用在线性层的输出，只要让多个带有激活函数的神经元组合在一起，就具有拟合复杂非线性函数的强大能力！常用的激活函数有：sigmoid、tanh、ReLU、M
仙女不扎马尾.·2022-07-26 07:48

PyTorch深度学习入门 || 系列（三）——人工神经元

文章目录0写在前面1数据处理2模型定义2.1完整的模型定义3设置Loss函数4优化——梯度下降和随机梯度下降5完整代码0写在前面这一篇文章介绍人工神经元、人工神经网络。1数据处理用linspace()函数产生[-3,3)区间内的100000个点，并使用unsqueeze()函数在第一维处增加一个维度！展示一下unsqueeze()函数的前后对比：2模型定义定义一个线性模型LR，它继承PyTorch
仙女不扎马尾.·2022-07-26 07:48

BP神经网络（深度学习入门）

BP(BackPropagation)算法是神经网络深度学习中最重要的算法之一，了解BP算法可以让我们更理解神经网络深度学习模型训练的本质，属于内功修行的部分。BP(backpropagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络模型之一。Minsky和Papert在颇具影
ChengyuanM.·2022-07-26 07:11

深度学习入门

文章目录理论基础张量：矩阵任意维度的推广样本批量神经网络的原理：张量运算深度学习的几何解释神经网络的核心：梯度优化神经网络的组件层：深度学习的基础组件激活函数：数据向量化模型：层构成的网络损失函数与优化器第一个神经网络：MNIST数字识别1.导库2.建立网络架构3.编译步骤4.数据处理5.开始训练第二个神经网络:IMDB影评情感分析（二分类问题）1.加载数据集数据集解码2.数据预处理3.构建网络4
追梦小凯·2022-07-24 07:56

深度学习入门——03 MNIST手写数字图像集识别实验

MNIST是机器学习中最有名的数据集之一，由0~9的手写数字图像构成，在下面实验中利用在上一篇初识神经网络中所学习到基本框架做一个简单实验，下面代码中许多基于《深度学习入门基于Python的理论与实现》
吃梦想的咸鱼·2022-07-23 17:43

深度学习入门项目：PyTorch实现MINST手写数字识别

完整代码下载【github地址】：https://github.com/lmn-ning/MNIST_PyTorch.git目录一、MNIST数据集介绍及下载地址二、代码结构三、代码dataset.pycnn.pytrain.pyeval.py四、代码运行命令及测试精度一、MNIST数据集介绍及下载地址MNIST手写数字识别可以说是机器学习入门的helloword了，MNIST数据集包含70000
ctrl A_ctrl C_ctrl V·2022-07-23 17:41
上一页 13 14 15 16 17 18 19 20 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他