深度学习入门第20页

深度学习入门初探——多层感知机的神经网络式实现

深度学习入门初探——感知机的初级理解深度学习入门初探——简单的激活函数在看源码之前，需要理解一下Numpy的几个乘法的区别：对应元素相乘:multiply函数或*线性代数中矩阵乘法：dot函数或matmul

clyfk·2021-11-08 00:34

深度学习入门，keras实现回归模型

RegressionwithKeras在本教程中，您将学习如何使用Keras和深度学习执行回归。您将学习如何训练Keras神经网络进行回归和连续值预测，特别是在房价预测的背景下。今天的帖子开始了关于深度学习、回归和连续值预测的3部分系列。我们将在房价预测的背景下研究Keras回归预测：第1部分：今天我们将训练Keras神经网络，以根据分类和数字属性（例如卧室/浴室的数量、平方英尺、邮政编码等）来预

AI浩·2021-11-02 14:50

【计算机视觉的修炼秘笈】深度好文，持续更新

前言：这里我整理的一份人工智能200G学习资料大礼包，内含（Python快速入门、深度学习入门、深度学习必备框架TensorFlow、pytorch、计算机视觉OpenCV、NLP自然语言处理等视频课程

来跟我学AI·2021-10-28 11:31

基于Pytorch的MLP（以垃圾邮件分类为例）

本文是《Pytorch深度学习入门与实战》，中国水利水电出版社一书中的例子数据集：链接：https://pan.baidu.com/s/1rODLa65Js4K5rZ1iMDQ2DA提取码：d8fc箱线图

挂科难·2021-10-26 11:23

深度学习入门系列13:卷积神经网络概述

大家好，我技术人Howzit，这是深度学习入门系列第十三篇，欢迎大家一起交流！

技术人Howzit·2021-09-15 22:15

读书笔记 | 动手学深度学习——前言

动手学深度学习——前言本文源自李沐老师的《动手学深度学习》，为记录自己从0开始的深度学习入门。一开始可能都不能称之为复写，只能叫做摘抄。

捡贝壳的孩子·2021-08-30 10:11

《机器学习》笔记-贝叶斯分类器（7）

对于自己，经历了一段时间的系统学习（参考《机器学习/深度学习入门资料汇总》），现在计划重新阅读《机器学习》[周志华]和《深度学习》[Goodfellowetal]这两本书，并在阅读的过程中进行记录和总结

EddyLiu2017·2021-06-20 23:12

《机器学习》笔记-计算学习理论（12）

对于自己，经历了一段时间的系统学习（参考《机器学习/深度学习入门资料汇总》），现在计划重新阅读《机器学习》[周志华]和《深度学习》[Goodfellowetal]这两本书，并在阅读的过程中进行记录和总结

EddyLiu2017·2021-06-20 06:57

王天一《裂变》| 人工智能该如何入门？

现在人工智能或者深度学习入门难点有以下几点：1.首先摆在面前的是数学这座大山。

dc0d7c849207·2021-06-19 22:25

机器学习与深度学习入门（二）

这是系列教程的第二篇文章，公式的推导可能会愈加复杂，请认真分析！comeon~符号及标记在进行数学运算之前，我们需要规定一些数学标记，方便接下来的讨论:函数向量化假设函数的向量化如果我们的假设函数是：![](http://latex.codecogs.com/png.latex?h_{\theta}(x)=\theta_0+\theta_1x_1+\theta_2x_2+...+\theta_nx

RicardoZiTseng·2021-06-15 16:19

深度学习入门（6）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（5）【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123·2021-06-14 02:48

TensorFlow笔记3

今天的歌可能否今天终于完成了深度学习入门版的HelloWorld和进阶版的HelloWorld。开始了新的部分。今天的主要部分：跑了运作方式部分的代码，遇到问题，解决问题，然后通过代码了解如何运行的。

bobika·2021-06-13 07:52

自制数据集之labelme软件的使用，深度学习入门（1）

自制数据集之labelme软件的使用，深度学习入门（1）说明一.安装labelme二.使用labelme标注三解析json文件四、批处理json文件夹说明因为之前做语义分割项目需要自己制作数据集，故了解到

_小杰哥哥·2021-06-07 18:53

深度学习入门与实战

数学基础线性代数深度学习背后的核心是标量、向量、矩阵和张量这4种数据结构，通过使用这些数据结构，以编程的方式解决所有基本的线性代数问题。标量标量，实际上就是一个单独的数。向量及其运算一个向量表示一组有序排列，并可以通过索引获取其中对应位置的数值。一般情况下，我们会选择NumPy对向量进行表示和计算。NumPy是Python的一个扩展程序库，能够很好地支持数组、向量、矩阵的运算。它的官网地址为：ht

gonghaiyu·2021-05-20 21:40

深度学习入门与实践（数据集及代码实现）

深度学习入门与实践前言一、书中所讲的实例1.pybrain实现手写数字识别P65（1）数据集下载：（2）python安装pybrain（3）书中所写代码（4）手写数字识别二维可视化展示2.Tensorflow

SageFlower·2021-05-15 17:19

《深度学习入门：基于Python的理论与实现》PDF+代码

链接：https://pan.baidu.com/s/1sjrWSLyF_OPic-YCq_eCrw提取码：r7qv《深度学习入门基于Python的理论与实现》应该属于深度学习真正意义上的入门书。

Andrea_7dd5·2021-05-14 11:37

机器学习与深度学习入门（三）

第三篇就应用代码进行实战了，加油\o^o/首先装载数据，并将数据分别存入X与y中,并将数据可视化：data=load('ex1data1.txt');X=data(:,1);y=data(:,2);figure;plot(X,y,'rx','MarkerSize',10);然后对X进行预处理，使其第一列的值都为1m=size(X,1);X=[ones(m,1)X];初始化参数值：theta=zer

RicardoZiTseng·2021-05-10 22:42

神经网络和深度学习入门简介

现在的AI技术在整个科技界大受追捧，有我们熟知的AlphaGo与李世石和柯洁的人机大战，也有在《最强大脑》节目上，小度机器人的惊艳表现，还有科大讯飞所推出的实时翻译机，这些都是AI技术所引起的一场科技的巨大进步。想想以后家有一个超级棒的AI管家帮你智能调控关于你的饮食起居，他能记录你的睡眠，你的生活习性，并保证家里的安全，出门忘了关闭电器，也能轻轻松松帮你搞定，想想都觉得很兴奋。出门也不用自己开车

DaveZ·2021-05-10 22:27

深度学习入门~参数与超参数

参数与超参数什么是超参数(Hyperparameters)？在我们的神经网路模型中，参数是W和b，但是还有其他我们需要告诉算法模型的东西，比如学习率α，还有梯度下降算法的循环次数，隐藏层数L，隐藏单元数l，对于激活函数的选择等等，这些数据都是我们需要动手设置的。这些数字实际上控制着最后的参数W和b的值。因此我们叫它们超参数。因此，控制着最终参数W和b的参数，被称为超参数。深度学习和人脑有什么关系？

fatfairyyy·2021-05-05 18:03

python深度学习入门-与学习相关的技巧

诗雨时·2021-05-04 00:05

python深度学习入门-误差反向传播法

深度学习入门-误差反向传播法博主微信公众号（左）、Python+智能大数据+AI学习交流群（右）：欢迎关注和加群，大家一起学习交流，共同进步！

诗雨时·2021-05-01 18:21

深度学习框架

深度学习框架是帮助使用者进行深度学习的工具，降低了深度学习入门的门槛，不需要从复杂的神经网络开始编代码，可以根据需要使用现有的模型。

HBU_DAVID·2021-05-01 17:15

深度学习入门~为什么使用深层表示

为什么使用深层表示如上图所示，上图是一个简化的进行人脸识别的神经网路，我们可以将它看作：在前几层进行简单的探测。在后几层进行复杂的操作和分析。生理学上认为，人类的貌似也是从简单的试探入手，再逐渐组合成复杂的信息。因此更深层的神经网络更能对人类的进行模拟。另一种理解：如果要将x1~xn进行异或XOR运算，如果使用深层神经网络，可以将时间复杂度降低到O(logn)，但是如果使用浅层神经网络，隐藏层中神

fatfairyyy·2021-04-26 16:21

深度学习入门~核对矩阵维数

核对矩阵维数以一个五层神经网络为例：注：目前我们看到的神经网络只有一个输出神经元。从神经网络的第一层开始看起：显然，第一层计算的Z^[1]=W^[1[*x+b^[1]的Z^[1]是一个(3,1)的矩阵（此处我们暂时不使用向量化的方法使多组输入进入到神经网络中），也可写作(n^[1],1)矩阵。而对于x，由于有两个特征量，x是一个(n^[0],1)也就是(2,1)的矩阵。显然，在此处，使用W^[1]

fatfairyyy·2021-04-25 21:55

深度学习入门认识 K210 视觉识别

本文仅为学习记录摘要，详细见https://maixpy.sipeed.com/zh/course/ai/basic/dnn_basic.html模型=算法+权重训练:训练数据集带入模型验证:新数据集的带入模型（已经使用了模型，推理）深度神经网络，“深度”意思多层网络结构，能够更好的表达图像数据，它包含了输入层，隐藏层和输出层隐藏层:权重，偏置，非线性计算误差:交叉熵损失error=-lg（输出）

雨落芳华·2021-04-24 16:27

Pytorch教程（二）—— 网络搭建篇

前置知识本篇主要介绍用Pytorch搭建神经网络的代码实现，在学习这些之前需要一些前置知识如下，如果不太了解的话可以先去B站看吴恩达系列的深度学习入门教程+CS231N课程。

Vo Racci·2021-04-24 14:48

python深度学习入门-神经网络的学习

深度学习入门-神经网络的学习博主微信公众号（左）、Python+智能大数据+AI学习交流群（右）：欢迎关注和加群，大家一起学习交流，共同进步！

诗雨时·2021-04-18 19:49

深度学习入门~神经网络的梯度下降④

神经网络的梯度下降浅层神经网络的参数：W【1】,b【1】,W【2】,b【2】，它们的维度分别是(n【1】,n【0】),(n【1】,1),(n【2】,n【1】),(n【2】,1)。暂定我们要实现的浅层神经网络做的是二元分类操作，那么我们的代价函数就和Logistic回归的代价函数相同。即：J=1/m×∑ni=1L(y_hat,y)。在训练神经网络时，将参数随机初始化是很重要的一步操作，而不是将他们全

fatfairyyy·2021-04-17 23:25

深度学习入门~激活函数③

神经网络的激活函数双曲正切函数tanh(x)之前我们使用的神经网络，一直选择sigmoid函数作为激活函数，但实际上，激活函数可以是任何函数。使用双曲正切函数，它的表现比sigmoid函数更好。tanh(x)函数公式：函数曲线：介于(-1,1)，类似于sigmoid函数的平移版本。使用tanh(x)的好处：①函数图像过原点。（sigmoid函数的图像不过原点）②收敛速度快于sigmoid函数。由于

fatfairyyy·2021-04-16 14:24

PyTorch基础（from《深度学习入门之PyTorch》）

张量对应关系number->scalar,array->vector,2d-array->matrix分别需要0,1,2个索引a=[1,2,3,4]a[2]张量理解成多维数组nd-array->nd-tensor但是n维张量≠n个分量例如一个三维张量可以有多于三个分量dd=[[1,2,3],[4,5,6],[7,8,9]]秩、轴和形状张量的秩是指张量的维数（轴数）print(dd[0])[1,2,

Backto2020·2021-04-14 20:22

机器学习&深度学习知识体系——写过的博文（博客目录索引）

机器学习&深度学习入门机器学习简介深度学习简介深度学习入门极简教程（一）深度学习入门极简教程（二）深度学习入门极简教程（三）DeepLearningTutorial深度学习领域“四大天王”机器学习常见的优化算法基本模型机器学习

Bobby0322·2021-03-12 02:54

深度学习入门实战笔记（1）——线性回归实战

深度学习入门实战系列笔记（1）——线性回归实战1.问题描述2.解决方法3.解决步骤4.源程序5.输出图像附录1.问题描述给出一系列点，求出能够对数据拟合的直线方程，采用合适的方法对数据进行拟合，并绘制图像

草原一只鹰·2021-03-07 19:59

《PyTorch深度学习实践》-刘二大人泰坦尼克号作业

《PyTorch深度学习实践》-刘二大人泰坦尼克号作业最近在B站发现了一套很不错的PyTorch深度学习入门教程，目前更新已经完结。

不废江流·2021-02-22 10:25

Pytorch深度学习入门与实战二——卷积神经网络

1.卷积神经网络基本单元空洞卷积通过在卷积核中添加空洞（0元素），从而增大感受野，获取更多的信息。感受野：在卷积神经网络中，决定某一层输出结果中一个元素所对应的输入层的区域大小，即特征映射上的一个元素所对应的输入图的区域大小。转置卷积作用：将特征图放大恢复到原来的尺寸转置卷积是卷积的方向过程，即卷积操作的输入作为转置卷积的输出，卷积操作的输出作为转置卷积的输入。二维卷积针对自然语言的词嵌入进行二维

谢欣燕·2021-02-07 10:38

深度学习入门与资料总结

微信公众号Yuan的学习笔记知乎Yuan的学习笔记深度学习是发展迅速的一个融合计算机科学，数学等多门学科的领域。它是机器学习领域下的一个分支（机器学习是AI下的分支）。机器学习的目的是教计算机完成基于给定数据的各种任务。用一张图告诉你机器学习到底是干什么的！比如我们现在要编写一个会分类垃圾邮件的程序左图是传统的计算机编程方式，程序员要自己制定垃圾邮件的标准是什么，比如垃圾邮件中可能包含特定文字(“

Yuan的学习笔记·2021-02-03 11:42

《深度学习入门：基于Python的理论与实现》学习笔记 ---- 第1章 Python入门

第1章Python入门1.1Python是什么1.2Python的安装1.2.1Python的版本1.2.2使用的外部库1.2.3Anaconda发行版1.3Python解释器1.3.1算术计算1.3.2数据类型1.3.3变量1.3.4列表1.3.5字典1.3.6布尔型1.3.7if语句1.3.8for语句1.3.9函数1.4Python脚本文件1.4.1保存为文件1.4.2类1.5Numpy1.

hhhhhhhellooo·2021-02-02 21:01

《深度学习入门》学习代码

资源下载:《深度学习入门》pdf+代码提取码：4gai《深度学习入门》学习笔记文章目录第三章nn第四章2_layer_nn第五章2_layer_nn第六章optimizer第七章简单的ConvNet第八章

YY_172·2021-01-29 22:23

深度学习资料整理

RecurrentNeuralNetworks)介绍长短期记忆网络（LongShort-TermMemory，LSTM）及其变体双向LSTM和GRU······视频：吴恩达《DeepLearning》系列课程······图书：《深度学习入门

hhhhhhhellooo·2021-01-07 23:46

深度学习入门：深度学习

深度学习进一步提高识别精度集成学习，学习率衰减，数据扩充DataAugmentation基于算法“人为地”扩充输入图像。对于输入图像，通过施加旋转、垂直或水平方向上的移动等微小变化。通过裁剪图像的“crop处理”、将图像左右翻转的“flip处理”对于一般图像，施加亮度等外观上的变化、放大缩小等尺度上的变化也是有效的。加深层的动机可以减少网络的参数数量。加深了层的网络可以用更小的参数达到同等水平的表

evil心安·2021-01-02 22:18

PyTorch深度学习入门...

互联网发展至今，已经存储了海量的网络图片，但是这些图片被形象地称为互联网的“暗物质”，因为现在的计算机还难以分类或识别这些非结构性的图片数据。在早期的图像识别研究中，使用人工提取的特征造成识别效果不佳。卷积神经网络(ConvolutionalNeuralNetwork,CNN)的出现给图像识别领域带来了崭新的风气，如今，CNN图像识别技术的正确率已经可以达到人类水平。卷积神经网络的兴起大大促进了深

集贤馆趣谈·2020-12-28 19:05

深度学习入门（三）：误差反向传播法

误差反向传播误差反向传播法：一种能够高效计算权重参数的梯度的方法计算图局部计算计算图的特征是可以通过传递“局部计算”获得最终结果。局部计算是指，无论全局发生了什么，都能只根据与自己相关的信息输出接下来的结果。计算图可以集中精力与局部计算，无论全局变量的计算多么复杂，各个步骤所要做的就是对象节点的局部计算。虽然局部计算非常简单，但是通过传递它的计算结果，可以获得全局的复杂计算的结果。计算图将复杂的计

evil心安·2020-12-22 11:18

卷积神经网络的python实现_深度学习入门教程：手把手带你用Numpy实现卷积神经网络（一）...

前言Numpy是一个非常好用的python科学计算的库，CNN是现在视觉领域深度学习的基础之一。虽然好的框架很多，不过自己用Numpy实现一个可以使用的CNN的模型有利于初学者加深对CNN的理解。后面我们将通过一系列文章介绍如何用Numpy从零实现一个可以训练的CNN简易网络，同时对深度学习(CNN)的相关基础知识进行一些复习，也希望能够给正在入门的同学一些简单的归纳。在这一系列的文章中,我们主要

weixin_39965673·2020-12-21 14:27

深度学习入门（一）：神经网络(阶跃函数，sigmoid，ReLU，softmax,激活函数)

从感知机到神经网络感知机感知机接受多个输入信号，输出一个信号。这里说的信号可以想象成电流或河流具备“流动性”的东西。但是，和实际的电流不同的是，感知机的信号只有“流/不流”（1/0）两种取值。如图：是一个接受两个输入信号的感知机。x1、x2是输入信号，y是输出信号，w1，w2是权重。θ\thetaθ被称为阈值。b是被称为偏置的参数，用于控制各个信号的重要性。y={0,b+w1x1+w2x2≤θ1,

evil心安·2020-12-13 20:38

深度学习入门学习--第三章神经网络

7.12第三章神经网络对于感知机来说，设定权重的工作，即确定合适的，能符合预期的输入与输出的权重，现在还是由人工进行的。神经网络的一个重要性质是它可以自动的从数据中学习到合适的权重参数。本章内容:先介绍神经网络的概要，然后重点关注神经网络进行识别时的处理。1.从感知机到神经网络(了解不同之处，即激活函数不同，信号转换方式不同）激活函数，将输入信号的总和转换为输出信号，激活函数的作用在于决定如何来激

长颈鹿与麋鹿·2020-12-12 11:47

montypython买火柴_给深度学习入门者的Python快速教程 - 基础篇（转）

原文：https://zhuanlan.zhihu.com/p/241624305.1Python简介本章将介绍Python的最基本语法，以及一些和深度学习还有计算机视觉最相关的基本使用。5.1.1Python简史Python是一门解释型的高级编程语言，特点是简单明确。Python作者是荷兰人GuidovanRossum，1982年他获得数学和计算机硕士学位后，在荷兰数学与计算科学研究所(Cent

weixin_39679061·2020-12-08 22:36

基于python的理论与实现 pdf_深度学习入门：基于Python的理论与实现.pdf+代码

Description:Thisbookisatruesenseofin-depthlearningintroductorybook,in-depthandshallowanalysisoftheprinciplesofin-depthlearningandrelatedtechnologies.UsingPython3,thebooktriesnottorelyonexternallibrari

weixin_39538693·2020-12-04 10:50

基于python的理论与实现 pdf_深度学习入门：基于Python的理论与实现pdf下载

深度学习入门：基于Python的理论与实现pdf出版社：人民邮电出版社出版时间：2018-07-01正文语种:中文ISBN:9787115485588字数：158955深度学习入门：基于Python的理论与实现

weixin_39912368·2020-12-04 10:50

多头注意力机制_深度学习入门之注意力机制

关于注意力机制，谷歌的一篇论文给出了注意力机制的定义：给定一个Query和一系列的Key-Val对一起映射出一个输出。它包含下面三个关键性步骤：将Query与Key进行相似性度量将求得的相似性度量进行缩放标准化将权重与value进行加权用公式描述：FigAtt-1注意力机制示意图上述定义源自谷歌2017年发表的《Attentionisallyouneed》。它是基于序列到序列应用出发的而提出的定义

weixin_39902598·2020-12-03 13:41

深度学习入门（2）神经网络

上一篇文章《深度学习入门(1)感知机》主要介绍了神经网络的起源--感知机的基础知识及实现方式。本文主要介绍如何自己动手实现神经网络。

阿旭123·2020-12-01 15:13

深度学习入门（4）神经网络参数的训练方式

上一篇文章《神经网络的核心驱动力--[损失函数]》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。在介绍梯度法之前本文第一节会先简单介绍一下所用到的数值微分方面的数学知识，以帮助理解后续梯度法的计算过

阿旭123·2020-12-01 15:36

推荐频道

深度学习入门