深度学习基础知识

怎样看pytorch源码最有效？

1.基础知识首先，需要保证有一定的深度学习基础知识，吴恩达的深度学习课还有斯坦福大学的CS231n都是不错的入门教程，只需要有大学数学的基础就可以看懂。然后，需要对Linux系统使用有一定的
Tom Hardy·2023-01-19 06:13

【阶段四】Python深度学习02篇：深度学习基础知识：神经网络可调超参数：优化器

本篇的思维导图：神经网络可调超参数：优化器优化器相当于是用来调解神经网络模型的‘手柄’。代码#编译神经网络,
胖哥真不错·2023-01-16 14:07

【阶段四】Python深度学习01篇：深度学习基础知识：神经网络历史及优势、神经网络基础单元与梯度下降：正向传播和反向传播

本篇的思维导图：神经网络历史及优势1958年，计算机科学家罗森布拉特（Rosenblatt）就提出了一种具有单层网络特性的神经网络结构，称为“感知器”（perceptron）。感知器出现之后很受瞩目，大家对它的期望很高。然而好景不长—一段时间后，人们发现感知器的实用性很弱。1969年，AI的创始人之一马文·明斯基（Marvin Minsky）指出简单神经网络只能运用于线性问题的求解。这之后神经网络
胖哥真不错·2023-01-16 13:50

【阶段四】Python深度学习03篇：深度学习基础知识：神经网络可调超参数：激活函数、损失函数与评估指标

本篇的思维导图：神经网络可调超参数：激活函数神经网络中的激活函数（有时也叫激励函数）。在逻辑回归中，输入的特征通过加权、求和后，还将通过一个Sigmoid逻辑函数将线性回归值压缩至［0，1］区间，以体现分类概率值。这个逻辑函数在神经网络中被称为激活函数（这个名词应该是来自生物的神经系统中神经元被激活的过程）。在神经网络中，不仅最后的分类输出层需要激活函数，而且每一层都需要进行激活，然后向下一层输入
胖哥真不错·2023-01-15 13:54

【深度学习基础知识 - 46】贝叶斯定理与条件概率公式

基本定理贝叶斯基于概率论中的贝叶斯定理，贝叶斯定理就是用先验概率和条件概率求出最终的事件概率。贝叶斯网络可以理解为将模型看作是一个概率密度函数，它可以表示数据的分布，训练过程就是概率分布的参数估计过程，预测过程就是求解条件概率的过程。通过条件概率求得后验概率后验概率可以用条件概率表示，公式为：由此可推导：从条件概率推导贝叶斯定理见公式博主会持续更新一些深度学习相关的基础知识以及工作中遇到的问题和感
雁宇up·2023-01-10 12:22

【深度学习基础知识 - 48】贝叶斯网络的特点

贝叶斯网络的特点贝叶斯网络主要引入了两个基本概念：有向无环图和条件概率集合。有向无环图的节点是特征和类别，边是两个特征或者特征和类别之间的关系，并不是彼此独立的。条件概率集合主要的概念是条件独立性，也就是某个节点在给定其父节点的条件下，与其他节点是相互独立的。贝叶斯网络关注的不是因果关系，而是变量间的依赖关系。博主会持续更新一些深度学习相关的基础知识以及工作中遇到的问题和感悟，喜欢请关注、点赞、收
雁宇up·2023-01-10 12:52

深度学习基础知识（二）--- 卷积操作与池化操作

这里并不介绍卷积操作具体是如何进行的，关于这点，很多文章都有介绍。本文主要介绍一下为何会广泛使用卷积操作？参考资料：《DeepLearning》https://mooc.study.163.com/learn/2001281004?tid=2001392030#/learn/content?type=detail&id=2001728690卷积运算主要通过三个重要的思想来帮助改进机器学习系统：稀疏
Teeyohuang·2023-01-07 08:13

人脸识别美颜算法实战-深度学习基础知识

深度学习与机器学习的区别：机器学习：人类定义输入数据的特征深度学习：机器自动找到输入数据的特征在深度学习中，采用多层的神经网络架构来提取图像信息，越靠近底层的神经网络提取出来的都是点、线等低维度特征，而高维度的神经网络层则会更多地保留比如耳朵、眼睛等高维度特征深度学习通过低维度特征到高维度特征一层层地构建，找到最终能够构成分类器的最佳组合。深度学习入门概念1．神经网络在深度学习中，神经网络由很多“
南妮儿·2023-01-06 07:31

零基础入门深度学习：自然语言处理的变迁

从本课程大纲为：numpy实现神经网络构建和梯度下降算法深度学习基础知识计算机视觉领域主要方向的原理、实践自然语言处理领域主要方向的原理、实践个性化推荐算法的原理、实践前面的文章介绍了前三
JKX_geek·2023-01-03 18:19

TensorFlow入门（1）深度学习基础知识以及tf.keras

目录目录多层感知器MLP隐藏层的选择Dense层Activation层Dropout层Flatten层activation激活函数：relusigmoidTanhleakyrelu神经网络的拟合能力参数选择原则：梯度下降法——多层感知器的优化5、学习速率（人为规定的变化速率）7、反向传播算法(计算loss)——一种高效计算数据流图中梯度的技术8、compile()函数将一个字符串编译为字节代码。常
Kristen+U·2022-12-24 16:21

深度学习基础知识(激活函数,损失函数)

深度学习基础知识激活函数:作用是在线性变换后加入线性变换。非线性的激活函数可以使神经网络逼近复杂函数。如果没有激活函数,多层神经网络就跟单层神经网络没有区别。
Ferbc·2022-12-24 01:51

深度学习基础知识每日更 upupup

深度学习基础知识点总结提示：菜鸟入门日记，若总结有错误，各路大佬多多指教！
chong墩儿·2022-12-20 12:06

深度学习基础知识（一）--- 权重初始化

1、为什么需要权重初始化？①为了使神经网络在合理的时间内收敛②为了尽量避免在深度神经网络的正向（前向）传播过程中层激活函数的输出梯度出现爆炸或消失。2、如何进行初始化？①如果将每个隐藏单元的参数都初始化为0那么在正向传播时每个隐藏单元将根据相同的输入计算出相同的值，并传递至输出层。在反向传播中，每个隐藏单元的参数梯度值相等。因此，这些参数在使用基于梯度的优化算法迭代后值依然相等。这样所有隐层的单元
Teeyohuang·2022-12-20 07:30

深度学习基础知识---梯度弥散 梯度爆炸

目录1梯度弥散、梯度爆炸的成因2解决方式2.1.pretrain+finetune2.2梯度裁剪2.3权重正则化2.5BatchNormalization正则化2.6残差结构shortcut2.7LSTM1梯度弥散、梯度爆炸的成因神经网络的层（主要是隐藏层）越多，对输入特征抽象层次越高。因为在神经网络中，后一层神经元的输入是前一层输出的加权和，前一层的特征在后一层就被抽象出来了，学习的过程其实就是
thequitesunshine007·2022-12-20 07:29

深度学习基础知识——上采样

上采样，转置卷积，上池化上采样（unsampling）GAP上采样（unsampling）GAPGlobalaveragepooling就是平均所有的featuremap，然后将平均后的featuremap喂给softmax进行分类。GAP直接从featuremap的通道信息下手，比如我们现在的分类有N种，那么最后一层的卷积输出的featuremap就只有N个通道，然后对这个featuremap进
黑洞是不黑·2022-12-20 04:36

深度学习 | 超参数（Hyperparameters）（4.4）| 上

最近在恶补深度学习基础知识，以下为根据公众号“阿力阿哩哩”的《超参数（Hyperparameters）|上》而总结的内容。可以结合作者在哔哩大学的视频。
running snail szj·2022-12-14 07:08

【深度学习基础知识 - 49】Kmeans

Kmeans是一个原理较为简单的聚类模型，它的操作步骤是随机选择k个点作为初始类心。计算每个元素和k个类心之间的距离并归类到最近的类里面。以每个类的均值作为新的类心。重复2和3知道所有的类心不再变化。博主会持续更新一些深度学习相关的基础知识以及工作中遇到的问题和感悟，喜欢请关注、点赞、收藏。
雁宇up·2022-12-05 17:16

深度学习 | 一文掌握CNN卷积神经网络（4.3）

最近在恶补深度学习基础知识，以下为根据公众号“阿力阿哩哩”的《一文掌握CNN卷积神经网络》而总结的内容。可以结合作者在哔哩大学的视频。
running snail szj·2022-12-05 17:41

深度学习基础知识回顾

1.Dataset调用了什么接口？回答应该是__len__方法和__getitem__方法。之前写过一篇关于Dataset和Dataloader的介绍：http://t.csdn.cn/b4x0hhttp://t.csdn.cn/b4x0h2.目标检测里面用了哪些损失函数？我的回答是FocalLoss、CIOULoss、GIOULoss。追问：交叉熵怎么写？交叉熵公式：表示真实概率分布P(x)与预
大厂ballballyou·2022-12-01 08:59

深度学习基础知识（学习笔记）

训练误差：指模型在训练数据集上的误差泛化误差：指模型在任意一个测试数据样本表现出的误差的期望欠拟合：无法的到较小训练误差过拟合：训练误差远小于测试数据得到的误差影响因数：模型复杂度与训练数据的大小交叉熵损失函数ndarray.concat函数x=[[1,1],[2,2]]y=[[3,3],[4,4],[5,5]]z=[[6,6],[7,7],[8,8]]concat(x,y,z,dim=0)=[[
珞珈山小杨·2022-11-28 05:51

深度学习基础知识点（一）CNN卷积神经网络——1.卷积方面的原理

目录1.感受野受哪几个参数的影响，计算感受野的大小？2.上采样方式subpixel，反卷积，resize3.卷积核大小为什么是奇数？4.CNN为什么参数共享?5.Dropout是什么？为什么Dropout可以防止过拟合？Dropout具体工作流程Dropout在测试时需要怎么补偿？为什么说Dropout可以解决过拟合？6.CNN的平移不变怎么体现？7.为什么CNN比DNN在图像领域更具优势？1.感
不瘦8斤的妥球球饼·2022-11-27 11:39

深度学习基础知识（五）：神经网络基础之logistic回归

这个专栏主要是想和大家分享一下深度学习的基础知识，主要是以吴恩达老师深度学习课程内容作为基础，并补充了很多其他内容希望让整体内容更加容易理解和系统化。如果想要了解具体专栏里面有什么内容的话，可以看一看我们专栏的目录，在目录里面还说明了小伙伴的分工，这些内容都是所有小伙伴们一起努力完成的，有希望和我们一起学习的的小伙伴也可以加入我们啊。另外我们还将内容以书籍的形式放到了github上，之后还会陆续上
Chou_pijiang·2022-11-27 09:27

深度学习基础知识教程

本文主要分享一些深度学习入门的学习途径，同学们共同进步呀！首先说下学习深度学习必备技能：Python、高等数学（现代、微积分）、英文文献阅读、查找资料（博客、论坛、Git）个人认为如果以前没学习过python也没关系，有其他语言基础的情况下再去学习一门新语言其实不是很困难，首先了解其语法快速入门，后续慢慢进阶即可。1、博客零基础入门深度学习(1)-感知器-作业部落CmdMarkdown编辑阅读器推
远在远方_hh·2022-11-23 04:01

深度学习基础知识——Conv中通道变换

在学习VGGNet框架时，发现每一卷积段第一个conv时，通过conv2d(kernel_size=3,stride=1,padding=same,kernel_num=m)，就可以将一个通道数为n的featuremap转变为通道数为m。  假设输入一张RGB图片，其大小为267*267*3，那边其对应计算的卷积核的通道数也为3。  但是卷积运算里，当一次运算会得到3张特征图，最后三张特征图对通过
INVinci_BY·2022-11-23 03:03

【深度学习基础知识 - 18】图像锐化和平滑的概念以及使用场景

概念锐化就是通过增强图像的高频信息，也就是纹理边缘来减少图像中的模糊细节，但是在增强纹理的时候也引入了图像噪声。平滑与锐化相反，它是为了过滤掉高频分量，可以减少图像的噪声，但是可能会使得图像变得模糊。使用场景在计算机视觉的一些任务中，涉及到图像重建的、如高精度的深度估计、医学图像分割、三维重建等任务，最终需要得到原始图像分辨率大小的输出，同时对图像的边缘清晰度也有较高的要求，这时候可以通过增强特征
雁宇up·2022-11-22 17:49

【深度学习基础知识 - 10】图像的梯度

概念对于图像的梯度，如果理解数学中离散点的梯度求导方法就会发现一点也不神秘。梯度表示的是某一函数在该点处的方向导数沿着这个方向取得最大值，简单来说就是它总指向函数增长最快的方向。一句话概括图像梯度，图像x方向上的梯度就是x方向上两个相邻像素值相减，y方向上的梯度就是y方向上两个相邻像素值相减。特点及含义梯度是一个矢量，也就是既有大小也有方向，因此会加以区分x方向、y方向的正向梯度、反向梯度。图像的
雁宇up·2022-11-22 17:18

深度学习基础知识点【更新中】

深度学习基础知识点文章目录深度学习基础知识点1.数据归一化2.数据集划分3.混淆矩阵4.模型文件5.权重矩阵初始化6.激活函数7.模型拟合8.卷积操作9.池化操作10.深度可分离卷积11.转置卷积1.数据归一化过大的输入数据未归一化会导致损失过大
暄踽·2022-11-22 17:17

深度学习 - 基础概念与知识

深度学习基础知识与概念1.深度学习与机器学习机器学习是人工智能实现的方式之一，而深度学习是机器学习的一个研究方向。1.1机器学习机器学习是人工智能的实现方式之一，当然应该还有其他的方式，暂且不予讨论。
tecsai·2022-11-22 16:11

图像基础知识、深度学习基础知识以及相关问题

疑难问题总结第一部分：图像基础边缘和轮廓1、图像中，什么是高频域和低频域？2、什么是图像轮廓，什么是图像边缘？第二部分：深度学习第一部分：图像基础边缘和轮廓1、图像中，什么是高频域和低频域？图像的高低频是对图像各个位置之间强度变化的一种度量方法.低频分量:主要对整副图像的强度的综合度量.高频分量:主要是对图像边缘和轮廓的度量.如果一副图像的各个位置的强度大小相等,则图像只存在低频分量,从图像的频谱
土豆娃potato·2022-11-22 16:27

深度学习机器学习笔试面试题——优化函数

深度学习机器学习笔试面试题——优化函数提示：重要的深度学习基础知识，大厂们的笔试题，或者面试题都可能考的说一下你了解的优化函数？SGD和Adam谁收敛的比较快？谁能达到全局最优解？
冰露可乐·2022-11-21 20:25

深度学习基础知识

计算机视觉1.定义计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务是通过对采集的图片或视频进行处理以获得相应场景的三维信息。计算机视觉是一门关于如何运用照相机和计算机获取人们所需的、被拍摄对象的数据与信息的学问。形象地说，就是给计算机安装上眼睛(照相机)和大脑(算法)，让计算机能够感知环境。2.基本任务计算机视觉的基本任务包括图像处理、模式识别或图像识别、景物分析、图像理解等。除
喜欢来来的刀刀·2022-11-21 17:09

深度学习基础知识和概念汇总（适合给小伙伴们查缺补漏）

深度学习基础知识和概念汇总入门推荐推荐课程推荐书籍其他推荐概念汇总及简洁解析本文为自己学习过程中，所做笔记，很多笔记是参考前人大佬的，如有侵权，请私聊，如转载注明出处就好。
种花家的德棍·2022-11-21 00:16

动手学深度学习-准备基础

动手学深度学习-准备基础动手学深度学习基础知识：第1章：深度学习背景起源：神经网络核心原则：发展：特点机器学习和深度学习的关系：端到端训练：第2章：动手学深度学习的预备知识算法操作：索引：改变形状：线性函数广播机制运算的内存开销
一眼乾年·2022-11-20 04:14

基于人脸的常见表情识别实战--深度学习基础知识

感知机：单层神经网络，每个节点线性加权后输出非线性激活，节点值是输入输出值，边值为权重。全连接网络缺陷：输入大小固定，还是需要手动提取特征，只是一个分类器，参数量太大，对于图片输入损失了空间信息ipython中下载命令！wget解压命令！unzip
mrkindmrhope787·2022-11-20 03:53

常见的深度学习基础知识总结（持续更新中）

一、网络中的传播与优化（1）反向传播公式推导：参考链接：https://blog.csdn.net/qq_32865355/article/details/80260212（2）参数初始化：参数初始化的设计一般以激活函数的性质为原则。要保证训练集和测试集用于初始化的μμμ和σσσ相等，即将训练集初始化过程中计算所得的均值μμμ和方差σσσ的值应用于测试集的初始化？全0初始化：深层网络参数不能全0初
zhong_haoxuan·2022-11-10 13:16

【深度学习基础知识 - 45】机器学习中常用的距离计算方法

假设有两个点(x1,y1)(x2,y2)欧氏距离曼哈顿距离余弦距离博主会持续更新一些深度学习相关的基础知识以及工作中遇到的问题和感悟，喜欢请关注、点赞、收藏。
雁宇up·2022-11-03 20:02

计算机视觉知识点汇总

ARM优化CPU硬件基础数字图像处理深度学习基础知识矩阵乘优化经典卷积网络神经网络量化与压缩模型剪枝轻量网络设计方法目标检测网络评价指标语义分割3D视觉计算机视觉基础知识Pytorch框架Caffe框架编程语言模型部署
嵌入式视觉·2022-10-30 07:09

【AI安全之对抗样本】深度学习基础知识（二）

文章目录00前言01深度学习训练过程02优化器（optimizers）2.1梯度算法2.2常用的优化器2.2.1SGD2.2.2Adagrad2.2.3Adadelta2.2.4RMSprop2.2.5Adam2.3如何使用优化器（optimizers）03总结00前言【我的AI安全之路】以下内容适合于有web安全基础但对AI"一无所知"的师傅们如果是有安全基础，想入门AI安全，可以看下以web安
吃_早餐·2022-10-25 14:36

[深度学习基础知识]优化器 optimizer 加速神经网络训练

本片内容引自莫烦Python常用的优化器有SGDMomentumAdaGradRMSPropAdamSGD下图是不使用优化器情况下，所有的数据直接抛给卷积神经网络去计算，这样会带来巨大的运算量。所以我们提出了SGD的方式，将DATA分成一批一批的数据喂入网络，加速了神经网络的训练。Momentum传统的学习方式，W减去学习率成一个校正值，这种方法如下图一样，曲曲折折最终才能到达最优点。我们提出Mo
zlsd21·2022-10-15 07:57

深度学习基础知识——optimizer总结

1.训练方法：（1）批/梯度下降法GD（gradientdescent）梯度下降法是求解无约束最优化问题的一种常用方法，比较适用于控制变量较多，受控系统比较复杂，无法建立准确数学模型的最优化控制过程。是一种迭代算法，每一步需要求解目标函数的梯度向量。在机器学习中，GD主要用于降低模型输出和真实输出之间的损失/误差，迭代模型结构。随机梯度下降是随机取样替代完整的样本，主要作用是提高迭代速度，避免陷入
m0_49089298·2022-10-15 07:43

深度学习基础知识整理

本文是在七月的BAT机器学习面试1000题系列进行修改。前言July我又回来了。之前本博客整理过数千道微软等公司的面试题，侧重数据结构、算法、海量数据处理，详见：微软面试100题系列，今17年，近期和团队整理BAT机器学习面试1000题系列，侧重机器学习、深度学习。我们将通过这个系列索引绝大部分机器学习和深度学习的笔试面试题、知识点，它将更是一个足够庞大的机器学习和深度学习面试库/知识库，通俗成体
伍德斯托克134470·2022-10-09 10:11

2022-04-10 深度学习与应用 一（网课）

深度学习与应用（一）1、课程目标2、基础知识1、课程目标学习深度学习基础知识，包括经典模型、优化方法、训练技巧。很多知识已经被研究过了，多动手训练。
陈皮皮_mas·2022-10-04 07:28

【OpenCV图像处理15】人脸识别项目

文章目录十五、人脸识别项目1、Haar人脸识别2、Haar其它脸部特征的检测3、Haar+Tesseract车牌识别4、深度学习基础知识5、OpenCV使用DNN实现图像分类十五、人脸识别项目主要方法：
LeoATLiang·2022-09-14 13:17

深度学习基础知识整理

本文是在七月的BAT机器学习面试1000题系列进行修改。前言July我又回来了。之前本博客整理过数千道微软等公司的面试题，侧重数据结构、算法、海量数据处理，详见：微软面试100题系列，今17年，近期和团队整理BAT机器学习面试1000题系列，侧重机器学习、深度学习。我们将通过这个系列索引绝大部分机器学习和深度学习的笔试面试题、知识点，它将更是一个足够庞大的机器学习和深度学习面试库/知识库，通俗成体
咚咚咚Boom·2022-08-21 11:57

飞桨名师共建课上新，复旦大学邱锡鹏教授周二直播开讲！

当算法走进实际业务场景，深度学习基础知识的扎实程度、快速理解已有代码并定位问题的能力高低、基于真实场景数据和业务问题的实践积累，都考验着开发者的技术功底及业务视野。
飞桨PaddlePaddle·2022-07-19 19:48

深度学习机器学习面试题——自然语言处理NLP,transformer,BERT,RNN,LSTM

深度学习机器学习面试题——自然语言处理NLP,transformer,BERT,RNN,LSTM提示：互联网大厂常考的深度学习基础知识LSTM与Transformer的区别讲一下Bert原理，Bert好在哪里
冰露可乐·2022-07-08 07:33

深度学习基础知识（四）：神经网络基础之二分分类

这个专栏主要是想和大家分享一下深度学习的基础知识，主要是以吴恩达老师深度学习课程内容作为基础，并补充了很多其他内容希望让整体内容更加容易理解和系统化。如果想要了解具体专栏里面有什么内容的话，可以看一看我们专栏的目录，在目录里面还说明了小伙伴的分工，这些内容都是所有小伙伴们一起努力完成的，有希望和我们一起学习的的小伙伴也可以加入我们啊。另外我们还将内容以书籍的形式放到了github上，之后还会陆续上
Chou_pijiang·2022-06-06 07:58

深度学习（一）：深度学习基础知识

随着数据（越来越多的数据集，数据收集和存储越来越容易），软件（tensorflow等），硬件（GPU等）的发展，深度学习受到越来越多的人的青睐。深度学习有多个不同的算法，这些算法大都由神经网络构成，神经网络又是由一个一个神经元构成。神经网络详细介绍可以参考这篇文章：神经网络浅讲：从神经元到深度学习。下面我们对深度学习的一些基础知识点进行一下介绍。前向传播：图1描述的是感知机的前向传播。感知机的具体
平行的空间·2022-05-25 03:10

零基础入门深度学习（三）：卷积神经网络基础之初识卷积

从本课程中，你将学习到：深度学习基础知识numpy实现神经网络
飞桨PaddlePaddle·2022-05-03 07:48

【深度学习基础知识 - 32】模型涨点的技巧

大家都希望模型精度越高越好，除了尝试各种不同的模型之外，还可以通过一些训练策略来实现模型的涨点，这里分享一些博主常用的方法。1.warmupwarmup就是说一开始采用较低的学习率，等训练一段时间之后再采用较高的学习率并且随着学习率衰减策略衰减。能够有效的防止模型在较大学习率的时候由于步长过大很快陷入一个局部最小值区域的问题。2.合适的学习率衰减策略学习率衰减策略比较常见，但很多时候大家都是用优化
雁宇up·2022-04-28 07:43
上一页 1 2 3 4 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他