深度学习基础

《深入浅出AI》前言知识：深度学习基础总结

个人主页:GoAI|公众号:GoAI的学习小屋|交流群:704932595|个人简介：掘金签约作者、百度飞桨PPDE、领航团团长、开源特训营导师、CSDN、阿里云社区人工智能领域博客专家、新星计划计算机视觉方向导师等，专注大数据与人工智能知识分享。AI学习星球推荐：GoAI的学习社区知识星球是一个致力于提供《机器学习|深度学习|CV|NLP|大模型|多模态|AIGC》各个最新AI方向综述、论文等成
GoAI·2025-02-20 00:22

【深度学习基础】什么是注意力机制

文章目录一、注意力机制的核心地位：从补充到主导二、技术突破：从Transformer到多模态融合三、跨领域应用：从NLP到通用人工智能四、未来挑战与趋势结语参考链接注意力机制：深度学习的核心革命与未来基石在深度学习的发展历程中，注意力机制（AttentionMechanism）的引入堪称一场革命。它不仅解决了传统模型的根本性缺陷，更通过动态聚焦关键信息的能力，重塑了人工智能处理复杂任务的范式。本文
我的青春不太冷·2025-02-17 14:26

第2节课：深度学习基础python代码

目录编译环境：代码：文件：ds_0.py小结：python声明不需要定义，整型和浮点型都是直接给予值，字符串的[-2]代表是列表倒数的某值;同一列表里面可以有各种类型的变量;哈希表的键值对在打印时是调用字典[key]，然后输出对应的value文件：judge_0.py小结：python相对于c语言，是将（）换成空格和“：”，与此同时判断语句if和else的缩进不同对应着不同层次的判定条件，约等于“
Lips611·2025-02-17 11:57

深度学习基础知识

cuda简介：CUDA（ComputeUnifiedDeviceArchitecture）是由NVIDIA开发的一种并行计算平台和应用程序编程接口（API）。它允许开发人员利用NVIDIA的GPU（图形处理器）来加速各种计算任务，包括科学计算、机器学习、深度学习、数据分析等。NVIDIA是一个全球领先的计算技术公司，专注于设计和制造高性能计算设备。除了生产强大的GPU，NVIDIA还提供与其GPU
namelijink·2025-02-15 15:22

AI学习专题（一）LLM技术路线

最优化方法（梯度下降、拉格朗日乘子法）编程&框架Python（NumPy、Pandas、Matplotlib）PyTorch&TensorFlow基础HuggingFaceTransformers入门深度学习基础机器学习基础
王钧石的技术博客·2025-02-10 01:39

2025年最新最全的大模型学习路线规划，对于零基础入门到精通的学习者来说，可以遵循以下阶段进行

深度学习基础：学习深度学习的基本原理和常用算法，
程序员辣条·2025-02-04 16:57

AI真的能理解我们这个现实物理世界吗？深度剖析原理、实证及未来走向

文章开篇抛出疑问，随后深入介绍AI深度学习基础，包含神经网络架构、反向传播算法。继而列举AI在物理场景识别、实验数据分析中显露的“理解”迹象，也点明常识性错误、极端场景失效这类反例。
AI_DL_CODE·2025-02-02 10:51

Kaggle房价预测

Kaggle房价预测作为深度学习基础篇章的总结，我们将对本章内容学以致用。下面，让我们动手实战一个Kaggle比赛：房价预测。本节将提供未经调优的数据的预处理、模型的设计和超参数的选择。
一名小菜鸟的学习之路·2025-01-28 15:38

深度学习基础18（多层感知机代码实现）

多层感知机的从零开始实现现在自己实现一个多层感知机。为了与之前softmax回归获得的结果进行比较，将继续使用Fashion-MNIST图像分类数据集importtorchfromtorchimportnnfromd2limporttorchasd2lbatch_size=256train_iter,test_iter=d2l.load_data_fashion_mnist(batch_size)
NDNPOMDFLR·2025-01-22 11:37

【深度学习基础】线性神经网络 | softmax回归的简洁实现

【作者主页】FrancekChen【专栏介绍】⌈⌈⌈PyTorch深度学习⌋⌋⌋深度学习(DL,DeepLearning)特指基于深层神经网络模型和方法的机器学习。它是在统计机器学习、人工神经网络等算法模型基础上，结合当代大数据和大算力的发展而发展出来的。深度学习最重要的技术特征是具有自动提取特征的能力。神经网络算法、算力和数据是开展深度学习的三要素。深度学习在计算机视觉、自然语言处理、多模态数据
Francek Chen·2025-01-22 11:34

深度学习从入门到精通：全面指南

《深度学习从入门到精通：全面指南》文章目录《深度学习从入门到精通：全面指南》文章关键词文章摘要引言第一部分：深度学习基础入门第1章：深度学习概述1.1深度学习的基本概念1.2深度学习的发展历程1.3深度学习的基本原理神经网络前向传播反向传播第
AI天才研究院·2025-01-22 10:25

Python气象数据分析：风速预报订正、台风预报数据智能订正、机器学习预测风电场的风功率、浅水模型、预测ENSO等

目录专题一Python和科学计算基础专题二机器学习和深度学习基础理论和实操专题三气象领域中的机器学习应用实例专题四气象领域中的深度学习应用实例更多应用Python是功能强大、免费、开源，实现面向对象的编程语言
小艳加油·2025-01-21 05:20

深度学习项目--基于LSTM的火灾预测研究(pytorch实现)

天深度学习训练营中的学习记录博客原作者：K同学啊前言LSTM模型一直是一个很经典的模型，这个模型当然也很复杂，一般需要先学习RNN、GRU模型之后再学，GRU、LSTM的模型讲解将在这两天发布更新，其中：深度学习基础
羊小猪~~·2025-01-18 10:30

深度学习基础之循环神经网络

目录基本概念与特点定义与工作原理结构组成应用领域自然语言处理语音识别时间序列分析优缺点优点缺点改进方法总结循环神经网络在自然语言处理中的最新应用和研究进展是什么？长短期记忆网络（LSTM）与门控循环单元（GRU）在解决梯度消失和爆炸问题上的具体差异和优势是什么？LSTM的结构与优势GRU的结构与优势具体差异门的数量：计算复杂度：性能对比：总结双向循环神经网络如何增强模型的上下文捕捉能力，与单向RN
Ctrl+CV九段手·2024-09-04 00:02

【学习笔记】第三章深度学习基础——Datawhale X李宏毅苹果书 AI夏令营

局部极小值与鞍点梯度为0的点我们统称为临界点，包括局部极小值、鞍点等局部极小值和鞍点的梯度都为0，那如何判断呢？先请出我们损失函数：L(θ)，θ是模型中的参数的取值，是一个向量。由于网络的复杂性，我们无法直接写出损失函数，不过我们可以写出损失函数的近似取值。根据宋浩老师所讲的大学一年级高等数学的知识，我们可以通过三阶泰勒展开对损失函数在θ附近的取值进行近似：其中，θ是模型中的参数的取值，θ’是在θ
MoyiTech·2024-08-28 11:38

基于matlab的深度学习案例及基础知识专栏前言

专栏简介内容涵盖深度学习基础知识、深度学习典型案例、深度学习工程文件、信号处理等相关内容，博客由基于matlab的深度学习案例、matlab基础知识、matlab图像基础知识和matlab信号处理基础知识四部分组成
逼子歌·2024-08-24 23:40

pytorch深度学习基础 7（简单的的线性训练，SGD与Adam优化器）

接下来小编来讲一下一些优化器在线性问题中的简单使用使用，torch模块中有一个叫optim的子模块，我们可以在其中找到实现不同优化算法的类SGD随机梯度下降基本概念定义：随机梯度下降（SGD）是一种梯度下降形式，对于每次前向传递，都会从总的数据集中随机选择一批数据，即批次大小1。参数更新过程：这个参数的更新过程可以描述为随机梯度下降法，随机梯度下降（SGD）是一种简单但非常有效的方法，多用于支持向
不是浮云笙·2024-08-24 05:49

Datawhale AI夏令营第四期魔搭- AIGC文生图方向 task03笔记

2,深度学习基础：熟悉神经网络、卷积神经网络（CNN）、Transformer等深度学习模型的基本原理。
汪贤阳·2024-08-22 11:30

1.深度学习基础-模型评估指标

模型评估指标针对不同类型的任务，需要通过不同的模型评价指标进行评价，在实际应用中，可能需要结合具体任务和需求选择合适的评估方法。有监督学习回归任务回归任务模型的评估主要通过误差和拟合优度来进行，常用的指标包括平均绝对误差（MAE）、均方误差（MSE）、均方根误差（RMSE）和决定系数（R²）。在回归任务中，我们主要关注模型预测值与实际值之间的差异大小以及模型对数据整体变化的解释能力。以下是具体介绍
alstonlou·2024-02-24 20:03

深度学习基础——卷积神经网络（一）

卷积操作与自定义算子开发卷积是卷积神经网络中的基本操作，对于图像的特征提取有着关键的作用，本文首先介绍卷积的基本原理与作用，然后通过编写程序实现卷积操作，并展示了均值、高斯与sobel等几种经典卷积核的卷积效果，接着调用MindSpore中的卷积算子Conv2d来实现卷积操作，最后介绍了MindSpore中pyfunc和TBE两种自定义算子实现方法。卷积基本原理1.1卷积的概念卷积操作发展于信号处
牛哥带你学代码·2024-02-20 13:04

大语言模型学习路线：从入门到实战

本学习路线旨在为有基本Python编程和深度学习基础的学习者提供一个清晰、系统的大模型学习指南，帮助你在这一领域快速成长。本学习路线更新至2024年02月，后期部分内容或工具可能需要更新。
Tim_Van·2024-02-20 12:56

深度学习基础 叁：反向传播算法

注：封面画师：新雨林-触站说明本页面无手机端适配，强制缩放阅读。使用纯html格式，保存教学用ppt，添加了部分个人笔记。目录工作正常，可以跳转。反向传播这里对反向传播的讲解比较奇怪，可能比较适合初学者理解。想要通过严谨的数学推导理解反向传播的同学，可以搜索一下。反向传播算法反向传播算法什么是正向传播网络什么是反向传播反向传播算法为什么需要反向传播图解反向传播反向传播计算链式求导法则案例1：通过反
白拾Official·2024-02-20 01:56

深度学习基础之《TensorFlow框架（2）—图》

一、什么是图结构1、图包含了一组tf.Operation代表的计算单元对象和tf.Tensor代表的计算单元之间流动的数据图结构：数据(Tensor)+操作(Operation)二、图相关操作1、默认图通常TensorFlow会默认帮我们创建一张图查看默认图的两种方法：（1）通过调用tf.compat.v1.get_default_graph()访问，要将操作添加到默认图形中，直接创建OP即可（2
csj50·2024-02-19 15:39

深度学习基础之《TensorFlow框架（4）—Operation》

一、常见的OP1、举例类型实例标量运算add，sub，mul，div，exp，log，greater，less，equal向量运算concat，slice，splot，canstant，rank，shape，shuffle矩阵运算matmul，matrixinverse，matrixdateminant带状态的运算variable，assgin，assginadd神经网络组件softmax，sig
csj50·2024-02-19 13:37

大致聊聊ChatGPT的底层原理，实现方法

文目录深度学习基础ChatGPT的本质ChatGPT原理详解一、深度学习基础—深度学习是什么？如何理解神经网络结构？
黑马程序员官方·2024-02-19 10:09

深度学习基础

深度学习基础highvariance/datamismatchwhatisdatamismatchhowtosolvedatamismatchdatasynthesis数据合成迁移学习与预训练/微调什么时候用迁移学习
EEPI·2024-02-13 10:48

深度学习基础--反向传播

Modelimage.png前向传播image.png反向传播求误差image.png求对J的影响image.pngimage.png求对J的影响image.pngimage.png误差反传image.pngimage.pngimage.png参考：深度学习—反向传播(BP)理论推导-Backpropagation算法的推导与直观图解-文之-博客园
掰不开桃子的男人·2024-02-07 09:13

深度学习基础之-3.3线性二分类的神经网络实现

线性二分类的神经网络实现提出问题回忆历史，公元前206年，楚汉相争，当时刘邦项羽麾下的城池地理位置如下：0.红色圆点，项羽的城池1.绿色叉子，刘邦的城池其中，在边界处有一些红色和绿色重合的城池，表示双方激烈争夺的拉锯战。样本序号123…119经度相对值0.0254.109…7.767纬度相对值3.4088.012…1.8721=汉,0=楚110…1问题：经纬度相对值为(5,1)时，属于楚还是汉？经
SusanLovesTech·2024-02-05 06:43

深度学习入门资料整理

深度学习基础总结，无一句废话（附完整思维导图）深度学习如何入门？-知乎深度学习入门基础讲义_shuzfan的博客-CSDN博客_深度学习入门神经网络15分钟入门！
AI视觉网奇·2024-02-02 13:13

新书速览|PyTorch 2.0深度学习从零开始学

实战中文情感分类、拼音汉字转化、中文文本分类、拼音汉字翻译、强化学习、语音唤醒、人脸识别01本书简介本书以通俗易懂的方式介绍PyTorch深度学习基础理论，并以项目实战的形式详细介绍PyTorch框架的使用
全栈开发圈·2024-02-02 12:46

基于Python的深度学习基础

Python基础Python是一种开源的、简单易记、可以自由使用编程语言。深度学习将使用NumPy和Matplotlib这两种外部库Python有“解释器”和“脚本文件”两种运行模式Python能够将一系列处理集成为函数或类等模块NumPy中有很多用于操作多维数组的便捷方法类与对象变量是挂在对象身上的标签classMan:#定义了一个新类Man，类Man生成了实例（对象）m#类Man的构造函数（初
程序媛了了·2024-01-31 15:35

深度学习知识学习笔记

一相关的深度学习基础知识（1）线性回归  设房屋的⾯积为x1x_1x1，房龄为x2x_2x2，售出价格为yyy。
wyn20001128·2024-01-31 01:24

【深度学习基础】什么是卷积？为什么要用卷积？

什么是卷积？为什么要用卷积？（一）卷积的原理：1.卷积核：2.卷积层参数：2.1卷积核数：2.2卷积核的大小：2.3步长：2.4填充：3.池化层：3.1最大池化层（maxpooling）：3.2均值池化层（averagepooling）：（二）卷积的作用：1.减少参数量：
BIT可达鸭·2024-01-28 19:18

Coursera吴恩达《深度学习》课程总结（全）

第一门课：神经网络和深度学习基础，介绍一些基本概念。（四周）第二门课：深度学习方面的实践，严密的构建神经网络，如何真正让它表现良好。超参数调整，正则化诊断偏差和方差，高级优化算法，如Mo
双木的木·2024-01-27 20:03

深度学习简介与应用

深度学习基础深度学习的核心是神经网络，它由多个层次组成，每一层都包含多个神经元。通过训练这些神经网络，系统能够自动学习数据中的模式和特征，从而实现分类、预测等任务。
jcfszxc·2024-01-27 15:53

深度学习基础知识

卷积神经网络——图像卷积特征提取卷积核（算子）用来做图像处理时的矩阵，与原图像做运算的参数。卷积层基本参数（卷积核大小，步长【pytorch默认为1】，padding边缘填充）输出尺寸=（输入尺寸-卷积核尺寸+2*padding）/stride+1卷积神经网络的基本结构层输入层：批次通道图像大小卷积层激活函数：加入非线性因素，提高神经网络对模型的表达能力，解决线性模型所不能解决的问题，CNN较为常
湘溶溶·2024-01-26 06:40

大模型的学习路线图推荐—多维度深度分析【云驻共创】

以下是一些相关的背景信息：1.深度学习基础：学习大模型之前，对深度学习的基本概念、神经网络的原理、激活函数、损失函数等基础知识有一
一见已难忘·2024-01-23 13:15

深度学习基础之数据操作

深度学习中最常用的数据是张量，对张量进行操作是进行深度学习的基础。以下是对张量进行的一些操作：首先我们需要先导入相关的张量库torch。元素构造（初始化）使用arange创造一个行向量，也就是0轴（0维）。默认是按顺序创建，从0开始，元素类型默认是整数，当然也可以指定为浮点数。比如:可以使用张量shape属性来访问张量（沿每个轴的长度）的形状（shape）。当然指的是形状，也可能不只是一个维度。我
丘小羽·2024-01-22 07:27

Pytorch第2周：深度学习基础 - Day 8-9: 神经网络基础

Pytorch第2周：深度学习基础-Day8-9:神经网络基础学习目标：理解神经网络的基础概念。学习如何使用PyTorch的nn模块构建神经网络。
M.D·2024-01-20 06:16

吴恩达倾情推荐！28张图全解深度学习知识！

本文约7500字，建议阅读15分钟本文将从深度学习基础（01-13）、卷积网络（14-22）和循环网络（23-28）三个方面介绍该笔记。
深度学习算法与自然语言处理·2024-01-18 15:55

【深度学习入门】深度学习基础概念与原理

*（本篇文章旨在帮助新手了解深度学习的基础概念和原理，不深入讨论算法及核心公式）目录一、深度学习概述1、什么是深度学习？2、深度学习与传统机器学习的区别3、深度学习的应用领域二、深度学习基本原理1、神经网络的基本结构（1）什么是神经网络？（2）神经网络基本结构2、激活函数的作用和选择（1）什么是激活函数？（2）激活函数的作用与选择3、损失函数的定义和选择（1）什么是损失函数（2）损失函数的选择4、
代码骑士·2024-01-18 07:38

深度学习基础数据结构之张量：从一维到多维

张量在深度学习框架中广泛应用于模型的输入、输出以及中间计算过程。通过支持高维度矩阵运算、记录梯度信息等功能，张量成为实现深度学习算法的关键。张量是一个多维数据容器，可以用来表示各种数据类型，如数值、图像、音频、文本等。本文将介绍一维、二维、三维和四维张量的形象展示、应用以及对学习理解的作用。01一维张量一维张量通常被称为向量，如一维数组[1,4,3,2,5]，在数学和线性代数中，向量是指具有大小和
m0_61254808·2024-01-17 19:17

深度学习基础知识整理

自动编码器Auto-encoders是一种人工神经网络，用于学习未标记数据的有效编码。它由两个部分组成：编码器和解码器。编码器将输入数据转换为一种更紧凑的表示形式，而解码器则将该表示形式转换回原始数据。这种方法可以用于降维，去噪，特征提取和生成模型。自编码器的训练过程是无监督的，因为它不需要标记数据。它的目标是最小化重构误差，即输入数据与解码器输出之间的差异。这可以通过反向传播算法和梯度下降等优化
Do1phln·2024-01-17 07:01

深度学习入门

深度学习基础知识了解深度学习与机器学习的关系，探索其基础知识，并了解在某些应用中使用深度学习算法的优势。技能水平初学者估计完成时间约2小时。
AI-智能·2024-01-16 10:13

深度学习基础教程

目录预备知识基础知识（1）PyTorch基础知识（2）线性回归模型（3）逻辑回归模型（4）全连接神经网络预备知识requires_grad：用于指示是否需要计算相应张量的梯度。如果requires_grad=True，则表示需要对该张量进行梯度计算。epoch：表示将所有训练样本都过一遍的完整训练过程。Tensor：Tensor定义为最多可以包含四个维度的多维数组，但可以通过堆叠来创建更高维度的张
睡不醒的毛毛虫·2024-01-14 02:12

《NLP入门到精通》栏目导读

本栏目得前导栏目是《深度学习》、《pytorch实践》，因此，读者需要一定得深度学习基础，才能过度到此栏目内容。
无水先生·2024-01-13 05:38

【22-23 春学期】AI作业5-深度学习基础

人工智能、机器学习、深度学习之间的关系神经网络与深度学习的关系“深度学习”和“传统浅层学习”的区别和联系神经元、人工神经元MP模型单层感知机SLP异或问题XOR多层感知机MLP前馈神经网络FNN激活函数ActivationFunction为什么要使用激活函数？常用激活函数有哪些？均方误差和交叉熵损失函数，哪个适合于分类？哪个适合于回归？为什么？
HBU_David·2024-01-12 00:23

[动手学深度学习-PyTorch版]-3.13深度学习基础-丢弃法

3.13丢弃法除了前一节介绍的权重衰减以外，深度学习模型常常使用丢弃法（dropout）[1]来应对过拟合问题。丢弃法有一些不同的变体。本节中提到的丢弃法特指倒置丢弃法（inverteddropout）。3.13.1方法image.pngimage.pngimage.png图3.5隐藏层使用了丢弃法的多层感知机3.13.2从零开始实现根据丢弃法的定义，我们可以很容易地实现它。下面的dropout函
蒸饺与白茶·2024-01-09 21:56

GPT火了一年了，你还不懂大语言模型吗？

二、大语言模型技术原理1深度学习基础2神经网络结构3语言模型训练与优化三、大语言模型应用场景1自然语言处理2机器翻译3智能问答与对话系统4文本生成
发狂的小花·2024-01-09 03:43

02-深度学习基础知识

在TensorFlow中，tensor是一个类，也是存储和变换数据的主要工具。如果你之前用过NumPy，你会发现tensor和NumPy的多维数组非常类似。然而，tensor提供GPU计算和自动求梯度等更多功能，这些使tensor更加适合深度学习。1TensorFlow基本功能首先用arange创建一个行向量创建一个行向量.png关于constan函数在TensorFlow中表示张量。consta
洛八斗·2024-01-04 01:51
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他