深度学习理论

深度学习理论介绍

在机器学习理论介绍中说过，深度学习是机器学习的一种技术，下面我们具体来看下。1、定义深度学习首先是一种机器学习。深度学习的基础，叫做神经网络，这本身就是一种机器学习算法。深度神经网络（DeepNeuralNetworks，以下简称DNN）是深度学习的基础。代表案例：多层感知机（Multi-Layerperceptron,MLP）2、感知机感知机的模型，它是一个有若干输入和一个输出的模型。输出和输入
Andy_shenzl·2023-01-26 03:39

NVIDIA DLI——深度学习基础-理论与实践入门

深度学习理论与实践入门培训|NVIDIAhttps://www.nvidia.cn/training/instructor-led-workshops/fundamentals-of-deep-learning
吴禅染·2023-01-20 15:36

深度学习理论向应用的过渡课程【北京大学_TensorFlow2.0笔记】学习笔记（十二）——Embedding，LSTM，GRU

目录1、Embedding使用RNN实现输入一个字母预测下一个字母（Embedding）使用RNN实现输入四个连续字母预测下一个字母（Embedding）2、使用RNN实现股票预测3、LSTM可以这样理解如何用TF实现LSTM使用LSTM实现股票代码4、GRU如何用TF实现GRU使用GRU实现股票代码1、Embedding独热码：位宽要求与词汇量一致，若词汇量增大则过于稀疏，非常浪费资源；映射之间
m0_58586235·2023-01-17 15:49

从零开始深度学习 1专栏简介

目前计划在专栏里面写两方面的内容——一个是深度学习理论相关的内
myta0424·2023-01-13 08:05

【深度学习】《深度学习理论与实战(基础篇)》第一章学习笔记

本文章为《深度学习理论与实战（基础篇）》学习笔记。
Razors_·2023-01-13 00:28

初学者之路—————小目标检测

深度学习理论和技术的发展，使得小目标检测精度得以提升。基于GAN、上下文信息结合、数据增强、多尺度学习和无锚机制方法等方法，大大提高了小目标检测性能。对于GAN方法
MapleCL·2023-01-09 19:29

深度学习理论学习笔记

文章目录数据数据少优化SGD动量Nesterov加速梯度AdagradAdam学习率正则化岭回归（Tikhonov正则化）Lasso回归（l1范数）弹性网络（ElasticNet）样式迁移损失函数Tips数据有代表性，防止样本偏差数据少无监督预训练辅助任务预训练，用低层的权重（特征）优化SGD动量与前一次梯度关系很大，动量参数设置在0（高摩擦）和1（无摩擦）之间Nesterov加速梯度测量损失函数
cycyco·2022-12-30 10:13

Python工程能力进阶、数学基础、经典机器学习模型实战、深度学习理论基础和模型调优技巧……胜任机器学习工程师岗位需要学习什么？...

咱不敢谈人工智能时代咋样咋样之类的空话，就我自己来看，只要是个营收超过5亿的互联网公司，基本都需要具备机器学习的能力。因为大部分公司盈利模式基本都会围绕搜索、推荐和广告而去。就比如极客时间，他的课程越来越多，用户越来越多，如果能准确的给每位用户推荐合适的课程，那他们课程的转化率自然会提高。这就像美团外卖一样，把对你味口的餐馆推荐给你，你自然会买。所以，前段时间有学弟还问我说，是不是机器学习行业已经
风度78·2022-12-28 20:28

深度学习理论篇

目录传统神经网络nn整体nn总结前向传播像素点参数预处理（input）权重参数初始化得分函数（W*x）激活函数（f(x)）分类问题反向传播（更新W）损失函数（output和target比较）卷积神经网络CNNCNN总结卷积层非线性激活常用激活函数SigmoidtanhreluELU池化层全连接层VGG卷积神经网络残差网络Resnet原理注意网络结构传统神经网络nn整体nn总结第一列是图片的三维(列
Cherry_xinda·2022-12-27 07:16

深度学习理论向应用的过渡课程【北京大学_TensorFlow2.0笔记】学习笔记（二）——常用函数，加载鸢尾花数据集Iris

1.4、1.5常用函数tf.cast（张量名，dtype=数据类型）——强制tensor转换为该数据类型tf.reduce_min(张量名)——计算张量维度上元素的最小值tf.reduce_max(张量名)——计算张量维度上元素的最大值axis：在二维张量或数组中，控制操作轴（操作方向）axis=0跨行操作，沿经度方向，同一列↓axis=1跨列操作，沿纬度方向，同一行→不指定则所有元素参与运算tf
m0_58586235·2022-12-26 13:33

深度学习基础（一）

深度学习理论知识文章目录深度学习理论知识写在前面卷积神经网络发展机器学习分类器KNN线性分类器优化方法图像的特征介绍神经网络梯度反向传播——是链式法则的递归调用卷积神经网络卷积神经网络的历史——一些比较重要的网络卷积神经网络训练卷积神经网络激活函数数据处理训练优化
用户昵称还已存在·2022-12-25 17:26

一种基于深度学习的增值税发票影像识别系统

在二十一世纪后，随着深度学习理论的提出和数值计算设备的改进，卷积神经网络得到了快速发展
zq007·2022-12-25 04:35

tensorflow01:基础概念

文章目录1图（graphs）2变量3fetch和feed4小案例深度学习理论系列：深度学习01深度学习02:CNN深度学习03:TipsforDeepLearning深度学习04:RNN深度学习tensorflow
不会产品的码农不是好的运营·2022-12-21 14:31

基于pytorch的深度学习模型构建案例

文章目录深度学习理论流程数据准备与处理TensorDatasetDataloaderIterableDataset模型设计与构建神经网络组成线性层Linear构建方法1构建方法2：ModuleList构建方法
远方的旅行者·2022-12-21 09:59

【深度学习理论】(2) 卷积神经网络

各位同学好，最近学习了CS231N斯坦福计算机视觉公开课，讲的太精彩了，和大家分享一下。如下图所示，现在有shape为32x32x3的图像，如果使用全连神经网络，将图像拉长成一个一维向量[None,3072]；使用10个线性分类器，每个分类器是一个一维向量，含3072个权重，和图像做点乘，每个分类器得到1个值，得到输出特征向量为[None,10]使用全连接神经网络处理图像分类问题存在的缺陷是，将二
立Sir·2022-12-21 01:36

日记：“实战深度学习”-第3天

所以我在市场需求与分析这一项，写下了以下内容：“  深度学习是大数据时代算法利器，也是工业4.0的助推力量，同时人才招聘市场也提供了大量高薪岗位，但是深度学习理论较难，代码实战工程化方面也不
那美那美·2022-12-16 17:17

机器学习、深度学习理论基础，数据推导

0：Deep概述什么是深度学习：表达学习、可扩展的机器学习、生物神经网络的近似/粗略实现、人类的监督越来越少、多阶段的特征学习过程、相较于传统模式识别激活函数分类合理的稀疏比例：70~80%，屏蔽特征过多容易出现欠拟合。正则化在深度神经网络训练时的作用正则化可以很好的解决模型过拟合的问题，常见的正则化方式有L2正则化和dropout，但是正则化是以牺牲模型的拟合能力来达到平衡的，因此在对训练集的拟
SensorFusion·2022-12-16 07:00

【深度学习理论】(3) 激活函数

各位同学好，最近学习了CS231N斯坦福计算机视觉公开课，讲的太精彩了，和大家分享一下。激活函数的作用是把神经元的输入线性求和后，放入非线性的激活函数中激活，正因为有非线性的激活函数，神经网络才能拟合非线性的决策边界，解决非线性的分类和回归问题1.Sigmoid函数作用：将负无穷到正无穷的输入，映射到0到1之间。公式：若x=0，函数值=0.5,；若x很大时，函数值非常接近1；若x很小时，函数值非常
立Sir·2022-12-15 16:31

超详细！使用OpenCV深度学习模块在图像分类下的应用实践

深度学习理论的广泛研究促进了其在不同场景的应用。在计算机视觉领域，图像分类、目标检测、语义分割和视觉风格变换等基础任务的
极市平台·2022-12-13 10:55

改善深度学习算法：优化（Optimization）与正则化（Regularization）

大多数人通常将生命周期的这一部分称为优化（Optimization），但实际上，它还包括深度学习理论的另一个重要领域：正则化（Regularization）。为了了解优化和正则化在深度学习模型中的作
CA727·2022-12-12 18:26

机器学习模型的超参数优化

机器学习和深度学习理论的所有分支都致力于模型的优化。机器学习中的超参数优化旨在寻找使得机器学习算法在验证数据集上表现性能最佳的超参数。超参数与一般模型参数不同，超参数是在训练前提前设置的。
喜欢打酱油的老鸟·2022-12-12 16:52

模型效果差？我建议你掌握这些机器学习模型的超参数优化方法

机器学习和深度学习理论的所有分支都致力于模型的优化。机器学习中的超参数优化旨在寻找使得机器学习算法在验证数据集上表现性能最佳的超参数。超参数与一般模型参数不同，超参数是在训练前提前设置的。
Python数据挖掘·2022-12-12 08:15

手动完成线性回归

目录1向前计算1.1计算过程1.2requires_grad和grad_fn2梯度计算3线性回归实现前言：在学完深度学习理论和pytorch得基本使用方法后，我们来通过简单地线性回归例子来巩固前面理论知识
JeffchenITM·2022-12-12 07:19

清华、北大、中科大、UMA、MSU五位博士生畅聊深度学习理论

我们也希望能通过本次的探讨，进一步明确深度学习在研究什么，同时分享各自对于深度学习理论的一些想法。2022年10月20日，由国际信息中心主办，AITIME承办的全球博
AITIME论道·2022-12-11 16:20

深度学习理论知识

深度学习笔记：深度学习笔记（一）：卷积变种（分组卷积、空洞卷积、深度可分离卷积、可形变卷积）卷积中的不一样的操作_呆呆象呆呆的博客-CSDN博客_小卷积代替大卷积vs深度可分离卷积深度学习笔记（二）：Normalization（原因、BN、WN、LN、IN、权重数据伸缩不变性）_呆呆象呆呆的博客-CSDN博客_wn和in的关系材料力学深度学习笔记（三）：激活函数比较分析，可视化，选择（Sigmoi
m0_61899108·2022-12-11 09:01

深度学习怎么入门？零基础快速入门深度学习

我根据自己的入门和工作经验，总结了一份超详细的保姆级深度学习从零入门路线，分享给大家;整个路线分为五个部分：基础知识;机器学习理论入门;机器学习竞赛实战;深度学习理论入门;深度学习竞赛实战;1.基础知识学习首先
程序媛珂珂·2022-12-11 00:44

深度学习理论：Categorical crossentropy 损失函数

分类交叉熵是一种用于多类分类任务的损失函数。在这些任务中，一个示例只能属于许多可能类别中的一个，模型必须决定哪个类别。形式上，它旨在量化两种概率分布之间的差异。分类交叉熵的数学计算方式：交叉熵损失函数通过计算以下和来计算示例的损失：根据公式我们可以发现，因为yi,要么是0，要么是1。而当yi等于0时，结果就是0，当且仅当yi等于1时，才会有结果。也就是说categorical_crossentro
正在黑化的KS·2022-12-06 12:21

深度学习理论篇之 ( 十二) -- 降维之池化

科普知识机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能核心，是使计算机具有智能的根本途径。前言前面几期的文章中，我们学习了卷积操作，了解到它的作用在于更好的提取特征和降维，是推动深度学习进一步发展的原因之一，它的发展也促使了许多优
fengyuxie·2022-12-05 09:50

机器学习、深度学习的学习路线

深度学习有一年多的时间，这里站在本科生的角度，结合自己的经验给对机器学习、深度学习感兴趣的同学一些建议和规划目录Step1数学基础和Python数学基础PythonStep2机器学习理论和编程实现机器学习理论深度学习理论
江海一飞鸥·2022-11-30 11:29

PyTorch学习笔记-损失函数与反向传播

1.损失函数具有深度学习理论基础的同学对损失函数和反向传播一定不陌生，在此不详细展开理论介绍。
柃歌·2022-11-29 11:15

深度学习理论篇之 ( 十八) -- 注意力机制之SENet

科普知识ILSVRC（ImageNetLargeScaleVisualRecognitionChallenge）是机器视觉领域最受追捧也是最具权威的学术竞赛之一，代表了图像领域的最高水平。ImageNet数据集是ILSVRC竞赛使用的是数据集，由斯坦福大学李飞飞教授主导，包含了超过1400万张全尺寸的有标记图片。ILSVRC比赛会每年从ImageNet数据集中抽出部分样本，以2012年为例，比赛的
fengyuxie·2022-11-29 09:23

深度学习理论基础14-数值微分

先来看一个导数的公式其中h是趋近无限小的数。导数表示x方向的微小变化导致f(x)的值在多大程度发生变化。如果用代码帮助你的理解，这个代码是这样的：defnumerical_diff(f,x):h=10e-50return(f(x+h)-f(x))/h现在你大约了解了导数是怎么回事(学渣才不知道的吧，喂！)但是这个实现是不能用的。因为小数点后50位早就被计算机省略了。10e-50对计算机来说就是个0
地狱恶狼·2022-11-29 08:21

深度学习理论篇之 (七) -- 反向传播

科普知识BP算法(即反向传播算法)适合于多层神经元网络的一种学习算法，它建立在梯度下降法的基础上。BP网络的输入输出关系实质上是一种映射关系：一个n输入m输出的BP神经网络所完成的功能是从n维欧氏空间向m维欧氏空间中一有限域的连续映射，这一映射具有高度非线性。它的信息处理能力来源于简单非线性函数的多次复合，因此具有很强的函数复现能力。这是BP算法得以应用的基础。前言上期文章中我们学习基本的神经网络
fengyuxie·2022-11-27 04:31

深度学习理论--图像处理专栏收录

收录自用，侵删目录收录自用，侵删1.图像灰度化、二值化2.图像遥感影像中光谱分辨率、空间分辨率、时间分辨率、全色图像、多光谱图像、高光谱图像的区别3.图像平滑/降噪(均值滤波、中值滤波和高斯滤波)4.图像增强4.1获取图像属性、感兴趣区域(ROI)和通道拆分与合并4.2图像加法与融合运算和图像类型转换4.3图像拼接4.4图像缩放、图像旋转、图像翻转和图像平移4.5图像灰度变换——线性灰度变换和非线
李同学_道阻且行·2022-11-26 11:02

分类预测 | Matlab实现CNN-SVM卷积支持向量机多特征分类预测

基于深度学习理论，提出将卷积神经网络算法结合SVM分类器搭建适于深度卷积神经网络模型。从原始数据特征出发，模型逐层学习实现特征提取与类型识别，引入批量归一化、
机器学习之心·2022-11-24 01:14

清华、中科院、百度、阿里等大佬共论人工智学术生态与产业创新--中国科技峰会系列活动青年科学家沙龙（AI TIME承办）...

尤其是进入新千年后，随着计算能力的提升与深度学习理论的逐渐成熟，人工智能技术在各个研究领域大放异彩，并在巨大商业价值的驱动下，走进了千家万户。然而，随着人工智能研究走进深水区，传统的基
AITIME论道·2022-11-23 18:02

pyTorch 快速入门

如果足够自律，就能够充分利用时间；如果足够自律，就能不断地补充自己的不足；如果足够自律，就能扎实深度学习理论基础；如果足够自律，就能进一步提升代码能力。
_missTu_·2022-11-23 03:40

【CNN】初识卷积

对卷积神经网络的研究始于二十世纪80至90年代，时间延迟网络和LeNet-5是最早出现的卷积神经网络；在二十一世纪后，随着深度学习理论的提出和数值计算设备的改进，
lingchen1906·2022-11-23 03:59

【深度学习实战】一、Numpy手撸神经网络实现线性回归

目录一、引言二、代码实战1、Tensor和初始化类2、全连接层3、模型组网4、SGD优化器5、均方差损失函数6、Dataset三、线性回归实战四、实验结果五、总结一、引言深度学习理论相对简单，但是深度学习框架
嘟嘟太菜了·2022-11-22 03:12

深度学习理论学习过程中的一些常见问题

0.需要去学习哪些基本内容1.样本归一化：预测时的样本数据同样也需要归一化，但使用训练样本的均值和极值计算，这是为什么？答：可以从三个角度理解：众所周知，我们的数据集分为训练集和测试集，对于测试集的均值方差归一化，不能用测试集的均值和方差，而要用训练集的均值和方差，因为真实数据中很难得到其均值和方差。另外，网络参数是从训练集学习到的，也就是说，网络的参数尺度是与训练集的特征尺度一致性相关的，所以应
jaycain·2022-11-21 20:24

《深度学习入门-基于Python的理论与实现》读书笔记

写在前面：1、该读书笔记将侧重总结深度学习理论而非Python实现。2、本书环境基于Python3.x+Numpy+Matplotlib。
Nicholson07·2022-11-21 14:30

MindSpore前馈神经网络运用

具备一定的深度学习理论知识，
irrationality·2022-11-16 07:04

深度学习理论知识二十问

1、Whatarerepresentationandrepresentationlearningmeaning?在深度学习领域内，表示是指通过模型的参数，采用何种形式、何种方式来表示模型的输入观测样本X。表示学习指学习对观测样本X有效的表示。表示学习是学习一个特征的技术的集合：将原始数据转换成为能够被机器学习来有效开发的一种形式。2、Whydoweneedtoperformrepresentati
Lil Wing·2022-11-10 13:17

深度学习试题_深度学习理论类常见面试题(二)

8.Attention对比RNN和CNN，分别有哪点你觉得的优势对比RNN的是，RNN是基于马尔可夫决策过程，决策链路太短，且单向对比CNN的是，CNN基于的是窗口式捕捉，没有受限于窗口大小，局部信息获取，且无序9.写出Attention的公式10.Attention机制，里面的q,k,v分别代表什么Q:指的是query，相当于decoder的内容K:指的是key，相当于encoder的内容V:指
weixin_39792747·2022-11-09 07:46

深度学习试题_深度学习理论类常见面试题(一)

CNN平移不变性是什么?如何实现的?平移不变性(translationinvariant)指的是CNN对于同一张图及其平移后的版本，都能输出同样的结果。这对于图像分类(imageclassification)问题来说肯定是最理想的，因为对于一个物体的平移并不应该改变它的类别。卷积+最大池化约等于平移不变性。卷积:简单地说，图像经过平移，相应的特征图上的表达方式也是表达方式也是移的。在神经网络中，卷
weixin_39899691·2022-11-09 07:46

景联文科技：车企如何解决自动驾驶数据标注难题？

“AI数据是人工智能行业的燃料，对自动驾驶领域头部企业来说，为了保持自身的竞争优势并加快自动驾驶应用安全落地进程，需要依靠大量的高质量标注数据做支撑，才能有效解决自动驾驶深度学习理论上遇到的问题。
景联文科技·2022-11-07 16:35

OpenCV基础使用教程

Opencv的使用教程,opencv比较全的基础教程置顶weeksooo于2021-02-2416:07:02发布6321已收藏185分类专栏：深度学习理论基础文章标签：opencv图像处理视频处理版权场景一
阿尔法羊·2022-11-04 22:32

深度学习理论（李宏毅

2022-再探宝可梦、数码宝贝分类器—浅谈机器学习原理_哔哩哔哩_bilibilimoreparameters,easiertooverfit,why?但是怎么定这个有未知数的function呢、那通常假设你没有什么想法的话、往往你需要先对你的资料做一些观察、想象一下，假设有一个function可以成功的分类宝可梦跟数码宝贝、那这个function它应该长什么样子所以，开始进行机器学习之前，也许我
linyuxi_loretta·2022-10-19 19:41

深度学习理论篇之----前世、今生、未来

世界地球日，奏响低碳生活进行曲，以蓝天为乐谱，以绿树为音符，以碧水为琴弦弹奏出环保最强音，为地球母亲祈祷平安吃五谷杂粮，穿天然布衣，住节能住宅，行无车之旅，用厉行节俭。让我们怀着敬畏感恩之心，向地球母亲贺寿。2017政府工作报告，指出要加快培育壮大包括人工智能在内的新兴产业，“人工智能”也首次被写入了全国政府工作报告。百度李彦宏，腾讯马化腾都在两会上就人工智能发表意见。科大讯飞刘庆峰在朋友圈分享了
fengyuxie·2022-10-19 14:28

gridsearchcv参数_机器学习模型的超参数优化

机器学习和深度学习理论的所有分支都致力于模型的优化。机器学习中的超参数优化旨在寻找使得机器学习算法在验证数据集上表现性能最佳的超参数。超参数与一般模型参数不同，超参数是在训练前提前设置的。
weixin_39897218·2022-10-11 07:38
上一页 1 2 3 4 5 6 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他