深度学习神经第3页

python 学习曲线函数_如何使用学习曲线来诊断你的LSTM模型的行为？（附代码）...

LSTM是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。在自然语言处理、语言识别等一系列的应用上都取得了很好的效果。

weixin_39576066·2025-02-17 23:49

翻译Deep Learning and the Game of Go（14）第十二章采用actor-critic方法的强化学习

本章包括:利用优势使强化学习更有效率用actor-critic方法来实现自我提升AI设计和训练Keras的多输出神经网络如果你正在学习下围棋，最好的改进方法之一是让一个水平更高的棋手给你复盘。

idol_watch·2025-02-17 22:16

transformer概述

Transformer架构的提出，不仅在自然语言处理（NLP）领域掀起了革命，也在多个深度学习任务中获得了广泛应用。

沉墨的夜·2025-02-17 22:13

【漫话机器学习系列】041.信息丢失（dropout）

信息丢失（Dropout）Dropout是一种广泛应用于神经网络训练中的正则化技术，旨在减少过拟合（overfitting），提高模型的泛化能力。

IT古董·2025-02-17 22:40

Pytorch官方文档英语翻译

深度学习Pytorch-Pytorch官方文档英语翻译1.a-e1.1span跨度1.2blended混合的1.3criterion标准1.4deprecated弃用的1.5clamp钳制1.6arbitraryshapes

yanzhiwen2·2025-02-17 21:35

AIMv2：多模态自回归预训练的视觉新突破

AIMv2：多模态自回归预训练的视觉新突破阅读时长：19分钟发布时间：2025-02-17近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM

·2025-02-17 20:28

PyTorch实战深度学习——用CNN进行手写数字识别

用CNN进行手写数字识别---计算机专业研究生的代码第一课，相当于”HelloWorld“，不管以后选择什么研究方向，都值得一看,欢迎大家留言交流学习！下面手把手教大家一步一步实现该任务：1.环境准备首先呢，您需要确保安装了PyTorch库。如果还没有安装，可以使用以下命令进行安装，这里默认您已经有Anaconda并创建好虚拟环境啦，如果还没有安装，可以参考其他更完整的安装pytorch的教程：p

一位小说男主·2025-02-17 19:43

一文理解大模型，并对当前流行模型做对比

大模型就像是一个“超级智能大脑”，它通过海量数据和复杂的计算结构（比如神经网络）学习人类语言、图像、声音等信息的规律。

Jing_saveSlave·2025-02-17 19:41

推荐学习图像处理的入门书：《Python图像处理实战》

这本书的作者桑迪潘·戴伊是一位兴趣广泛的数据科学家，主要研究机器学习、深度学习、图像处理和计算机视觉。

天飓·2025-02-17 18:35

计算机视觉中图像的基础认知

第一章：计算机视觉中图像的基础认知第二章：计算机视觉：卷积神经网络(CNN)基本概念(一)第三章：计算机视觉：卷积神经网络(CNN)基本概念(二)第四章：搭建一个经典的LeNet5神经网络一、图像/视频的基本属性在计算机视觉中

全栈你个大西瓜·2025-02-17 15:38

【深度学习】计算机视觉（CV）-图像分类-ResNet（Residual Network，残差网络）

ResNet（ResidualNetwork，残差网络）是一种深度卷积神经网络（CNN）架构，由何恺明（KaimingHe）等人在2015年提出，最初用于ImageNet竞赛，并在分类任务上取得了冠军。

IT古董·2025-02-17 14:57

【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

我的青春不太冷·2025-02-17 14:26

【第15章：量子深度学习与未来趋势—15.3 量子深度学习在图像处理、自然语言处理等领域的应用潜力分析】

各位技术爱好者们，今天我们要聊的这个话题，可能是未来十年最值得押注的技术革命——量子深度学习。这不是简单的"1+1=2"的物理叠加，而是一场可能彻底改写AI发展轨迹的范式转移。

再见孙悟空_·2025-02-17 14:25

【第15章：量子深度学习与未来趋势—15.1 量子计算基础与量子机器学习的发展背景】

这场算力革命，正在改写深度学习的游戏规则。

再见孙悟空_·2025-02-17 14:24

Python 循环神经网络（RNN）算法详解与应用案例

目录Python循环神经网络（RNN）算法详解与应用案例引言一、RNN的基本原理1.1RNN的结构1.2RNN的优势与挑战二、Python中RNN的面向对象实现2.1`RNNCell`类的实现2.2`RNNModel

闲人编程·2025-02-17 13:48

基于深度学习YOLOv10的PCB板缺陷检测系统（附完整资源+PySide6界面+训练代码）

随着深度学习技术的不断发展，基于深度学习的自动化缺陷检测已成为研究的热点，尤其是在计算机视觉领域。

人工智能_SYBH·2025-02-17 13:47

DeepSeek 混合专家（MoE）架构技术原理剖析

在这个团队里，每个专家都是一个小型神经网络，各自擅长处理特定

计算机学长·2025-02-17 13:15

【深度解析】ICLR：人工智能领域的顶级学术会议 | 顶会与SCI期刊的区别全攻略

人工智能领域的顶级学术会议|顶会与SCI期刊的区别全攻略简介在人工智能和机器学习领域，ICLR（InternationalConferenceonLearningRepresentations）被誉为“深度学习的顶级会议

X_taiyang18·2025-02-17 13:44

使用多模态大语言模型进行深度学习的图像、文本和语音数据增强

在过去的五年里，研究方向已从传统的机器学习（ML）和深度学习（DL）方法转向利用大语言模型（LLMs），包括多模态方法，用于数据增强，以提高泛化能力，并在训练深度卷积神经网络时防止过拟合。

数行天下·2025-02-17 12:42

《深入浅出LLM基础篇》（三）：大模型结构分类

GoAI·2025-02-17 12:39

深入理解TensorFlow中的形状处理函数

摘要在深度学习模型的构建过程中，张量（Tensor）的形状管理是一项至关重要的任务。特别是在使用TensorFlow等框架时，确保张量的形状符合预期是保证模型正确运行的基础。

SEVEN-YEARS·2025-02-17 12:08

数字内容体验未来趋势：五大平台横向对比与深度解析

首先，AI驱动不仅改变了内容分发的效率，更通过深度学习算法实现用户行

清风徐徐de来·2025-02-17 11:04

DeepSeek底层揭秘——多头潜在注意力MLA

9命怪猫·2025-02-17 11:33

全面解析：AI大模型入门教程，让你的学习之路不再迷茫，这个大模型学习路线非常详细收藏这篇就够了！

基础知识大模型概述定义：AI大模型是一种拥有海量参数和强大计算能力的神经网络模型，能够处理复杂的数据和任务。应用：广泛应用于自然语言处理、图像识别、生成等领域。学习大模型的意义提升技术能力：掌握大模

AGI大模型老王·2025-02-17 11:03

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

深度学习在蛋白质-蛋白质相互作用（PPI）领域的研究进展（2022-2025）

一、蛋白质-蛋白质相互作用（PPI）的定义与生物学意义蛋白质-蛋白质相互作用（Protein-ProteinInteraction,PPI）是指两个或多个蛋白质通过物理结合形成复合物，进而调控细胞信号传导、代谢、免疫应答等生命活动的过程。PPI是生物体内复杂功能网络的核心，例如酶与底物的结合、抗体与抗原的识别、受体与配体的信号传递等均依赖于此。据估计，人类蛋白质组中约80%的功能通过PPI实现，其

AndrewHZ·2025-02-17 10:23

DeepSeek 引领的 AI 范式转变与存储架构的演进

引言在过去的几十年中，人工智能（AI）技术经历了翻天覆地的变化，从最初的符号主义到连接主义，再到现在的深度学习，每一次技术革新都推动了AI能力的显著提升。

星辰@Sea·2025-02-17 10:51

第N11周：seq2seq翻译实战-Pytorch复现

.文件读取函数二、Seq2Seq模型1.编码器（encoder）2.解码器（decoder）三、训练1.数据预处理2.训练函数3.评估四、评估与训练1.Loss图2.可视化注意力五、总结本文为365天深度学习训练营中的学习记录博客原作者

计算机真好丸·2025-02-17 07:57

第N5周：Pytorch文本分类入门

文章目录一、前期准备1.环境安装2.加载数据3.构建词典4.生成数据批次和迭代器二、准备模型1.定义模型2.定义实例三、训练模型1.拆分数据集并运行模型2.使用测试数据集评估模型本文为365天深度学习训练营中的学习记录博客原作者

计算机真好丸·2025-02-17 07:57

第TR5周：Transformer实战：文本分类

生成数据批次和迭代器2.3构建数据集3.模型构建3.1定义位置编码函数3.2定义Transformer模型3.3初始化模型3.4定义训练函数3.5定义评估函数4.训练模型4.1模型训练5.总结：本文为365天深度学习训练营中的学习记录博客原作者

计算机真好丸·2025-02-17 07:56

大数据知识图谱之深度学习——基于BERT+LSTM+CRF深度学习识别模型医疗知识图谱问答可视化系统_bert+lstm

文章目录大数据知识图谱之深度学习——基于BERT+LSTM+CRF深度学习识别模型医疗知识图谱问答可视化系统一、项目概述二、系统实现基本流程三、项目工具所用的版本号四、所需要软件的安装和使用五、开发技术简介

2301_76348014·2025-02-17 06:49

DeepSeek进阶开发与应用1：DeepSeek框架概述与基础应用

引言在当今的人工智能领域，深度学习技术已经成为了推动技术进步的核心动力之一。

Evaporator Core·2025-02-17 06:47

神经网络常见激活函数 12-Swish函数

Swish函数+导函数Swish函数Swish(x)=x⋅σ(βx)=x1+e−βx\begin{aligned}\rmSwish(x)&=x\cdot\sigma(\betax)\\&=\frac{x}{1+e^{-\betax}}\end{aligned}Swish(x)=x⋅σ(βx)=1+e−βxxSwish函数导数ddxSwish=(x⋅σ(βx))′=σ(βx)+x⋅(σ(βx))′∵

亲持红叶·2025-02-17 05:37

DeepSeek+WPS/Office手把手教你玩转智能办公

对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。

herosunly·2025-02-17 05:07

使用Python实现深度学习模型：知识蒸馏与模型压缩

在深度学习领域，模型的大小和计算复杂度常常是一个挑战。

Echo_Wish·2025-02-17 04:34

深度学习框架探秘｜TensorFlow vs PyTorch：AI 框架的巅峰对决

在深度学习框架中，TensorFlow和PyTorch无疑是两大明星框架。前面两篇文章我们分别介绍了TensorFlow（点击查看）和PyTorch（点击查看）。

紫雾凌寒·2025-02-17 04:34

软件工程：构建数字世界的基石

三、软件工程面临的挑战及其应对策略1.需求变更：2.技术迭代迅速3.安全性问题四、未来趋势五，实例总结前言在这个数字化时代，软件无处不在，从手机上的各种应用到企业级的复杂系统，它们构成了现代社会运行的神经系统

JKER97·2025-02-17 01:07

【Stable Diffusion部署至GNU/Linux】安装流程

显卡与计算架构介绍CUDA是NVIDIAGPU的专用并行计算架构技术层级说明CUDAToolkit提供GPU编译器(nvcc)、数学库(cuBLAS)等开发工具cuDNN深度神经网络加速库（需单独下载）

星星点点洲·2025-02-17 00:34

《深入浅出多模态》（五）：多模态经典模型ALBEF

GoAI·2025-02-17 00:02

轻量级的注意力网络（LANMSFF）模型详解及代码复现

定义与特点在深度学习领域，轻量化网络设计已成为一个重要的研究方向。LANMSFF模型作为一种新型的轻量级网络架构，在保持高性能的同时，显著降低了模型的复杂度。

清风AI·2025-02-17 00:02

TPAMI 2024 | SSR-2D: 从2D图像进行语义3D场景重建

图像进行语义3D场景重建作者：JunwenHuang,AlexeyArtemov,YujinChen,ShuaifengZhi,KaiXu,andMatthiasNießner论文创新点首次提出了一种基于深度学习的方法

小白学视觉·2025-02-16 23:54

spiking neural network概念学习

今天，我们有相当成熟的神经形态传感器，来记录环境实时的动态改变。这些动态感官数据可以与SNNs的时间处理能力相结合，以实现超低能耗的计算。

Zaгathustra·2025-02-16 21:45

深度学习（1)-简单神经网络示例

我们来看一个神经网络的具体实例：使用Python的Keras库来学习手写数字分类。在这个例子中，我们要解决的问题是，将手写数字的灰度图像（28像素×28像素）划分到10个类别中（从0到9）。

yyc_audio·2025-02-16 21:41

理论一、大模型—概念

随着深度学习技术的发展，研究人员和企业越来越倾向于构建更大的模型，以提高模型的性能和泛化能力。这些大模型往往需要大量的数据和计算资源来训练，并且在实际应用中通常表现出色。

伯牙碎琴·2025-02-16 20:31

人工智能的本质解构：从二进制桎梏到造物主悖论

即使深度神经网络看似模拟人脑突触，其本质仍是矩阵乘法的迭代游戏——波士顿动力机器人的空翻动作不过是微分方程求解的物理引擎呈现，AlphaGo的围棋神话只是蒙特卡洛树搜索的概率统计。

Somnolence.·.·.·.·2025-02-16 18:18

YOLOv11 火焰识别：智能时代的火灾预警新利器

从最初的传统算法到如今的深度学习模型，图像识别在准确性和效率上提升令人惊叹。而在这场技术革命中，YOLO（YouOnlyLookOnce）系列模型无疑扮演举足轻重的角色。

星际编程喵·2025-02-16 18:48

【AI中的数学-人工智能的数学基石】AI的心脏：探索人工智能的算法与核心技术

从基础的机器学习算法到先进的深度学习模型，AI的算法生态系统丰富多样，涵盖了广泛的数学原理和计算方法。本节将深入探讨驱动AI进步的关键算法与技术，揭示其工作机制及在实际应用中的重要性。

云博士的AI课堂·2025-02-16 18:46

文本生成型人工智能：逻辑算法与文字组合的重构艺术

一、数据训练：从概率统计到仿生逻辑的跨越文本生成型AI的核心在于通过神经网络模型对语言

Somnolence.·.·.·.·2025-02-16 17:13

预测股票走势的ai模型

AI股票走势预测模型用深度学习+时间序列分析来构建一个股票预测AI，基于历史数据预测未来走势。

roxxo·2025-02-16 17:10

麒麟SoC的详细架构组成介绍

目录麒麟SoC的主要组成部分1.应用处理器（ApplicationProcessor,AP）2.图形处理单元（GPU）3.神经网络处理单元（NPU）4.图像信号处理器（ISP）5.调制解调器（Modem

小蘑菇二号·2025-02-16 16:33

推荐频道

深度学习神经