百度飞桨深度学习笔记

【学习笔记】动手学深度学习1

动手学深度学习笔记1关于本书数字：标量可以看作0维张量向量可以看作1维张量矩阵可以看作2维张量张量可以看作一个多维数组关于本书函数和运算符指示函数是定义在某集合X上的函数，表示其中有哪些元素属于子集A。
华慕·2023-03-22 07:02

深度学习笔记12_卷积神经网络

卷积神经网络Keras中的卷积神经网络的搭建主要利用keras中的两个函数进行构建：Conv2Dfilters:Integer,thedimensionalityoftheoutputspace(i.e.thenumberofoutputfiltersintheconvolution).kernel_size:Anintegerortuple/listof2integers,specifyingt
瓦力人工智能·2023-03-22 07:27

深度学习笔记——Solver超参数配置文件

Øcaffe提供了六种优化算法来求解最优参数，在solver配置文件中，通过设置type类型来选择。StochasticGradientDescent(type:"SGD"),#梯度下降AdaDelta(type:"AdaDelta"),#自适应学习率AdaptiveGradient(type:"AdaGrad"),#自适应梯度下降Adam(type:"Adam"),#本质上是带有动量项的RMSp
三度就好·2023-03-21 07:06

复旦大学教授肖仰华：ChatGPT 浪潮下，面向大模型如何做数据治理？

2月26日，由CSDN、《新程序员》、上海市人工智能行业协会主办，百度飞桨、达观数据、智源人工智能研究院协办的全球人工智能开发者先锋大会（GAIDC）“新程序员：人工智
AI科技大本营·2023-03-18 13:16

【连载】深度学习笔记10：三维卷积、池化与全连接

在上一讲中，我们对卷积神经网络中的卷积操作进行了详细的解读，但仅仅是对二维图像，即通道数为1的图像（灰度图）进行了卷积，对于三维或者更高维的图像卷积显然并没有这么简单。如果图像大小为6*6*3，那么这里的3指的是三个颜色通道，你可以将其理解为3个6*6的图像的堆叠，如果要对此图像进行卷积的话，我们的滤波器也需要变成三维的，假设采用一个3*3*3的滤波器对其进行卷积（这里需要注意的是，滤波器的通道数
linux那些事·2023-03-16 02:32

如何使用部署PaddleSeg模型库中的DeepLabV3+模型？

01概述本文是OpenVINO™工具套件与百度飞桨PaddlePaddle模型转换/部署系列的第二部。
英特尔开发者专区·2023-03-14 13:21

李宏毅深度学习笔记1 - 深度学习入门

在谈到深度学习之前，我们都会提机器学习，因为深度学习是机器学习的一个分支。那么什么时机器学习呢？简单来说机器学习是一种算法，是一种通过数据来解决问题的方法。解决什么问题？最常用的有两类问题：分类：通过病人的病理报告等数据判断是否患病回归：通过历史交易数据判断期货行情走势机器学习和深度学习都是通过大量的（历史）数据来寻找一个模型，或者叫函数，或者映射也可以，他可以完成从问题到答案的推理过程。而判断这
木头里有虫911·2023-03-13 17:04

深度学习必备知识——模型数据集Yolo与Voc格式文件相互转化

在深度学习中，第一步要做的往往就是处理数据集,尤其是学习百度飞桨PaddlePaddle的小伙伴，数据集经常要用Voc格式的，比如性能突出的ppyolo等模型。所以学会数据集转化的本领是十分必要的。
爱睡觉的咋·2023-03-11 07:04

动转静两大升级！一键转静成功率领先，重点模型训练提速18%+

百度飞桨采用动静统一的技术架构设计，提供了动转静（@to_static）模块功能，支持用户动态图编程，并可一键切换静态图训练和部署。2022年11月，飞桨框架2.4版
飞桨PaddlePaddle·2023-03-09 22:29

动转静两大升级！一键转静成功率领先，重点模型训练提速18%+

百度飞桨采用动静统一的技术架构设计，提供了动转静（@to_static）模块功能，支持用户动态图编程，并可一键切换静态图训练和部署。2022年11月，飞桨框架2.4版本(
飞桨PaddlePaddle·2023-03-09 22:29

嘉楠科技加入硬件生态共创计划，共同打造一站式AI解决方案

近日，嘉楠科技与百度飞桨签署硬件生态共创计划合作协议，正式加入由飞桨发起的硬件生态共创计划。当前双方的合作主要基于嘉楠科技勘智系列AI芯片产品。
飞桨PaddlePaddle·2023-03-09 22:59

AI for Science系列（二）：国内首个基于AI框架的CFD工具组件！赛桨v1.0 Beta API介绍以及典型案例分享！

百度飞桨科学计算工具组件赛桨PaddleScience是国内首个公开且可应用于CFD（ComputationalFluidDynamics，计算流体力学）领域的工具，提供端到端应用API，致力于解决科学计算类任务
飞桨PaddlePaddle·2023-03-09 22:58

从深度学习框架到开发工具，百度飞桨携最新成绩单将亮相GTC

NVIDIAGTC将于2023年3月20日-23日在线上举行，包括超过650场演讲、专家座谈会以及特别活动，涵盖加速计算和开发工具、计算机视觉、对话式AI/NLP、数据科学、深度学习、数字孪生和世界仿真、图形和XR、高性能计算、推荐系统/个性化等多个主题。全球范围的技术专家、开发者、研究人员、创作者、IT决策者和企业领袖将汇聚于此，了解AI、加速计算及其他领域的突破性进展，以及如何利用这些技术力量
飞桨PaddlePaddle·2023-03-09 22:27

AI for Science系列（一） ：飞桨加速CFD（计算流体力学）原理与实践

AI+Science专栏由百度飞桨科学计算团队出品，给大家带来在AI+科学计算领域中的一系列技术分享，欢迎大家关注和积极讨论，也希望志同道合的小伙伴加入飞桨社区，互相学习，一起探索前沿未知。
飞桨PaddlePaddle·2023-03-09 16:28

pp-human在rk3588上部署

手把手教你百度飞桨PP-YOLOE部署到瑞芯微RK3588_pp飞桨怎么安装_布衣神棍的博客-CSDN博客手把手教你百度飞桨PP-YOLOE部署到瑞芯微RK3588https://blog.csdn.net
Kun Li·2023-03-08 22:50

李沐的深度学习笔记来了！

Datawhale干货来源：机器之心，编辑：张倩markdown笔记与原课程视频一一对应，Jupyter代码均有详细中文注释，这份学习笔记值得收藏。去年年初，机器之心知识站上线了亚马逊资深首席科学家李沐博士的「动手学深度学习」中文系列课程。这门课从3月持续到8月，超过28000人参与了直播，课程回放在B站的播放量达到了上百万次。这门课程基于李沐等人编写的《动手学深度学习》第二版。《动手学深度学习》
Datawhale·2023-03-08 21:01

深度学习笔记 第四门课 卷积神经网络 第三周 目标检测

本文是吴恩达老师的深度学习课程[1]笔记部分。作者：黄海广[2]主要编写人员：黄海广、林兴木（第四所有底稿，第五课第一二周，第三周前三节）、祝彦森:（第三课所有底稿）、贺志尧（第五课第三周底稿）、王翔、胡瀚文、余笑、郑浩、李怀松、朱越鹏、陈伟贺、曹越、路皓翔、邱牧宸、唐天泽、张浩、陈志豪、游忍、泽霖、沈伟臣、贾红顺、时超、陈哲、赵一帆、胡潇杨、段希、于冲、张鑫倩参与编辑人员：黄海广、陈康凯、石晴路
湾区人工智能·2023-03-08 21:30

深度学习笔记9 mobilenet v1：轻量级神经网络1

自从AlexNet在2012年赢得ImageNet大赛的冠军一来，卷积神经网络就在计算机视觉领域变得越来越流行，一个主要趋势就是为了提高准确率就要做更深和更复杂的网络模型，然而这样的模型在规模和速度方面显得捉襟见肘，在许多真实场景，比如机器人、自动驾驶、增强现实等识别任务及时地在一个计算力有限的平台上完成，这是我们的大模型的局限性所在。目前针对这一问题的研究主要是从两个方面来进行的：一是对复杂模型
(●—●)_(●—●)·2023-02-27 19:07

百度飞桨架构师手把手带你零基础实践深度学习——计算机视觉概述

百度飞桨架构师手把手带你零基础实践深度学习——打卡计划计算机视觉概述计算机视觉的发展历程下面给出课程链接，欢迎各位小伙来来报考！本帖将持续更新。我只是飞桨的搬运工话不多说，这么良心的课程赶快扫码上车！
only one °·2023-02-26 07:48

HALCON 20.11：深度学习笔记(12)---语义分割

HALCON20.11：深度学习笔记(12)---语义分割HALCON20.11.0.0中，实现了深度学习方法。本章解释了如何使用基于深度学习的语义分割，包括训练和推理阶段。
机器视觉001·2023-02-26 07:03

GitHub 首个开源图像识别系统又在搞事情！

今天必须推荐一个由百度飞桨开源的项目-PaddleClas，该Repo提供了全球首个完整开源通用图像识别系统。
唐 城·2023-02-24 19:33

打造江西数智产业高地，百度飞桨人工智能产业赋能中心落户南昌青山湖

2月23日，百度飞桨（江西）人工智能产业赋能中心在南昌市和青山湖区政府的支持下正式开业。
·2023-02-24 11:56

BERT - PyTorch

动手学深度学习笔记一、BERT1.BERT：把两个结合起来2.BERT的输入表示3.编码器4.预训练任务掩蔽语言模型下一句预测5.整合代码二、用于预训练BERT的数据集1.下载并读取数据集2.生成下一句预测任务的数据
葫芦娃啊啊啊啊·2023-02-23 21:26

AI for Science系列（一） ：飞桨加速CFD（计算流体力学）原理与实践

AIforScience专栏由百度飞桨科学计算团队出品，给大家带来在AI+科学计算领域中的一系列技术分享，欢迎大家关注和积极讨论，也希望志同道合的小伙伴加入飞桨社区，互相学习，一起探索前沿未知。
·2023-02-22 11:23

AI for Science系列（一） ：飞桨加速CFD（计算流体力学）原理与实践

AIforScience专栏由百度飞桨科学计算团队出品，给大家带来在AI+科学计算领域中的一系列技术分享，欢迎大家关注和积极讨论，也希望志同道合的小伙伴加入飞桨社区，互相学习，一起探索前沿未知。
·2023-02-22 11:18

AI for Science系列（二）：基于AI框架的CFD工具组件！赛桨v1.0 Beta API介绍以及典型案例分享！

百度飞桨科学计算工具组件赛桨PaddleScience是国内首个公开且可应用于CFD（ComputationalFluidDynamics，计算流体力学）领域的工具，提供端到端应用API，致力于解决科学计算类任务
·2023-02-22 11:17

吴恩达深度学习笔记(15-21)总结-浅层神经网络总结

恩达老师的这一周的浅层神经网络总结，还是简单的架构说明，但是还是要仔细读哦！架构分为四部分：神经网络表示计算神经网络输出激活函数神经网络的梯度下降第一和第二部分：神经网络表示和计算神经网络输出部分，由于本部分讲的是浅层的网络输出，所以就是只有一个隐藏层的神经网络，你也可以理解成一个两层的神经网络，因为输入层并不能算为一层神经网络结构。另外就是神经网络的输出部分了，首先你要理解单个神经元的内部是如何
极客Array·2023-02-17 08:11

想聊天？自己搭建个聊天机器人吧！

本系列由百度多位资深工程师精心打造，提供了从词向量、预训练语言模型，到信息抽取、情感分析、文本问答、结构化数据问答、文本翻译、机器同传、对话系统等实践项目的全流程讲解，旨在帮助开发者更全面清晰地掌握百度飞桨框架在
飞桨PaddlePaddle·2023-02-16 23:03

动手深度学习笔记（四十三）7.7. 稠密连接网络（DenseNet）

动手深度学习笔记（四十三）7.7.稠密连接网络（DenseNet）7.7.稠密连接网络（DenseNet）7.7.稠密连接网络（DenseNet）ResNet极大地改变了如何参数化深层网络中函数的观点。
落花逐流水·2023-02-07 07:45

动手深度学习笔记（四十二）7.6. 残差网络（ResNet）

动手深度学习笔记（四十二）7.6.残差网络（ResNet）7.6.残差网络（ResNet）7.6.1.函数类7.6.2.残差块7.6.3.ResNet模型7.6.4.训练模型7.6.5.小结7.6.6.
落花逐流水·2023-02-07 07:14

百度开源深度学习平台飞桨的核心技术及应用

来自百度飞桨的资深研发工程师蓝翔老师在大会上为大家系统地介绍了源于产业实践的开源深度学习平台——飞桨，包括飞桨的核心技术，在各行各业中的广泛应用，以及飞桨在生态建设
DataFunTalk·2023-02-06 20:01

神经网络与深度学习笔记（一）梯度下降算法

1、定义一个代价函数w表示所有的网络中权重的集合n是训练输入数据的个数a是表示当输入为x时输出的向量求和则是在总的训练输入x上进行的C称为二次代价函数;有时也称被称为均方误差或者MSE2、C我们训练神经网络的目的是找到能最小化二次代价函数C(w,b)的权重和偏置假设我们要最小化某些函数，C(v)。它可以是任意的多元实值函数，v=v1,v2,…。注意我们用v代替了w和b以强调它可能是任意的函数——我
dsjdjsa·2023-02-06 17:35

【深度学习笔记】实例分割数据集标定Labelme软件安装+使用

一、安装AnacondaAnaconda下载Windows版：https://www.anaconda.com/products/individual二、创建虚拟环境安装好Anaconda后，打开Anaconda命令行（1）运行创建虚拟环境指令，环境名称可自定condacreate-nmypytorchpython=3.8（2）激活mypytorch环境condaactivatemypytorch
aalekvar·2023-02-06 16:16

百度飞桨 PaddlePaddle 在Windows 下的 Conda 安装

本文有参考在飞桨的官方网站和官方文档，官方文档内有更加全面的说明本文仅为作者安装过程的一个流程，供大家参考。飞桨AIStudio飞桨PaddlePaddle飞桨文档1.首先在Anaconda中创建配置PaddlePaddle的虚拟环境condacreate-npaddle_envpython=YOUR_PY_VER2.进入刚才所创建的虚拟环境activatepaddle_env3.检查刚才安装的p
努力向前的JF（s1hjf）·2023-02-04 08:50

深度学习入门--基于Python的理论与实现

深度学习笔记（一）第1章Python入门NumPy是用于数值计算的库，提供了很多高级的数学算法和便利的数组（矩阵）操作方法。Matplotlib是用来画图的库。
Tiramisu66·2023-02-03 18:01

深度学习笔记

深度学习笔记前言学习内容什么是深度学习？
枫楠Kuiy·2023-02-03 13:44

深度学习知识点笔记汇总

总共整理出16篇神经网络笔记和10篇卷积神经网络笔记，现总结如下：1.神经网络（NeuralNetwork）深度学习笔记（一）——计算梯度[ComputeGradient]深度学习笔
zeeq_·2023-02-03 13:44

2021年李宏毅机器/深度学习笔记持续更新中......

https://gitee.com/codingWang1/machineLearning/tree/master/https://github.com/wangyu-debug/-欢迎交流指正
9377_·2023-02-03 13:43

深度学习笔记（三十六）1x1卷积（网络中的网络）及谷歌Inception网络

提到1x1卷积，能想到什么？我能想到的就是把图像中每个像素点乘以某个倍数，这除了调整图像亮度什么的有用，还能有什么用处呢？带着疑惑我们来学习网络中的网络及1x1卷积。学习了1x1卷积后，我们开始接触谷歌Inception网络结果，通过1x1卷积的方式大幅度降低运算量。一、1x1卷积（网络中的网络）放在二维图像中，1x1卷积确实是这么个用处。而放在三维图像中，会显得非常实用。最终的结果是：高和宽的维
Mr.zwX·2023-02-03 08:33

深度学习笔记(十一):各种特征金字塔合集

文章目录FPNPANBiFPNFPN#Modification2020RangiLyu#Copyright2018-2019Open-MMLab.#LicensedundertheApacheLicense,Version2.0(the"License");#youmaynotusethisfileexceptincompliancewiththeLicense.#Youmayobtainacop
ZZY_dl·2023-02-03 08:01

机器学习：BATCH和BUF

文章目录1.BATCH2.BUF3.实例最近在借助百度飞桨平台学习机器学习的代码的时候，发现很多基础知识都不会，特此记录一下。
WFForstar·2023-02-02 08:23

深度学习笔记 —— 物体检测和数据集 + 锚框

任务：识别我们所有感兴趣的物体，同时将每个物体的位置找出来importtorchfromd2limporttorchasd2limportmatplotlib.pyplotaspltd2l.set_figsize()img=d2l.plt.imread('./img/catdog.jpg')d2l.plt.imshow(img)plt.show()#定义在这两种表示之间进行转换的函数defbox_
Whisper_yl·2023-02-02 08:45

深度学习笔记----数据增强

在5.6节（深度卷积神经网络）里我们提到过，大规模数据集是成功应用深度神经网络的前提。图像增广（imageaugmentation）技术通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模。图像增广的另一种解释是，随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的泛化能力。例如，我们可以对图像进行不同方式的裁剪，使感兴趣的物体出现在不同位置，从而减轻模型
Agetha·2023-02-02 08:44

深度学习笔记（3）-pytorch模型训练流程&实现小GPU显存跑大Batchsize

近期在进行pytorch模型的训练，对pytorch的流程进行一次简单梳理作为笔记。此外，由于GPU显存有限，数据的Batchsize一般只能到2，而相关资料显示较大的Batchsize有利于提高模型训练效果，经查阅资料，找到通过梯度累加的方式来等效增大Batchsize。一、pytorch模型训练流程在用pytorch训练模型时，通常会在遍历epochs的过程中依次用到optimizer.zer
高不胖·2023-02-02 07:48

动手学深度学习笔记（二）

从零开始写多层感知机多层感知机本节中，我们将以多层感知机（multilayerperceptron，简称MLP）为例，介绍多层神经网络的概念。importsyssys.path.insert(0,'..')importgluonbookasgbbatch_size=256train_data,test_data=gb.load_data_fashion_mnist(batch_size)隐藏层多层
文武_665b·2023-02-02 04:36

深度学习笔记（十四）—— 超参数优化[Hyperparameter Optimization]

  这是深度学习笔记第十四篇，完整的笔记目录可以点击这里查看。    训练神经网络会涉及到许多超参数设置。
zeeq_·2023-02-01 20:47

李宏毅深度学习笔记（各种优化方法）

主要思路有两种：固定学习率和动态变化学习率固定学习率：代表算法SGD,SGDM（SGDwithMomentum）动量梯度下降法SGD最大的缺点是下降速度慢，而且可能会在沟壑的两边持续震荡，停留在一个局部最优点。为了抑制SGD的震荡，SGDM认为梯度下降过程可以加入惯性。下坡的时候，如果发现是陡坡，那就利用惯性跑的快一些。SGDM全称是SGDwithmomentum，在SGD基础上引入了一阶动量mt
在水一方_果爸·2023-02-01 20:09

深度学习笔记（MNIST手写识别）

先看了点花书，后来觉得有点枯燥去看了b站up主六二大人的pytorch深度学习实践的课，对深度学习的理解更深刻一点，顺便做点笔记，记录一些我认为重要的东西，便于以后查阅。一、机器学习基础学习的定义：对于某类任务T核性能度量P，一个程序被认为可以从经验E中学习是指，通过E改进后，在任务T上由P衡量的性能有所提升。常见学习任务一、分类二、输入缺失分类三、回归四、转录无监督学习和监督学习1）无监督学习设
烟火青年_Yan·2023-02-01 20:35

深度学习笔记---三层神经网络的推理过程实现（前向处理）

#1.三层神经网络推理过程示意图上图从左到右依次是输入层、隐藏层1、隐藏层2和输出层。由于有权重的只有三层，故称之为三层神经网络。x1,x2表示整个神经网络的输入信号，y1,y2表示整个神经网络的输出信号。内含1的神经元以及bij标识是为了表示偏置，bij表示第i层偏置的第j个元素。比较大的神经元中aij表示它的输入信号，zij表示它的输出信号。图中的直线均表示从左到右的箭头，各层权重的具体数据没
武松111·2023-02-01 17:14

【深度学习笔记（五）】之卷积神经网络组成介绍

本文章由公号【开发小鸽】发布！欢迎关注！！！老规矩–妹妹镇楼：一.卷积神经网络（CNN）（一）结构组成经典的神经网络我们之间已经讲过了，现在我们要讲的是卷积神经网络。神经网络的结构是：输入层+隐藏层+激活函数+输出层卷积神经网络的组成：输入层+卷积层+激活函数+池化层+全连接层INPUT+CONV+RELU+POOL+FC（二）卷积层：所谓的卷积类似于图像空间域处理的卷积操作，设置一个小区域的滤波
开发小鸽·2023-02-01 13:12
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他