百度飞桨深度学习笔记

【学习资源汇总】

学习资源汇总机器学习双目视觉模型部署工具安装和使用MTMCT工作学习感悟篇机器学习吴恩达深度学习笔记最全最详细！这一篇足够了！
XTX_AI·2022-12-23 13:59

深度学习笔记

人工神经元人工神经元人类神经元中抽象出来的数学模型输入求和(权重乘标签)Function输出(0/1是否激活)第一个人工神经网络Perceptron(感知机)输出是否激活感知机的致命缺点无法解决异或问题多层感知机单层神经网络基础上引入一个或多个隐藏层，使神经网络有多个网络层，因而得名多层感知机。多层感知机的层数往往是看有多少层有权重多层感知机的前向传播多层感知机的激活函数（没有激活函数多层将会退化
Summerke123·2022-12-23 12:17

《李宏毅机器学习特训营》免费开放！直播教学！

李宏毅老师官方授权百度飞桨最新系列课程，在飞桨WAVESUMMIT峰会期间，老师也对开发者送上了祝福????????????点击边框调出视频工具条课程上线后，好评如潮。但是，通过上
PaperWeekly·2022-12-23 01:23

深度学习笔记-遥感影像转为tensor前的检查及线性拉伸

@TOC前言-为什么要做线性拉伸近期在开展语义分割任务，用到的数据是经过SNAP预处理的Sentinel-1的SAR数据。工作需要将相关的Image和label送入模型，进行目标地物的分割。这里用到的深度学习框架是pytorch，需要将影像数据转换为tensor后送入model。转换为tensor之前，需要对image和label的存储格式进行检查。为什么呢？这里就需要知道transforms.T
高不胖·2022-12-22 13:22

01.深度学习笔记---实践与应用60讲（各领域的应用,CTR,深度学习几大经典模型）

1.1深度学习在各个领域的应用目前较为热门的GAN（生成式对抗网络）1.2CTR任务一、当深度学习遇到CTR预估CTR任务：给定一个商品，给定一个环境，用户购买此商品的概率。应用范围较广。例如有如下场景。比如：输入一部电影，预测会打几分（右边的1，2，3，4，5代表预测分值）蓝色框：用户橙色框：电影黄色框：用户过去看过那些电影，大国那些分数绿色框：时间酒红框：相关特征CTR任务特点：大量离散特征大
柒夏码农之路·2022-12-22 08:09

深度学习笔记在线版发布!

吴恩达老师的深度学习课程（deeplearning.ai），可以说是深度学习入门的最热门课程，我和志愿者编写了这门课的笔记，并在github开源，为满足手机阅读的需要，我将笔记做成了在线版，可以在手机上打开公众号收藏就能学习。（黄海广）课程说明课程地址：https://www.deeplearning.ai国内由网易云课堂进行了翻译，并免费提供给广大爱好者：https://mooc.study.1
生信宝典·2022-12-22 08:31

PaddleOCR安装并用GPU训练自己的数据

训练自己的数据1.安装Anconda安装参考链接：https://blog.csdn.net/fan18317517352/article/details/1230356252.安装paddlepaddle打开百度飞桨官网点击查看全部安装步骤进行环境安装
二汪·2022-12-21 21:18

深度学习笔记（5）

一、卷积神经网络基础二维卷积层常用于处理图像数据二维互相关运算二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位置的元素。图1展示了一
-断言-·2022-12-21 01:09

1024程序员节——简单AI音色克隆

学生的第一个1024程序员节，简单记录基于百度飞桨平台训练的AI模型，克隆动漫人物音色其实这一路走来，很曲折，很坎坷，在校期间因为一些事务，先后学习过python、C语言、html、css、js、java
烟火向星辰，所愿皆成真·2022-12-20 12:18

分享15个全球顶尖的AIGC图片生成平台

文章目录1、百度飞桨2、天工巧绘SkyPa
miukoo·2022-12-20 12:04

如何用 Python 和决策树预测广告点击行为？（云环境视频教程）

实践的环境，是百度飞桨AIStudio。翟羽佳老师率
nkwshuyi·2022-12-20 09:51

深度学习笔记（一）——循环神经网络&NLP

1.1线性回归a.为追求更快的速度应该使用矢量计算来提高运算速率；b.`labels+=torch.tensor(np.random.normal(0,0.01,size=lables.size()),dtype=torch.float32)`#加上偏差的原因：计算所得的label值无法与真实数据完全相等c.random.shuffle对数据集进行打乱（想到了shuffleNet）d.全连接层按照
Jeremy Cui·2022-12-20 09:42

【深度学习笔记（十一）】之VGG13模型tensorflow2代码复现（附详细注释）

本文章由公号【开发小鸽】发布！欢迎关注！！！老规矩–妹妹镇楼：一．VGG模型前面已经介绍过了VGG网络模型，一共13层，这里说的13层指的是10层卷积层和3层全连接层，并没有包括池化层。下面代码详细地将VGG的13层网络模型复现，并用CIFAR100数据集进行训练，测试。代码中附有详细的注释，从数据的预处理，到训练，再到测试。二．代码实现importtensorflowastffromtensor
开发小鸽·2022-12-20 08:52

[深度学习笔记(3)]模型保存与加载

本系列是博主刚开始接触深度学习时写的一些笔记，写的很早了一直没有上传，趁着假期上传一下，作为分享，希望能帮助到你。目录一、模型保存二、模型加载1.加载模型2.加载模型参数总结一、模型保存保存模型/模型参数。torch.save(obj,f,pickle_module=,pickle_protocol=2)其中，obj是需要保存的对象，f是类文件对象或一个保存文件名的字符串，pickle_modul
阿飞没有花福蝶·2022-12-20 05:14

深度学习笔记（八）——pytorch数据处理工具箱（二）

数据处理工具箱torchvision简介transforms对PILImage的常见操作对Tensor的常见操作如下ImageFolder可视化工具tensorboardX简介用tensorboardX可视化神经网络用tensorboardX可视化损失值参考文献torchvision简介torchvision中有4个功能模块：model、datasets、transforms和utils。利用da
小白成长之旅·2022-12-20 04:54

RNN循环神经网络(AI写唐诗)

RNN循环神经网络–潘登同学的深度学习笔记文章目录RNN循环神经网络--潘登同学的深度学习笔记RNNRNN的数学表达式RNN手写数字识别RNN的拼接操作LSTM长短时记忆(LongShortTimeMemory
PD我是你的真爱粉·2022-12-20 03:41

OCR识别——百度飞桨PaddleOCR测试及环境搭建详解

文章目录PaddleOCR概述一、Python环境设置三、代码测试PaddleOCR概述PaddleOCR包含富文本检测、文本识别和端到端算法。结合现实场景和行业经验，PaddleOCR选择DB和CRNN作为基本检测识别模型，经过一系列优化策略，提出了一系列模型，命名为PP-OCR，用于工业应用。PP-OCR模型针对一般场景，形成不同语言的模型库。基于PP-OCR的能力，PaddleOCR发布了文
liu_jie_bin·2022-12-19 20:15

深度学习笔记（二十二）超参数调试处理

一、调试超参数时的重要程度（偏主观）最重要：学习率α\alphaα次重要：动量梯度下降中的β\betaβ、隐藏单元数、Mini-batch数量次次重要：网络层数、学习衰减率不那么重要：Adam算法中的β1、β2、ε\beta_1、\beta_2、\varepsilonβ1、β2、ε一个重要的原则就是不要用网格取值来搜索超参数取值，要尽可能搜索随机取值，特别是在超参数非常多，搜索维度特别大的时候。搜
Mr.zwX·2022-12-19 17:38

【深度学习笔记】torch.unsqueeze()

一、作用主要是对数据维度进行扩充。给指定位置加上维数为1的维度，比如原本有个4行的数据（3），在0的位置加了一维就变成1行4列（1,3）。a.unsqueeze(N)就是在a中指定位置N加上一个维数为1的维度。还有一种形式就是b=torch.unsqueeze(a，N)a就是在a中指定位置N加上一个维数为1的维度。二、例子x=torch.tensor([1,2,3,4])torch.unsquee
月满星沉·2022-12-19 15:40

【week1】深度学习与pytorch基础

week01深度学习与pytorch基础练习深度学习笔记深度学习深度学习概述pytorch的基础练习螺旋数据分类构建线性模型分类构建两层神经网络分类深度学习笔记人工智能的三个层面：计算智能：能存能算计算机具有快速计算和记忆存储的能力感知智能
Coco珂·2022-12-19 10:54

吴恩达深度学习笔记 course2 week3 超参数调试,Batch Norm,和程序框架

1.TuningProcess对超参数的一个调试处理一般而言,在调试超参数的过程中,我们通常将学习率learning_rate看作是最重要的一个超参数,其次是动量梯度下降因子β(一般为0.9),隐藏层单元个数,mini-batchsize,再然后是layers,learningratedecacy.当然,这并不是绝对的.在adam算法中,β1,β2,ε通常取值为0.9,0.999,10-8调试超参
weixin_30872733·2022-12-19 09:57

吴恩达深度学习笔记7-Course2-Week3【超参数调试、Batch 正则化和程序框架】

超参数调试、Batch正则化和程序框架一、超参数调试（hyperparametertuning）推荐的超参数重要性排序：1、学习率(learningrate):α2、隐藏神经单元(hiddenunits);mini-batch的大小(mini-batchsize);β(momentum)3、神经网络层数(layers);学习率衰减率(learningratedecay)4、Adam优化算法的其它超
Wang_Jiankun·2022-12-19 09:53

HALCON 20.11：深度学习笔记(6)---有监督训练

HALCON20.11：深度学习笔记(6)---有监督训练HALCON20.11.0.0中，实现了深度学习方法。不同的DL方法有不同的结果。相应地，它们也使用不同的测量方法来确定网络的“好坏”。
机器视觉001·2022-12-19 07:08

动手深度学习笔记（二十三）4.9. 环境和分布偏移

动手深度学习笔记（二十三）4.9.环境和分布偏移4.多层感知机4.9.环境和分布偏移4.9.1.分布偏移的类型4.9.1.1.协变量偏移4.9.1.2.标签偏移4.9.1.3.概念偏移4.9.2.分布偏移示例
落花逐流水·2022-12-19 04:33

算能加入飞桨硬件生态，加速基于TPU平台的AI部署落地

近日，算能与百度飞桨签署合作协议，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SOPHON系列人工智能芯片BM1684X及AI加速卡SC7等智算硬件产品。
飞桨PaddlePaddle·2022-12-19 03:15

深度学习笔记与Keras实现细节（二）keras实现简单神经网络（Dense层细节）

能实现深度学习模型的包有许多，tensorflow,keras,pytorch,theano等等,自己选择keras是因为刚学习代码时，带我的学长使用的就是keras，我也就学习这个了。keras十分简洁，但正因如此，在其基础上进行改动有些麻烦，以至于中途想换tensorflow了，但发现tensorflow2.0以上就是tensorflow.keras了，几乎和keras一样，至于其到底和ker
flash_zhj·2022-12-18 13:02

【深度学习笔记】Tensorflow中dense（全连接层）各项参数

定义dense(inputs,units,activation=None,use_bias=True,kernel_initializer=None,bias_initializer=tf.zeros_initializer(),kernel_regularizer=None,bias_regularizer=None,activity_regularizer=None,trainable=Tru
月满星沉·2022-12-18 13:30

深度学习笔记------循环神经网络RNN

深度学习笔记------循环神经网络RNN抽象模型马尔可夫性马尔可夫链循环神经网络模型核心共享训练衰减与爆炸结构缺点抽象模型马尔可夫性这是一个概率论的概念，即：P(xt+1∣...,xt−1,xt)=P
yzsorz·2022-12-18 08:24

以贡献飞桨框架API为例，手把手教你从User进阶到Contributor

前段时间百度飞桨组织了飞桨黑客马拉松第三期活动，该活动发布了诸多有趣的开发任务。我参与了基础API方向的开发任务，并新增
百度大脑·2022-12-17 17:38

深度学习笔记

神经网络二分分类单神经网络：输入x，经过单个神经元进行线性运算得到输出y。大的神经网络由多个不同的神经元堆叠而成。喂给神经网络多个x,y的数据，神经网络会自己决定中间的节点是什么。（节点就是中间的小圆圈，神经元）神经元：ReLu函数，修正性单元。修正表示取不小于0的值神经网络的强大之处在于你无需考虑它中间经历怎样的过程，只要输入x,就能得到y。神经网络类型：标准神经网络，卷积神经网络（CNN，主要
BKXjilu·2022-12-17 15:06

深度学习笔记

动手深度学习v2引言机器学习中的关键组件无论什么类型的机器学习，都需要以下组件：学习的数据转换数据的模型目标函数，量化模型的有效性调整模型参数以优化目标函数的算法数据大多时候遵循独立同分布（指随机过程中，任何时刻的取值都为随机变量，这些随机变量服从同一分布，并且互相独立）目标函数通常定义一个目标函数，并希望优化它到最低点。因为越低越好，所以这些函数有时被称为损失函数（lossfunction)优化
evil心安·2022-12-17 15:50

深度学习笔记（十四）数据集及偏差方差

一、应用机器学习是高度迭代的过程决定项目进展速度的重要因素是创建高质量的训练数据集、验证集和测试集二、训练/验证/测试集将数据集划分为三个部分：训练集执行训练算法验证集选择最佳模型测试集无偏评估算法运行情况在小数据的机器学习时代，采用以下两种划分比例：train：70%dev：30%train：60%dev：20%test：20%后者是非常合理的划分在如今大数据时代，数据可能是百万级的，验证集和测
Mr.zwX·2022-12-17 13:19

神经网络与深度学习笔记（五）偏差与方差

文章目录前言什么是高偏差，高方差利用数据集误差判断拟合情况处理方式看模型在训练集上的表现看模型在开发集上的表现后记前言这篇文章的内容主要是偏差与方差的相关解释什么是高偏差，高方差在训练神经网络时，我们需要使用偏差与方差评估模型的准确度。但是，到底什么是高偏差？什么是高方差？我们举个靶心的例子。如果数据点集中于非靶心的地方，就是欠拟合。在这种情况下，模型属于高偏差如果数据点集中于靶心。拟合程度就刚刚
沧夜2021·2022-12-17 13:15

深度学习笔记——算法总结

一、分类问题KNN(距离度量)DT(ID3-信息增益,C4.5-信息增益比,CART-gini指数)RF(bootstrap抽样，CART)Adaboost(样本权值分布，分类器系数)GBDT(CART,残差)ANN(BP,SGD,sigmodorsoftmax)SVM(对偶,kernel)NaiveBayes(Bayes公式)LR(sigmod,SGDorBFGS)EM(隐变量，极大似然估计，E
R3·2022-12-17 11:39

ZFNet 深度学习笔记

1.ZFnet简介理论来源：MatthewD.Zeiler和RobFergus的VisualizingandUnderstandingConvolutionalNetworks论文，主要介绍CNN的每一层的特征学习，并通过可视化进行调整网络，提高精度ZFNet是2013年ImageNet图像分类竞赛冠军ZFNet的网络结构：在AlexNet的基础上进行了修改，将第一层的卷积核变成了7x7，调整步长
♡坚持の到底·2022-12-17 11:33

飞桨VisualDL本地运行问题

最近参加了百度飞桨的基于深度学习的自然语言处理免费AI课程，有一道作业题是要利用飞桨提供的可视化工具VisualDL查看词向量降维效果。由于安全方面的原因，AIStudio中的可视化服务无法使用了。
dumbbellyang·2022-12-17 11:54

AI时代“操作系统”的山之巅，百度飞桨的梦想城

文|曾响铃来源|科技向令说（xiangling0815）百度飞桨的市场份额又双叒涨了。近日，权威数据调研机构IDC公布了2020年下半年深度学习框架平台市场份额报告。
曾响铃·2022-12-17 11:24

不变的初心，百度飞桨开源生态的坚持与坚守

文|曾响铃来源|科技向令说（xiangling0815）三年前，李彦宏撰写《智能革命》一书时，人工智能还是“将来时”。2020年的岁末，当我们回头审视即将过去的一年时，猛然发现人工智能已经在交通、金融、能源、制造等行业应用开来，在我们生活中的大量场景渗透进来。我们惊诧于人工智能的发展速度，站在“新基建”、“十四五”规划等国家战略的时代背景之下，产业智能化大潮的翻涌之中，我们同时也在思考，人工智能技
曾响铃·2022-12-17 11:54

基于百度飞桨PaddlePaddle模型训练的手势识别模型控制音乐播放器

基于百度飞桨paddle模型训练的手势识别模型控制音乐播放器前言一、什么是百度飞桨PaddlePaddle？
袁六加.·2022-12-17 11:52

2021全国人工智能师资培训正式“开课”，百度飞桨助力高校教师提升AI“超能力”...

点击左上方蓝字关注我们随着人工智能在各行各业的加速渗透和落地，AI人才缺口问题亟待解决。与此同时，高校教学仍面临着与工业实践脱节、资源差异大等困难，AI师资培训成为人才培养不可忽视的重要一环。为积极推进校企优势互补，补齐AI师资培养短板。7月3日，由教育部高等学校计算机类专业教学指导委员会和全国高等学校计算机教育研究会共同主办，七所高校承办，清华大学出版社与百度公司协办的「2021全国人工智能师资
飞桨PaddlePaddle·2022-12-17 11:12

加入百度飞桨AI Studio社区，与200万开发者共成长！

iPad免费抽→百度飞桨AIStudio社区-DevPress官方社区社区入口→飞桨AIStudio-人工智能学习与实训社区
百度AI Studio社区·2022-12-17 11:09

百度飞桨部署全流程讲解以及Jetson nano部署实战案例（上）

百度飞桨部署全流程讲解以及Jetsonnano部署实战案例（上）这个是我看了反复看了四五遍BML的培训的部署课程写的一个理解，可能有理解不到位的地方可以看下原B站视频，讲的也很好。
翼达口香糖·2022-12-17 09:07

手把手教你百度飞桨PP-YOLOE部署到瑞芯微RK3588

目录前言一、环境搭建1、Anaconda3安装1.1、下载1.2、安装2、paddle模型导出环境2.1、创建环境2.2、进入环境2.3、paddle安装2.4、PaddleDetection安装2.5、解决相关依赖问题3、paddle转onnx转rknn环境3.1、创建环境3.2、进入环境3.3、RKNN-Toolkit2工具安装3.3、paddle2onnx工具安装3.4、解决相关依赖问题二、
布衣神棍·2022-12-17 09:05

深度学习笔记整理（六）——深度学习的应用

1.物体识别深度学习之前：尺度不变特征变换方法和支持向量机等机器学习方法组合应用；2012年：多伦多大学研究团队提出CNN、ReLU、DropOut的使用，可以自动捕捉到多个方向的边缘和颜色渐变、网纹图案等；2013年：反卷积网络的提出，可以恢复卷积结果，直观确认训练后网络的好坏；2014年：深度神经网络的提出，22层的GoogleNet和19层的VGG。2.物体检测确定图像中物体的位置的方法。分
xyq1212·2022-12-17 07:06

深度学习笔记 —— 微调

通常希望能在很大的数据集上训练好的模型能够帮助提升精度。一部分做特征抽取，一部分做线性分类。核心思想：在源数据集（通常是比较大的数据集）上训练的模型，我们觉得可以把做特征提取那块拿来用。（越底层的特征越为通用）在自己的数据集上训练的时候，使用一个与pre-train一样架构的模型，做除了最后一层的初始化的时候，不再是随机的初始化，而是使用pre-train训练好的weight（可能与最终的结果很像
Whisper_yl·2022-12-17 07:53

百度飞桨-图神经网络7日学习总结

百度飞桨-图神经网络7日学习总结1.图游走模型1.1概述1.2Word2vec模型1.3DeepWalk模型2.图卷积网络与图自注意力网络3.图采样与GraphSage算法3.1采样邻居顶点3.2聚合函数的选取
zhaoteng_sjtu·2022-12-16 16:41

PGL七日打卡营心得

1、介绍2、特色二、本次课程安排Refence三、心得汇总1、简介2、图学习是怎么做的3、比赛经验分享1）、使用ResNet思想构建的ResGAT模型2）、可参考文献3）、其它总结前言这里是记录我参加百度飞桨的深度学习的图神经网络
ACharonA·2022-12-16 16:09

【Python】基于SVD的特征脸（Eigenface）方法

参考资料深度学习笔记系列（二）：特征值，特征向量与SVD奇异值分解新手入门eigenface以及python实现人脸识别算法一：特征脸方法（Eigenface）一、人脸图片图片我选的是耶
霍瑟夫·2022-12-16 10:58

时序数据深度学习笔记——LSTM

一、LSTM长期短期记忆(LSTM)是递归神经网络(RNN)的一个特殊情况。这种类型的神经网络用于处理数据序列，顺序在其中起到重要了作用。RNN和LSTM常用于自然语言处理，因为句子中的单词有一个顺序，改变这个顺序可以完全改变句子的意思，而时间序列中数据顺序也很重要，它们的顺序也是不可改变的。LSTM主用有三个门组成，遗忘门、输入门与输出门，遗忘门决定哪些来自过去和现在的信息必须保留，输入门决定来
HughYue1990·2022-12-16 07:22

【小白学AI】百度PaddleGAN实战--情人节告白

不过不要发愁，有了”百度飞将“(声明这是笔误啊，实为百度飞桨)，这些不过是分分钟就可以搞定的事，一定会让你享受到不一样的甜蜜。今天我们就上手了解并学习一下：PaddleGAN带你过凡尔赛式的
sxaah·2022-12-16 04:46
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他