百度飞桨深度学习笔记

PyTorch深度学习笔记（十）torchvision中的数据集使用

课程学习笔记，课程链接目录一、torchvision二、CIFAR数据集下载数据集数据集的使用transforms的使用目的：如何把数据集和Transforms结合在一起；介绍科研中使用的一些标准数据集和下载、查看、使用方法一、torchvisionPyTorch官网点进torchvisiontorchvision文档列出了很多科研或者毕设常用的一些数据集，如入门数据集MNIST，用于手写文字。这
小于同学饿了·2022-12-16 01:29

深度学习笔记-第一周

概要吴恩达老师的深度学习一共包括五门课第一门课程（神经网络和深度学习）：学习如何建立神经网络，包括一个深度神经网络，以及如何在数据上面训练他们。还将用一个深度神经网络进行辨认猫。四周时间。第二门课程(改善深层神经网络：超参数调试、正则化以及优化)：本门课程将进行深度学习方面的实践，学习严密的构建神经网络。如何真正让他表现良好，因此需要学习超参数调整、正则化、诊断偏差和方差以及一些高级优化算法。三周
蜂鸟up·2022-12-15 14:51

吴恩达--深度学习笔记（2022年课程第二周）

*在tensorflow中训练神经网络的代码：逻辑回归模型：1.指定如何在给定输入x和参数的情况项目，计算输出2.指定损失和成本3.最小化*如何在tensorflow中训练神经网络---->将逻辑回归模型成本函数的三个步骤映射到训练神经网络中：1.该代码指定了神经网络的整个架构，告诉了tensorflow需要的一切2.指定什么是损失函数，同时定义我们用来训练神经网络的成本函数损失函数：二元交叉熵3
兔兔ting·2022-12-15 14:16

吴恩达--深度学习笔记(2022年课程第一周)

*神经网络（深度学习算法）：一组神经元是一层，一层可以有一个或多个神经元；他们输入相同或相似的特征，然后又反向输出一些特征。输入层隐藏层输出层4个数字（激活值）3个数字（激活值）隐藏层可以访问每个功能，即从上一层到输出层的每个值。当某些特征无关重要时，可以通过设置适当的参数进行适当的忽略；隐藏层在训练集中是看不到的，训练集中只有x,y，即输入层，输出层输出层输出的概率就是神经网络预测的输出概率x向
兔兔ting·2022-12-15 14:45

李沐深度学习笔记-04数据操作

前言1.《动手学深度学习》https://zh-v2.d2l.ai/2.记事本https://github.com/d2l-ai/d2l-zh3.数据操作和数据预处理N维数组是机器学习和神经网络的主要数据结构数据操作数据操作实现1.首先，要导入torch，他被称为PyTorch，但我们应该导入torch，而不是Pytorch。张量表示一个数值组成的数组，这个数组可能有多个维度importtorch
爱的小胡·2022-12-15 08:04

深度学习笔记一：logistic回归模型与神经网络

神经元——最小的神经网络激活函数sigmoid——二分类logistic回归模型sigmoid的输出在0,1之间，概率正好也在0,1之间，因此我们可以做一个定义：在二分类的情况下，当输入数据的时候，属于Y=0这个类的概率为这个函数的输出。在模型的训练之后，参数会根据训练数据进行调整，使得模型能够拟合数据。在随后的测试中，一个输入将会通过模型参数得到一个输出，完成分类任务。激活函数softmax-多
weixin_43356455·2022-12-15 02:06

深度学习笔记(十):深度学习评估指标

文章目录专业名词解释一级指标二级指标深度学习评估指标专业名词解释HTC(HybridTaskCascade)-混合任务级联boundingbox-边界矩形框RoI(RegionofInterest)-感兴趣区域RolPooling-Rol池化(RoIPooling=cropfeature+resizefeature)RolAlign-解决了ROIPooling操作中两次量化造成的区域不匹配(mis
ZZY_dl·2022-12-15 02:31

深度学习笔记一：FCN讲解（转载）

大多数人接触"语义"都是在和文字相关的领域，或语音识别，期望机器能够识别你发出去的消息或简短的语音，然后给予你适当的反馈和回复。嗯，看到这里你应该已经猜到了，图像领域也是存在"语义"的。今天是AI大热年，很多人都关注与机器人的语音交互，可是有没有想过，将来的机器人如果不能通过图像来识别主人，家里的物品、宠物，那该多没意思。说近一些，假如扫地机器人能够机智地绕开你丢在地上的臭袜子而扫走旁边的纸屑，一
flybird7·2022-12-15 02:58

语音识别技术概述

深度学习数据集Author：louwillFrom：深度学习笔记语音识别（SpeechRecognition）是以语音为研究对象，通过语音信号处理和模式识别让机器自动识别和理解人类的语音。
louwill12·2022-12-14 06:55

【(强推)李宏毅2021/2022春机器学习课程】专栏汇总

又找到一个好的博客合集--李宏毅深度学习笔记
I"ll carry you·2022-12-13 17:40

WAVE SUMMIT+2022大会回顾，NVIDIA极致性能助力飞桨落地千行百业

11月30日，由深度学习技术及应用国家工程研究中心主办、百度飞桨承办的WAVESUMMIT+2022深度学习开发者峰会圆满落幕。
飞桨PaddlePaddle·2022-12-13 17:02

第七届“创客中国”百度赛道赛50强汇聚上海，飞桨托起创企新星

12月9日，由工业和信息化部网络安全产业发展中心（工业和信息化部信息中心）、百度公司联合主办的第七届“创客中国”人工智能创新应用产业链赛道赛（百度）颁奖典礼在位于上海张江的百度飞桨人工智能产业赋能中心举行
飞桨PaddlePaddle·2022-12-13 17:01

第七届“创客中国”百度赛道赛50强汇聚上海，飞桨托起创企新星

12月9日，由工业和信息化部网络安全产业发展中心（工业和信息化部信息中心）、百度公司联合主办的第七届“创客中国”人工智能创新应用产业链赛道赛（百度）颁奖典礼在位于上海张江的百度飞桨人工智能产业赋能中心举行
飞桨PaddlePaddle·2022-12-13 16:27

MoCo论文详解

MoCo论文详解–潘登同学的深度学习笔记文章目录MoCo论文详解--潘登同学的深度学习笔记前言整体架构对比学习大而一致的字典实验LinearClassificationProtocol其他下游任务前言MoCo
PD我是你的真爱粉·2022-12-13 12:49

深度学习笔记------Faster_RCNN

目录1Faster_rcnn网络结构2Faster_RCNN的输入3RPN(RegionProposalNetworks)4ROIPooling5分类（Classification）1Faster_rcnn网络结构FasterRCNN是两阶段的目标检测算法，包括阶段一的Regionproposal以及阶段二的boundingbox回归和分类。用一张图来直观展示FasterRCNN的整个流程：Con
YOULANSHENGMENG·2022-12-12 20:45

深度学习笔记-3.Faster RCNN复现

FasterRCNN复现FasterRCNN源码解读1-整体流程和各个子流程梳理FasterRCNN源码解读2-_anchor_component()为图像建立anchors（核心和关键1）FasterRCNN源码解读3.1-_region_proposal()筛选anchors-_proposal_layer()（核心和关键2）FasterRCNN源码解读3.2-_region_proposal
业余狙击手19·2022-12-12 20:45

吴恩达深度学习笔记2.2 logistic回归

regression:回归supervised:有监督的logistic回归是一种学习算法被用于有监督学习问题,当y全都是0或1时例子:判断是否有猫给定一个由特征向量x代表的图像,那个算法将会估计猫是否在那个图像里的可能性logistic回归的参数如下:转载于:https://www.cnblogs.com/Dar-/p/9310066.html
banghu8816·2022-12-12 19:40

深度学习（三）转-可视化理解卷积神经网络 直接查看卷积神经网络的过程特征...

www.cnblogs.com/DOMLX/p/9579461.html参考博客：http://blog.csdn.net/hjimce/article/details/50544370作者：hjimce这是深度学习笔记的第三篇
weixin_34258078·2022-12-12 19:07

深度学习笔记：卷积神经网络的可视化--特征图

目录1.前言2.模型的训练3.特征图可视化3.1加载保存的模型¶3.2图像预处理：将图像转换为张量3.3例化一个模型用于返回各层激活输出（即featuremap）3.5各层各通道汇总可视化4.小结参考文献1.前言人们常说，深度学习模型是“黑盒”，即模型学到的东西对于人类来说很难理解。对于很多深度学习模型来说的确是这样的，但是对于卷积神经网络（CNN）却并不尽然。CNN学习到的东西非常适合于可视化，
笨牛慢耕·2022-12-12 19:04

李宏毅深度学习笔记07（Brief Introduction of Deep Learning)

Deeplearning的历史Deeplearning的过程依旧是机器学习的三个过程：step1:defineasetoffunction;step2:goodnessoffunction;step3:pickthebestfunction.只不过step1用到neuralnetwork。它也有对应的公式：根据相应的数学计算得到输出值。一些问题1.Howmanylayers?Howmanyneur
稀里糊涂的小楠～·2022-12-11 17:11

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
m0_61899108·2022-12-11 09:01

李宏毅深度学习笔记——呕心整理版

李宏毅深度学习笔记——呕心整理版闲谈叨叨叨:之前看过吴恩达的一部分课程，所以有一定理论基础，再看李宏毅的课程会有新的理解。
_Elf_·2022-12-11 04:22

李宏毅深度学习笔记——深度学习基本概念

深度学习神经网络神经元示意图（转载）Inputs：输入。Weights：权值，权重。Bias：偏置，或者称为阈值(Threshold)。Activationfunction：激活函数。1958年，计算科学家Rosenblatt提出了由两层神经元组成的神经网络。在“感知器”中，有两个层次。分别是输入层和输出层。输入层里的“输入单元”只负责传输数据，不做计算。输出层里的“输出单元”则需要对前面一层的输
在水一方_果爸·2022-12-11 04:51

深度学习Review【四】编解码

课程地址动手学深度学习笔记【三】一、编码-解码二、Seq2seqtorch一、编码-解码编码（训练）：处理输出，把输入编程成中甲你表达形式（特征）解码（预测）：生成输出，把特征解码成输出fromtorchimportnnclassEncoder
舒克儿不开飞机·2022-12-10 08:55

人工智能导论实验四：深度学习算法及应用

三、实验平台1、https://www.educoder.net/paths/3692、百度飞桨及AIstudio平台https://www.paddlepaddle.org.cn/3、华为昇腾平
银河洗剑天上仙·2022-12-10 03:24

如何使用 OpenVINO 工具套件部署百度飞桨的 YOLOv3模型

1.概述本文是OpenVINO™工具套件与百度飞桨PaddlePaddle模型转换/部署系列的第三部–目标检测模型。
英特尔边缘计算社区·2022-12-09 15:46

如何使用部署百度飞桨的YOLOv3模型

01.概述本文是OpenVINO™工具套件与百度飞桨PaddlePaddle模型转换/部署系列的第三部——目标检测模型。
英特尔边缘计算社区·2022-12-09 15:45

动手深度学习笔记（十六）4.2. 多层感知机的从零开始实现

动手深度学习笔记（十六）4.2.多层感知机的从零开始实现4.多层感知机4.2.多层感知机的从零开始实现4.2.1.初始化模型参数4.2.2.激活函数4.2.3.模型4.2.4.损失函数4.2.5.训练4.2.6
落花逐流水·2022-12-09 09:35

深度学习笔记(13.numpy实现LSTM)

摘要Ng深度学习课程第五部分序列化模型，第一周作业numpy实现，并利用LSTM生成恐龙名称实验。涉及到正向传播、反向传播公式，程序的整合，部分理论学习。代码注释添加了部分说明。和RNN程序流程基本一样，部分代码流程做了优化。实验程序用于检验程序是否正确，loss逐步下降，名称越来越像。程序地址：https://github.com/ConstellationBJUT/Coursera-DL-St
迷茫猿小明·2022-12-09 07:07

利用Gluon简洁实现线性回归——动手学深度学习笔记

在使用gluon接口之前，我们首先需要下载好mxnet包pipinstallmxnet生成数据集根据公式基础去理解，并加上噪声frommxnetimportautograd,ndnum_inputs=2num_examples=1000true_w=[2,-3.4]true_b=4.2features=nd.random.normal(scale=1,shape=(num_examples,num
看星河的兔子·2022-12-09 06:49

使用 Visio 绘制卷积示意图

1.卷积示意图分析下图是百度飞桨讲解卷积定义的一个示例，输入图片、输出图片还有卷积核都用网格进行表示讲述卷积操作时，卷积核网格里填入了数字，用来表示卷积核权重。
star_function·2022-12-09 05:30

【Timm】搭建Vision Transformer系列实践，终于见面了，Timm库！

目录1.百度飞桨提供的-从零开始学视觉Transformer2.资源：视觉Transformer优秀的开源工作3.如何发现的Timm-Debug4Timm库4.1概念4.2Timm库的VisionTransformer
MengYa_DreamZ·2022-12-09 03:54

从人工到智能！百度AI开发者大会分论坛，探寻国球乒乓背后的AI之路

这其中，前国家乒乓球领队姚振绪、北京大学体育教研部副主任吴飞分享与百度飞桨合作的人工智能乒乓球动作识别研究项目，就吸引了无数开发者的关注——国球+AI的新鲜跨界，究竟能带来怎样神奇
飞桨PaddlePaddle·2022-12-08 23:26

【经验分享】DQN入门篇—利用DQN解决MountainCar

【经验分享】DQN入门篇—利用DQN解决MountainCar  近日，学习了百度飞桨深度学习学院推出的强化学习课程，通过课程学习并结合网上一些知识，对DQN知识做了一个总结笔记。
小明很狂躁·2022-12-08 22:08

深度学习笔记理论篇:归一化

先贴一张阅读paper的一部分实际上啊读到这里,我就对这个行归一化产生了疑问,什么是归一化?归一化的作用是什么呢?(题外话:最近看了李沐对如何读文献的一些见解,个人感觉很受用,建议初读文献的小伙伴们可以去看看)注:本人数学功底尚浅,许多知识无法介绍,有待进一步学习,本笔记只讨论了归一化的学习范围.首先让我们看看广义归一化的解释:归一化（normalization）是一种简化计算的方式，即将有量纲的
吃小花的魔王·2022-12-08 19:12

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
louwill12·2022-12-08 18:37

WAVE SUMMIT+2022：百度飞桨发布开源框架2.4版本，夯实AI技术基座

本文已在【飞桨PaddlePaddle】公众号平台发布，详情请戳链接：WAVESUMMIT+2022：百度飞桨发布开源框架2.4版本，夯实AI技术基座11月30日，由深度学习技术及应用国家工程研究中心主办的
飞桨PaddlePaddle·2022-12-08 13:22

安利几个优质NLP开源项目！搜索、问答、情感分析…

针对这些棘手的问题，百度飞桨深耕产业界，选取NLP领域三大高频场景——检索、问答、情感分析，推出面向真实应用场景的系统功能，覆盖金融、电商零售、文娱、旅游、房地产、生活服务等多个行业，万方、荣耀、国美、
夕小瑶·2022-12-08 02:37

百度飞桨PaddleOCR的安装与使用

百度飞桨PaddleOCR的安装与使用百度飞桨PaddleOCR的安装与使用安装具体细节使用教程实践百度飞桨PaddleOCR的安装与使用工作环境：win10PaddlePaddle2.0.0Anaconda
Valerius_zhaohui·2022-12-08 00:54

百度飞桨PaddlePaddle-21天零基础实践深度学习-【手写数字任务】3

@百度飞桨PaddlePaddle-21天零基础实践深度学习-【手写数字任务】3资源配置面对更加复杂的机器学习或深度学习任务，需要运算速度更高的硬件（如GPU、NPU），甚至同时使用多个机器共同训练一个任务
神经兮兮咕咕鸡·2022-12-08 00:54

windows系统下百度飞桨AI框架paddlepaddle之gpu版本手把手安装教程

提示：根据你的显卡类型安装对应CUDA版本。Turing（图灵）和Ampere（安培）是Nvidia用于其RTX系列显卡的两种高级GPU架构图灵GPU（12nm制造工艺）：RTX20系列和GTX16系列安培GPU（8nm制造工艺）：RTX30系列，包括GeForceRTX3090、RTX3080、RTX3070等文章目录前言一、进入飞桨官网二、安装CUDA1.CUDA下载地址2.CUDA环境变量二
蓝牙传输味觉·2022-12-08 00:53

百度飞桨(paddlepaddle)安装

一、环境检查飞桨支持的环境Windows7/8/10专业版/企业版(64bit)GPU版本支持CUDA10.1/10.2/11.0/11.1/11.2，且仅支持单卡Python版本3.6+/3.7+/3.8+/3.9+(64bit)pip版本20.2.2或更高版本(64bit)二、环境检查方法wherepython使用以下命令确认是3.6/3.7/3.8/3.9python--version需要确
云风xe·2022-12-08 00:53

百度飞桨适配登临 GPU+ 系列芯片

会间，百度飞桨（PaddlePaddle）发布多项重大更新。其中，登临平台集成代码已经合并，随飞桨开源框架v2.1正式开源。
飞桨PaddlePaddle·2022-12-08 00:23

【深度学习笔记】Hopfield神经网络

Hopfield神经网络是一种循环神经网络模型，由一组互相连接的神经元组成。其具有如下特征：所有神经元互相连接且不分层。每个神经元既是输入单元又是输出单元。每个神经元的输入与输出只能是1或-1，即有n个神经元的Hopfield神经网络具有2n2^n2n个状态。具有反馈连接特性，不同神经元之间连接权重对称,神经元和自身没有反馈相连，即神经元集合具有对称性和反自反性。Hopfield神经网络分为离散型
RealWeakCoder·2022-12-08 00:38

【机器学习】《动手学深度学习 PyTorch版》深度学习笔记（RCNN、fast-RCNN、faster-RCNN）

文章目录RCNN一、RCNN系列简介二、RCNN算法流程的4个步骤三、RCNN存在的问题fast-RCNN一、fast-RCNN简介二、fast-RCNN算法的3个步骤RCNN一、RCNN系列简介R-CNN系列（R-CNN,fast-RCNN,faster-RCNN）是使用深度学习进行物体检测的鼻祖论文，其中fast-RCNN以及faster-RCNN都是延续R-CNN的思路。R-CNN全称reg
Jul7_LYY·2022-12-07 22:19

深度学习笔记（5）——pytorch实现Att-BiLSTM

文章目录1模型介绍2代码实现3传播过程理解4实验4参考文献1模型介绍模型图：LSTM层：Attention层M=tanh(H)α=softmax(ωT∗M)r=HαTh∗=tanh(r)\M=tanh(H)\\\alpha=softmax(\omega^T*M)\\r=H\alpha^T\\h^*=tanh(r)M=tanh(H)α=softmax(ωT∗M)r=HαTh∗=tanh(r)其中H为
热爱旅行的小李同学·2022-12-07 21:52

深度学习笔记（二）——对Tensor创建、修改、索引操作的整理

Tensor的创建、修改、索引操作Tensor概述创建Tensor修改Tensor形状这里说明两个问题torch.view与torch.reshape的异同unsqueeze函数的参数索引操作参考文献Tensor概述对Tensor的操作很多，从接口角度来划分，可以分为两类：（1）torch.function；（2）tensor.function这些操作对大部分Tensor都是等价的，如：torch
小白成长之旅·2022-12-07 19:16

深度学习笔记（八）—— 正则化[Regularization]

  这是深度学习笔记第八篇，完整的笔记目录可以点击这里查看。    
zeeq_·2022-12-07 17:22

动手学深度学习笔记1

环境配置Anaconda（Ubuntu）+Mxnetmxnet-gpu目前最新只有cuda10.0对应的版本，要不自己找资料编译，要不降低cuda的版本或者选择mxnet-cpuMxnet-cpu新建虚拟环境condacreate-ngluonpython=3.8激活环境：condaactivategluon安装MXNet-cpu：pipinstallmxnet安装其它软件包：pipinstall
Kaaaaaaan·2022-12-07 14:44

算法SOTA、功能全面、性能最佳，PaddleDetection 2.0重磅升级！

百度飞桨端到端目标检测开发
飞桨PaddlePaddle·2022-12-07 11:34
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他