百度飞桨深度学习笔记第2页

TensorFlow深度学习笔记文本与序列的深度模型

DeepModelsforTextandSequence转载请注明作者：梦里风林Github工程地址：https://github.com/ahangchen/GDLnotes欢迎star，有问题可以到Issue区讨论官方教程地址视频/字幕下载RareEvent与其他机器学习不同，在文本分析里，陌生的东西（rareevent）往往是最重要的，而最常见的东西往往是最不重要的。语法多义性一个东西可能有

城市中迷途小书童·2024-01-03 10:41

动手深度学习笔记（四十八）8.4. 循环神经网络

动手深度学习笔记（四十八）8.4.循环神经网络8.4.循环神经网络8.4.1.无隐状态的神经网络8.4.2.有隐状态的循环神经网络8.4.3.基于循环神经网络的字符级语言模型8.4.4.困惑度（Perplexity

落花逐流水·2024-01-02 13:54

动手深度学习笔记（四十九）8.5. 循环神经网络的从零开始实现

动手深度学习笔记（四十九）8.5.循环神经网络的从零开始实现8.5.循环神经网络的从零开始实现8.5.1.独热编码8.5.2.初始化模型参数8.5.3.循环神经网络模型8.5.4.预测8.5.循环神经网络的从零开始实现本节将根据

落花逐流水·2024-01-02 13:23

oracle buffer block,8 Oracle深度学习笔记——BUFFER CACHE深入一

8.Oracle深度学习笔记——BUFFERCACHE深入一最近项目一直和ORACLE死磕，感觉总是找不到出口，只能多看书少说话了。先记录多少是多少吧！

赵轩昂·2024-01-02 02:04

计算机视觉方向面试题总结（一）：目标检测篇

‍作者简介：CSDN、阿里云人工智能领域博客专家，新星计划计算机视觉导师，百度飞桨PPDE，专注大数据与AI知识分享。

GoAI·2024-01-01 20:05

【深度学习笔记】4.前馈神经网络

前馈神经网络发展历程神经元（M-P）神经元是1943年由两名科学家首次提出的神经元模型。在M-P模型中，神经元接受其他n个神经元的输入信号(0或1)，这些输入信号经过权重加权并求和，将求和结果与阈值(threshold)θ比较，然后经过激活函数处理，得到神经元的输出。y=∑i=1nωijxi+θy=\sum^n_{i=1}\omega_{ij}x_i+\thetay=i=1∑nωijxi+θM-P

不休的turkeymz·2024-01-01 07:49

百度飞桨文心生态成果最新披露：开发者达1070万模型数超86万

12月28日，由深度学习技术及应用国家工程研究中心主办的WAVESUMMIT+深度学习开发者大会2023在北京召开。百度首席技术官、深度学习技术及应用国家工程研究中心主任王海峰现场公布了飞桨文心五载十届最新生态成果，文心一言最新用户规模破1亿，截至12月底，飞桨平台开发者数量达1070万。百度首席技术官王海峰文心一言用户规模破1亿飞桨开发者数达1070万据了解，百度自2019年起深耕预训练模型研发

橙子_·2023-12-29 16:25

紫光展锐T820与百度飞桨完成I级兼容性测试助推端侧AI融合创新

近日，紫光展锐高性能5GSoCT820与百度飞桨完成I级兼容性测试（基于PaddleLite工具）。测试结果显示，双方兼容性表现良好，整体运行稳定。

紫光展锐官方·2023-12-29 02:17

【ScienceAI Weekly】DeepMind最新研究再登Nature；我国首个自研地球系统模型开源；谷歌推出医疗保健模型

谷歌推出医疗保健行业模型MedLM*晶泰科技冲刺港交所，AI+机器人赋能AIforScience*GHDDI与微软研究院科学智能中心达成合作*用于地震学处理分析的AI工具开源*我国首个自主研发的地球系统模型宣布开源*百度飞桨螺旋桨团队构建蛋白质

HyperAI超神经·2023-12-29 00:45

吴恩达深度学习笔记（2）-什么是神经网络（Neural Network）

什么是神经网络？(WhatisaNeuralNetwork)我们常常用深度学习这个术语来指训练神经网络的过程。有时它指的是特别大规模的神经网络训练。那么神经网络究竟是什么呢？在这个视频中，会讲解一些直观的基础知识。首先，让我们从一个房价预测的例子开始讲起。假设你有一个数据集，它包含了六栋房子的信息。所以，你知道房屋的面积是多少平方英尺或者平方米，并且知道房屋价格。这时，你想要拟合一个根据房屋面积预

极客Array·2023-12-27 20:02

批量归一化(Batch normalization)

动手学深度学习笔记-批量归一化Batchnormalization什么是批量归一化?为什么需要批量归一化？批量归一化如何起作用？总结与注意事项什么是批量归一化?

安静的钢琴·2023-12-26 11:28

智慧零售技术探秘：关键技术与开源资源，助力智能化零售革新

PaddleClasPaddleClas是由百度飞桨开发的一个图

virtaitech·2023-12-25 15:39

paddlepaddle深度学习笔记（二）使用飞桨重写房价预测任务

在之前的章节中，学习了使用Python和NumPy实现波士顿房价预测任务的方法，本章将尝试使用飞桨重写房价预测任务，体会二者的异同。在数据处理之前，需要先加载飞桨框架的相关类库。paddlepaddle飞浆官网CPU版的PaddlePaddlepipinstallpaddlepaddle==2.4.2-ihttps://pypi.tuna.tsinghua.edu.cn/simpleGPU版的Pa

PEACE_小石头·2023-12-23 16:54

深度学习产业落地速度新支点：飞桨&英特尔®至强®共同助力AI加速

针对上述需求，百度飞桨开源深度学习平台结合第三代英特尔®至强®可扩展处理器，通过完善的模型压缩方案和量化加速技术，

飞桨PaddlePaddle·2023-12-22 10:23

吴恩达深度学习笔记(28)-网络训练验证测试数据集的组成介绍

从今天开始我们进入新的一个大方向了，改善深层神经网络：超参数调试、正则化以及优化，首先进入深度学习的一个新层面，先认识下在深度学习中的数据集的分类。之前可能大家已经了解了神经网络的组成的几个部分，那么我们将继续学习如何有效运作神经网络，内容涉及超参数调优，如何构建数据，以及如何确保优化算法快速运行，从而使学习算法在合理时间内完成自我学习。训练，验证，测试集（Train/Dev/Testsets）在

极客Array·2023-12-21 06:18

紫光展锐T820与飞桨完成I级兼容性测试助推端侧AI融合创新

近日，紫光展锐高性能5GSoCT820与百度飞桨完成I级兼容性测试（基于PaddleLite工具）。测试结果显示，双方兼容性表现良好，整体运行稳定。

飞桨PaddlePaddle·2023-12-20 14:34

fast.ai 深度学习笔记：第一部分第二课

原文：DeepLearning2:Part1Lesson2作者：HiromiSuenaga论坛笔记本回顾上一课[01:02]我们使用3行代码来构建图像分类器。为了训练模型，需要在PATH下以某种方式组织数据（在本例中为data/dogscats/）：image应该有train文件夹和valid文件夹，并且在每个文件夹下都有带有分类标签的文件夹（例如本例中的cats），其中包含相应的图像。训练输出：

布客飞龙·2023-12-20 00:31

动手学深度学习笔记（二）

1.线性回归简化模型房价预测的模型可以理解为用一些能够表示房子特点的因素如卧室个数、卫生间个数、面积等nnn个属性组成的特征向量：x=[x1x2⋮xn]\mathbf{x}=\left[\begin{matrix}x_1\\x_2\\\vdots\\x_n\end{matrix}\right]x=⎣⎢⎢⎢⎡x1x2⋮xn⎦⎥⎥⎥⎤房价的预测是这些属性的加权和：y=w1x1+w2x2+⋯+wnxn+

上官永石·2023-12-19 18:31

深度学习笔记_6经典预训练网络LeNet-18解决FashionMNIST数据集

1、调用模型库，定义参数，做数据预处理importnumpyasnpimporttorchfromtorchvision.datasetsimportFashionMNISTimporttorchvision.transformsastransformsfromtorch.utils.dataimportDataLoaderimporttorch.nn.functionalasFimporttor

Element_南笙·2023-12-18 20:23

深度学习笔记_7经典网络模型LSTM解决FashionMNIST分类问题

1、调用模型库，定义参数，做数据预处理importnumpyasnpimporttorchfromtorchvision.datasetsimportFashionMNISTimporttorchvision.transformsastransformsfromtorch.utils.dataimportDataLoaderimporttorch.nn.functionalasFimporttor

Element_南笙·2023-12-18 20:51

深度学习记录--矩阵维数

如何识别矩阵的维数如下图矩阵的行列数容易在前向和后向传播过程中弄错，故写这篇文章来提醒易错点顺便起到日后查表改错的作用本文仅作本人查询参考(摘自吴恩达深度学习笔记)

蹲家宅宅·2023-12-17 11:02

动手学深度学习——Anaconda、pytorch、paddle安装(cpu版本)

之前出了个Windows下的深度学习安装，但在继续学习的过程中发现，沐神的一些代码跑不起来，这里又提供pytorch和paddle的安装，各位用pytorch或者百度飞桨paddlepaddle来学习深度学习也是可以的

Audery867·2023-12-15 05:44

【小沐学Python】Python实现TTS文本转语音（speech、pyttsx3、百度AI）

1、简介2、Windows语音2.1简介2.2安装2.3代码3、pyttsx33.1简介3.2安装3.3代码4、ggts4.1简介4.2安装4.3代码5、SAPI6、SpeechLib7、百度AI8、百度飞桨结语

爱看书的小沐·2023-12-14 18:52

人工智能-语音识别技术paddlespeech的搭建和使用

PaddleSpeech介绍PaddleSpeech是百度飞桨（PaddlePaddle）开源深度学习平台的其中一个项目，它基于飞桨的语音方向模型库，用于语音和音频中的各种关键任务的开发，包含大量基于深度学习前沿和有影响力的模型

没刮胡子·2023-12-06 18:23

【深度学习笔记】08 欠拟合和过拟合

08欠拟合和过拟合生成数据集对模型进行训练和测试三阶多项式函数拟合（正常）线性函数拟合（欠拟合）高阶多项式函数拟合（过拟合）importmathimportnumpyasnpimporttorchfromtorchimportnnfromd2limporttorchasd2l生成数据集给定xxx，我们将使用以下三阶多项式来生成训练和测试数据的标签：y=5+1.2x−3.4x22!+5.6x33!+

LiuXiaoli0720·2023-12-06 00:50

【深度学习笔记】07 多层感知机

07多层感知机多层感知机在网络中加入隐藏层从线性到非线性激活函数ReLU函数sigmoid函数tanh函数多层感知机的从零开始实现初始化模型参数激活函数模型损失函数训练多层感知机的简洁实现模型多层感知机在网络中加入隐藏层我们可以通过在网络中加入一个或多个隐藏层来克服线性模型的限制，使其能处理更普遍的函数关系类型。要做到这一点，最简单的方法是将许多全连接层堆叠在一起。每一层都输出到上面的层，直到生成

LiuXiaoli0720·2023-12-06 00:49

【深度学习笔记】06 softmax回归

06softmax回归softmax运算损失函数对数似然Fashion-MNIST数据集读取数据集读取小批量整合所有组件softmax回归的从零开始实现初始化模型参数定义softmax操作定义模型定义损失函数分类精度训练预测softmax回归的简洁实现softmax运算softmax函数能够将未规范化的预测变换为非负数并且总和为1，同时让模型保持可导的性质。为了完成这一目标，首先对每个未规范化的预

LiuXiaoli0720·2023-12-06 00:19

【深度学习笔记】09 权重衰减

09权重衰减范数和权重衰减利用高维线性回归实现权重衰减初始化模型参数定义L2L_2L2范数惩罚定义训练代码实现忽略正则化直接训练使用权重衰减权重衰减的简洁实现范数和权重衰减在训练参数化机器学习模型时，权重衰减（decayweight）是最广泛应用的正则化技术之一，它通常也被称为L2L_2L2正则化。这项技术通过函数与零的距离来衡量函数的复杂度，因为在所有函数fff中，函数f=0f=0f=0（所有输

LiuXiaoli0720·2023-12-06 00:18

吴恩达深度学习笔记(36)-神经网络的梯度消失/梯度爆炸

梯度消失/梯度爆炸（Vanishing/Explodinggradients）训练神经网络，尤其是深度神经所面临的一个问题就是梯度消失或梯度爆炸，也就是你训练神经网络的时候，导数或坡度有时会变得非常大，或者非常小，甚至于以指数方式变小，这加大了训练的难度。这节课，你将会了解梯度消失或梯度爆炸的真正含义，以及如何更明智地选择随机初始化权重，从而避免这个问题。假设你正在训练这样一个极深的神经网络，为了

极客Array·2023-12-05 23:01

百度飞桨领航团零基础Python速成营编程巩固

百度飞桨领航团零基础Python速成营编程巩固目录第一天问题1问题2问题3问题4问题5第二天问题1问题2问题3问题4问题5第三天问题1问题2问题3问题4问题5第一天问题1编写一个程序，查找所有此类数字，

dream.becoming·2023-12-04 22:45

C# Onnx 百度飞桨开源PP-YOLOE-Plus目标检测

目录效果模型信息项目代码下载C#Onnx百度飞桨开源PP-YOLOE-Plus目标检测效果模型信息Inputs-------------------------name：imagetensor：Float

天天代码码天天·2023-12-04 14:28

【人工智能Ⅰ】实验4：贝叶斯分类

数据集从网上下载（如百度飞桨平台）。2.改变算法参数，观察对识别准确率的影响。三、实验环境平台JupyterNotebook(anaconda3)Python版本python

MorleyOlsen·2023-12-04 00:51

机器学习笔记 - 基于百度飞桨PaddleSeg的人体分割模型以及TensorRT部署说明

一、简述虽然SegmentAnything用于图像分割的通用大模型看起来很酷（飞桨也提供分割一切的模型），但是个人感觉落地应用的时候心里还是更倾向于飞桨这种场景式的，因为需要用到一些人体分割的需求，所以这里主要是对飞桨高性能图像分割开发套件进行了解和使用，但是暂时不训练，因为搞数据集挺费劲。PaddleSeg内置45+模型算法及140+预训练模型。最新发布HumanSeglite模型超轻量级人像分

坐望云起·2023-12-02 18:34

深度学习笔记（十三）—— GAN-2

LSGANLSGAN(LeastSquaresGAN)将loss函数改为了L2损失.G和D的优化目标如下图所示,image作业:在这里,请在下方补充L2Loss的代码来实现L2损失来优化上面的目标.并使用这个loss函数在mnist数据集上训练LSGAN,并显示训练的效果图片及loss变化曲线.提示:忽略上图的1/2.L2损失即MSEloss(均方误差),传入两个参数input_是指判别器D预测为

Nino_Lau·2023-12-02 05:18

越学越有趣：『手把手带你学NLP』系列项目02 ——语义相似度计算的那些事儿...

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·2023-12-01 04:13

越学越有趣：『手把手带你学NLP』系列项目05 ——文本情感分析的那些事儿

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·2023-12-01 04:13

深度强化学习-策略梯度算法深入理解

本文主要参考了百度飞桨的视频PolicyGradient算法有兴趣的小伙伴可以看看，我觉得讲的非常透彻。2手写数字识别我们先来看一下手写数字识别案列，采用LeNet网络，其输入为一

indigo love·2023-12-01 01:40

一文看懂国产最大深度学习平台上新，国内率先加持量子机器学习

这就是国产最大深度学习开源平台——百度飞桨——在WAVESUMMIT2020中，百度首席技术官王海峰，提交的最新高分成绩单。但国产第一大深度学习平台飞桨，却不满足于此。

喜欢打酱油的老鸟·2023-11-30 18:03

吴恩达深度学习笔记(45)-Adam 优化算法(Adam optimization)

Adam优化算法(Adamoptimizationalgorithm)在深度学习的历史上，包括许多知名研究者在内，提出了优化算法，并很好地解决了一些问题，但随后这些优化算法被指出并不能一般化，并不适用于多种神经网络，时间久了，深度学习圈子里的人开始多少有些质疑全新的优化算法，很多人都觉得动量（Momentum）梯度下降法很好用，很难再想出更好的优化算法。所以RMSprop以及Adam优化算法，就是

极客Array·2023-11-30 04:58

深度学习之基于百度飞桨PaddleOCR图像字符检测识别系统

IntroductiontoPaddleOCRImageCharacterDetectionandRecognitionSystemBasedonBaiduPaddlePaddle深度学习技术在图像处理领域取得了显著的成就，其中基于百度飞桨

雅致教育·2023-11-30 00:11

动手学深度学习笔记day9

卷积神经网络（convolutionalneuralnetworks，CNN）图像不是二维张量，而是一个由高度、宽度和颜色组成的三维张量，比如包含个像素。前两个轴与像素的空间位置有关，而第三个轴可以看作是每个像素的多维表示。互相关运算互相关运算（cross-correlation）：在卷积层中，输入张量和核张量通过互相关运算产生输出张量。在图中，输入是高度为3、宽度为3的二维张量（即形状为3×3）

努力学习的廖同学·2023-11-29 17:24

深度学习笔记

目录TensorBoard的使用Transforms的使用TorchVision中数据集的使用Dataloader的使用卷积操作神经网络-卷积层最大池化非线性激活线性层小型网络搭建和Sequential使用损失函数与反向传播优化器网络模型的使用及修改完整模型的训练利用gpu训练模型验证自动求导线性神经网络线性回归基础优化算法线性回归的从零开始实现线性回归的简洁实现softmax回归图像分类数据集s

czyxw·2023-11-28 23:21

[深度学习]动手学深度学习笔记-10

Task5——卷积神经网络基础；leNet；卷积神经网络进阶10.1卷积神经网络（CNN）基础卷积神经网络是一种用来处理局部和整体相关性的计算网络结构，被应用在图像识别、自然语言处理甚至是语音识别领域，因为图像数据具有显著的局部与整体关系，其在图像识别领域的应用获得了巨大的成功。10.1.1卷积神经网络的组成层图10.1卷积神经网络示意图以图像分类任务为例，在表10.1所示卷积神经网络中，一般包含

田纳尔多·2023-11-26 12:16

【深度学习笔记】03 微积分与自动微分

03微积分与自动微分导数和微分导数解释的可视化偏导数梯度链式法则自动微分非标量变量的反向传播分离计算导数和微分假设我们有一个函数f:R→Rf:\mathbb{R}\rightarrow\mathbb{R}f:R→R，其输入和输出都是标量。如果fff的导数存在，这个极限被定义为f′(x)=lim⁡h→0f(x+h)−f(x)h.f'(x)=\lim_{h\rightarrow0}\frac{f(x+

LiuXiaoli0720·2023-11-26 09:27

【深度学习笔记】04 概率论基础

04概率论基础概率论公理联合概率条件概率贝叶斯定理边际化独立性期望和方差模拟投掷骰子的概率随投掷次数增加的变化概率论公理概率（probability）可以被认为是将集合映射到真实值的函数。在给定的样本空间S\mathcal{S}S中，事件A\mathcal{A}A的概率，表示为P(A)P(\mathcal{A})P(A)，满足以下属性：对于任意事件A\mathcal{A}A，其概率从不会是负数，即

LiuXiaoli0720·2023-11-26 09:27

【深度学习笔记】01 数据操作与预处理

01数据操作与预处理一、数据操作1.1基本数据操作1.2广播机制1.3索引和切片1.4节省内存1.5转换为其他Python对象二、数据预处理读取数据集处理缺失值转换为张量格式练习一、数据操作1.1基本数据操作导入torchimporttorch张量表示一个由数值组成的数组，这个数组可能有多个维度（轴）。具有一个轴的张量对应数学上的向量（vector），具有两个轴的张量对应数学上的矩阵（matrix

LiuXiaoli0720·2023-11-26 09:57

深度学习笔记 —— 线性代数

线性代数实现：1.标量由只有一个元素的的张量表示importtorchx=torch.tensor([3.0])y=torch.tensor([2.0])2.可以将向量视为标量值组成的列表x=torch.arange(4)#通过张量的索引来访问任一元素x[3]3.访问张量的长度x=tensor.arange(4)len(x)Output:4只有一个轴的张量，形状只有一个元素x.shapeOutpu

Whisper_yl·2023-11-26 09:26

【深度学习笔记】02 线性代数基础

线性代数基础线性代数基础标量向量长度、维度和形状矩阵张量算法的基本性质降维非降维求和点积（DotProduct）矩阵-向量积矩阵-矩阵乘法范数线性代数基础标量标量由只有一个元素的张量表示importtorchx=torch.tensor(3.0)y=torch.tensor(2.0)x+y,x*y,x/y,x**y(tensor(5.),tensor(6.),tensor(1.5000),tens

LiuXiaoli0720·2023-11-26 09:22

菜菜的Python学习日记 | Python从入门到入土详解

我的其他日记菜菜的刷题日记|被LeetCode用Python狂虐的那段日子菜菜的并发编程笔记|Python并发编程详解（持续更新~）菜菜的深度学习笔记|基于Python的理论与实现数据分析入门|kaggle

猿知·2023-11-25 03:12

吴恩达深度学习笔记5-Course2-Week1【深度学习的实用层面】

改善深层神经网络：超参数调试、正则化以及优化深度学习的实用层面一、训练、验证、测试集样本数据分成以下三个部分：训练集(trainset):用于对模型进行训练。验证集(hold-outcrossvalidation/developmentset):对不同模型进行评估。测试集(testset):对选取的模型进行无偏评估。node:验证集要和训练集最好来自于同一个分布，可以使得机器学习算法变快。如果不需

Wang_Jiankun·2023-11-23 19:28

推荐频道

百度飞桨深度学习笔记

TensorFlow深度学习笔记 文本与序列的深度模型