百度飞桨深度学习笔记

神经网络与深度学习笔记汇总三

神经网络与深度学习笔记汇总三往期回顾将之前掘金写的学习笔记所遇困难搬到这里，方便查看复习遇到问题：异常值处理学习内容1、.drop()返回的是一个新对象，原对象不会被改变。
Zzjw527·2020-09-13 00:46

[论文复现]Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalizatiton

前言趁着暑假还有足够多的时间,参加了百度飞桨的论文复现营,10篇论文之中选择了这篇论文。
Costwen·2020-09-12 18:46

深度学习笔记(2) - 神经网络的数学基础

神经网络的数学基础数学概念：张量、张量运算、微分、梯度下降。深度学习中的数据概念张量常见的张量类型张量：它是一个数据容器，模型中最基本的数据结构，比如，矩阵（2维张量）标量（0D张量）标量：仅仅包含一个数字的张量（标量张量，零维张量，0D张量）在Numpy中，一个float32或float64的数字,可以通过ndim属性来查询轴的个数。向量（1D张量）向量：数字组成的数组，只有一维，一个轴矩阵（2
瓦力人工智能·2020-09-12 16:45

百度飞桨PaddlePaddle论文复现训练营——U-GAT-IT 论文复现心得

项目背景本次论文复现是源自百度顶会论文复现营：https://aistudio.baidu.com/aistudio/education/group/info/1340复现对象是2020ICLR上的U-GAT-IT这篇论文：https://github.com/znxlwm/UGATIT-pytorch论文阅读笔记：https://blog.csdn.net/qq_42067550/article
AItrust·2020-09-12 03:11

神经网络与深度学习笔记（四）为什么用交叉熵代替二次代价函数

1、为什么不用二次方代价函数我们用的loss方程是a是神经元的输出，其中a=σ(z)，z=wx+b使用链式法则求权重和偏置的偏导数有：可知，偏导数受激活函数的导数影响再由sigmoid函数可知，sigmoid的导数在输出接近0和1的时候是非常小的，这会导致一些实例在刚开始训练时学习得非常慢：2、为什么要用交叉熵先看公式：求权重和偏置的偏导数：根据σ′(z)=σ(z)(1−σ(z))，知由以上公式可
dsjdjsa·2020-09-11 22:49

百度飞桨-手把手带你零基础实践深度学习-课程笔记（二）

手写数字识别数字识别是计算机从纸质文档、照片或其他来源接收、理解并识别可读的数字的能力，目前比较受关注的是手写数字识别。手写数字识别是一个典型的图像分类问题，已经被广泛应用于汇款单号识别、手写邮政编码识别等领域，大大缩短了业务处理时间，提升了工作效率和质量。在处理如图所示的手写邮政编码的简单图像分类任务时，可以使用基于MNIST数据集的手写数字识别模型。MNIST是深度学习领域标准、易用的成熟数据
假面骑士Quit·2020-09-11 10:13

百度飞桨-手把手带你零基础实践深度学习-课程笔记（三）

模型改进我们尝试使用与房价预测相同的简单神经网络解决手写数字识别问题，但是效果并不理想。原因是手写数字识别的输入是28×28的像素值，输出是0-9的数字标签。而线性回归模型无法捕捉二维图像数据中蕴含的复杂信息，如图所示。无论是牛顿第二定律任务，还是房价预测任务，输入特征和输出预测值之间的关系均可以使用“直线”刻画（使用线性方程来表达）。但手写数字识别任务的输入像素和输出数字标签之间的关系显然不是线
假面骑士Quit·2020-09-11 10:13

深度学习笔记1

自学笔记第1章引言人工智能真正的挑战在于解决那些对人类来说容易执行、但很难形式化描述的任务。如何将非形式化的知识传给计算机呢？AI深度学习可以让计算机从经验中学习，并根据层次化的概念体系来理解世界。一些人工智能项目力求将关于世界的知识用形式化的语言进行编码（hard-code），使计算机可以使用逻辑推理规则来自动地理解这些形式化语言中的声明。人们设法设计足够复杂的形式化规则来准确的描述世界，这些项
我是谁_谁是我·2020-09-10 18:55

Google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
梦里茶·2020-09-10 18:39

Google深度学习笔记 循环神经网络实践

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/字幕下载加载数据使用text8作为训练的文本数据集text8中只包含27种字符：小写的从a到z，以及空格符。如果把它打出来，读起来就像是去掉了所有标点的wikipedia。直接调用lesson1中maybe_downlo
梦里茶·2020-09-10 18:07

Google 深度学习笔记 卷积神经网络

ConvolutionalNetworks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deepdiveintoimagesandconvolutionalmodelsConvnetBackGround人眼在识别图像时，往往从局部到全局局部与局部之间联系往往
梦里茶·2020-09-10 18:06

小白怎样开始深度学习——从paddlepaddle框架开始

这个假期由于疫情也变得格外漫长，也是偶然的机会，第一次参加百度飞桨平台的7天打卡营疫情特辑，这让我对深度学习的方向有了明确的定位。
小酒友·2020-09-10 14:42

深度学习笔记(4)：1.11 为什么要使用卷积运算？

1.11为什么要使用卷积(whyconvolutions?)首先直观上，使用卷积比全连接网络少很多参数，如下图所示:对于32*32*3的图像，令f=5，使用6个filter，参数值为5*5*6+6=156个参数，权重参数个数为5*5*6，偏差为6个，所以是156。但是全连接会产生多少个参数呢？将这两个图片都flatten成向量，分别是3072维和4704维向量，这时使用全连接就会有3072*470
起个名字好难.JPG·2020-09-10 14:28

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
banghu8816·2020-09-10 12:05

百度飞桨携手英伟达EGX打造边缘AI技术底座

AI的下一个机遇正在边缘爆发。12月18日，英伟达GTCCHINA2019这一年度AI盛会于苏州正式开幕，英伟达创始人CEO黄仁勋到场发表演讲，强调了边缘智能新机遇。会议中，百度开源深度学习平台飞桨宣布已适配NVIDIAEGX边缘计算平台，飞桨深度学习推理模型可直接在EGX平台上运行，并提供端云协同解决方案。双方强强联手，为边缘AI落地打造了坚实技术底座。让AI在数据产生的地方执行，无论是在工厂设
飞桨PaddlePaddle·2020-09-10 11:35

深度学习笔记(2)：3.1 参数调试过程 | 3.2 使用适当的尺度选择参数 | 3.3 调参实践

3.1调试过程(tuningprocess)在训练神经网络过程中，我们会有很多的超参数需要调试，比如学习率，momentum参数，adam参数、和，神经网络层数(layers)，每层神经网络隐藏的神经元(hiddenunits)，如果使用learningratedecay，还会有其他参数，还有mini-batch的大小。但这些参数重要性有区别，如下图所示：红色圈起来的学习率是最重要的，其次是黄色，
起个名字好难.JPG·2020-09-10 10:17

Github热榜：中英文识别OCR模型，百度开源媲美收费软件！

近日，百度飞桨正式开源了业界最小的超轻量8.6M中英文识别OCR模型套件PaddleOCR，在模型大小、精度和预测速度上，甚至超过了之前一度登上GitHub热榜的chineseocr_lite（5.1kstars
前端开发博客·2020-09-10 08:39

飞桨PaddleHub项目实践心得——奔跑在粒子中

写在前面把人生中第一篇博文献给了百度飞桨，不得不说21天零基础入门是一个良心课程，视频教学结合notebook代码实现，可以结合自己的实际情况调整学习的节奏。
lvfang0912·2020-08-30 11:03

## 百度架构师手把手带你零基础实践深度学习 结课总结

百度架构师手把手带你零基础实践深度学习结课总结比赛项目：AI识虫相关：YOLO、百度飞桨AIStudio相关知识目录：目标检测发展历程目标检测基础概念边界框（boundingbox）锚框（Anchorbox
腾冲牧马牛·2020-08-29 19:28

深度学习和百度飞桨初体验

深度学习和百度飞桨初体验课程内容概要心得体会最近参加了《百度架构师手把手带你零基础实践深度学习》课程，对深度学习以及百度的飞桨PaddlePaddle深度学习平台有了一个初步的了解。
moonc03·2020-08-29 17:32

吴恩达深度学习笔记04——卷积神经网络1

一、计算机视觉计算机视觉（ComputerVision）的高速发展标志着新型应用产生的可能，例如自动驾驶、人脸识别、创造新的艺术风格。人们对于计算机视觉的研究也催生了很多机算机视觉与其他领域的交叉成果。一般的计算机视觉问题包括以下几类：图片分类（ImageClassification）；目标检测（Objectdetection）；神经风格转换（NeuralStyleTransfer）。应用计算机视
阿尔基亚·2020-08-26 23:59

[百度飞桨PaddlePaddle]Python“小白”逆袭大神--训练营结营心得

学习背景我是一个可以说混了4年的phper，高不成低不就的。每天写业务逻辑，改bug，日复一日。为啥一个phper干了那么久现在才学python呢？是否不务正业什么的？其实我在17~18年就开始接触python，基本是学了基础语法，看了唐宇迪老师的部分深度学习视频，但基本上就停留在知道的这个层面，实践很少，可以说完全就是小白。为什么会参加这个训练营活动？最近在听同事汇报工作的时候，看到对方的PPT
ming明如月·2020-08-26 16:23

神经网络向量化与矩阵维度 [Andrew Ng 深度学习笔记]

成本函数：单样本时，假设成本函数为:,为预测值，为标签值那么多样本时，假设样本数为m,成本函数为：就是把每个样本分别算出成本函数再相加。大概的思路是把m个样本的每次实验当作独立同分布的，所以总共m次实验在概率上应该全部乘起来。对累乘的结果取对数，增减性不变。把对数符号里的累乘符号提出，就变成累加的了。为了方便后续计算，使m不同时，成本函数依然在一个数量级（保持和单样本时一样的尺度），故要对成本函数
Originum·2020-08-26 16:35

百度飞桨深度学习 21天零基础入门——AI识虫 提交格式问题

一、项目简介报名了百度大脑AIStudio练习赛AI识虫，有7类虫子数据，通过检测算法将检测结果按照一定格式保存到json,在线提交。具体https://aistudio.baidu.com/aistudio/competition/detail/24?_=1598419570312二、提交格式json文件中保存着测试结果，是包含所有图片预测结果的list，其构成如下：[[img_name,[[l
sinat_34618200·2020-08-26 16:22

百度飞桨深度学习 21天零基础入门——学习心得

一、前言偶然在飞桨公众号"飞桨PaddlePaddle"上看见一个21天零基础深度学习带学的消息，抱着试一试的心态报了名，其实并没报太大期望（OS：之前也报过其他的"××吧"、"***线"等课程，还是付费的，虽然钱不多，但是讲的真是一般，也没学到啥），AIStudio也许是yiyang。进群了解到居然要每天打卡做作业，一度想放弃。刚好赶上最近找房子搬家，不过我也没想到到现在还在坚持每天打卡学习（不
sinat_34618200·2020-08-26 16:02

最全目标检测相关资料整理 (目标检测+数据增强+卷价神经网络+类别不均衡...)

1小目标检测：综述：综述论文Augmentationforsmallobjectdetection深度学习笔记（十）Augmentationforsmallobjectdetection（翻译）吴建明wujianning
stay_foolish12·2020-08-26 14:15

深度学习笔记（2）——卷积神经网络（Convolutional Neural Network）

卷积神经网络（ConvolutionalNeuralNetwork,CNN）是深度学习转折的标志性成果，在深度学习的早期，以Hinton等为代表的学者们研究主要集中在RBM（限制波尔兹曼机），AE（自编码器）等传统的全连接神经网络框架上，这个时期虽然出现了很多无监督、优化函数改进之类的研究，使得传统的神经网络层数有所增加，但是终究没有脱离全连接神经网络框架的约束，以至于最终网络可训练的参数量还是遇
迷川浩浩_ZJU·2020-08-26 13:30

百度飞桨PaddlePaddle学习

在百度飞桨课程的指导下，我学习了使用python语言和numpy库来构建房价预测模型。
QXOOOOO·2020-08-25 17:07

今晚直播 | 从此明白了卷积神经网络，AI识别车牌当然不在话下

为了降低深度学习技术门槛、培养最优秀的AI人才，百度飞桨资深算法工程师、联合百度认证布道师团队，反复打磨推出了第五期百度深度学习7日打卡营，通过5个新冠疫情最新实战案例、1场人流密度实战比赛，一站式带大家零基础玩转深度学习
飞桨PaddlePaddle·2020-08-25 17:33

百度飞桨深度学习公开课预约中

11月1日，AIIA2019人工智能开发者大会即将以“‘源’开则行，‘机’智则灵”为题于杭州拉开帷幕。据悉，此次大会将继续邀请国内外人工智能产业知名人士、国家政府主管部门、行业内顶尖企业与知名学者代表等，现场交流技术现状趋势，分享生态建设等经验。百度作为联合主办单位，将围绕其自研、国际领先的端到端的开源深度学习平台飞桨（PaddlePaddle），在大会当天带来技术、案例与实战兼有的深度学习公开课
飞桨PaddlePaddle·2020-08-25 17:32

百度飞桨坚持21天深度学习架构训练营之MNIST手写识别

通过极简方案构建手写数字识别模型在“横纵式”教学法中，纵向概要介绍模型的基本代码结构和极简实现方案加载库#加载飞桨和相关类库importpaddleimportpaddle.fluidasfluidfrompaddle.fluid.dygraph.nnimportLinearimportnumpyasnpimportosfromPILimportImage数据处理#如果～/.cache/paddl
Nancynoha·2020-08-25 17:30

百度飞桨坚持21天深度学习架构训练营之MNIST手写识别之【数据处理】

手写识别之数据处理概述1.读入数据并划分数据集2.训练样本乱序、生成批次数据3.校验数据有效性机器校验人工校验封装数据读取与处理函数概述在工业实践中，我们面临的任务和数据环境千差万别，通常需要自己编写适合当前任务的数据处理程序，一般涉及如下三个环节：读入数据并划分数据集生成批次数据并训练样本集乱序校验数据有效性1.读入数据并划分数据集在实际应用中，保存到本地的数据存储格式多种多样，如MNIST数据
Nancynoha·2020-08-25 17:30

百度飞桨系统

百度飞桨系统是目前国内领先的深度学习领域企业级应用平台。作为一个长期从事研究工作的人，从研发与应用的视角，我有一点思索，或者也是对飞桨系统可以进一步提升影响力的参考。
Liqima_2019·2020-08-25 17:16

Paddle 深度学习笔记

这些天我收获了什么Day1python信息可视化使用百度开源可视化框架pyecharts，绘制基本图表，地图图表pipinstallpyechartspipinstallpyechartsdemo：//导入柱状图-BarfrompyechartsimportBar//设置行名columns=["Jan","Feb","Mar","Apr","May","Jun","Jul","Aug","Sep"
Simonn_z·2020-08-25 17:13

【百度飞桨强化学习7日打卡营】学习笔记 -- 第四课：基于策略梯度求解RL

写在前面本次课程是参加百度飞桨7日打卡营活动的第四天笔记。
wongHome·2020-08-25 17:58

百度飞桨七日深度学习手势识别

百度飞桨七日深度学习手势识别，paddlepaddle免费GPU算力，以及很好的封装，对初学者灰常友好~~~~。
坚韧不拔之志·2020-08-25 15:44

paddle学习笔记

疫情期间参加了百度飞桨的深度学习课程，可以说收获了不少校内没有学到的知识，尤其是一些实战经验（很高兴看到疫情期间国内陆续又有了几家开源的深度学习框架作为最早开源国产深度学习框架，paddlepaddle
Maestro_T·2020-08-25 15:30

百度飞桨PaddlePaddle学习

学习了人工智能、机器学习、深度学习的关系机器学习的实现机器学习的实现可以分成两步：训练和预测，类似于我们熟悉的归纳和演绎。深度学习机器学习算法理论在上个世纪90年代发展成熟，在许多领域都取得了成功应用。但平静的日子只延续到2010年左右，随着大数据的涌现和计算机算力提升，深度学习模型异军突起，极大改变了机器学习的应用格局。今天，多数机器学习任务都可以使用深度学习模型解决，尤其在语音、计算机视觉和自
ManziHE·2020-08-25 15:30

百度飞桨世界冠军带你从零实践强化学习三岁总结

百度飞桨从零实践强化学习三岁总结机器学习，三岁系列合集强化学习个人感悟学习思路这里是三岁，一眨眼从零实践强化学习课程就结束啦，三岁也是一脸懵逼，懵逼树下你和三岁，面对面！
叁岁学编程·2020-08-25 15:55

百度飞桨坚持21天深度学习架构训练营之MNIST手写识别之【Lenet实现】

目录网络配置输出每一层网络形状训练代码网络配置#导入需要的包importpaddleimportpaddle.fluidasfluidimportnumpyasnpfrompaddle.fluid.dygraph.nnimportConv2D,Pool2D,Linear#定义LeNet网络结构classLeNet(fluid.dygraph.Layer):def__init__(self,num_
Nancynoha·2020-08-25 15:36

如何做视频教程笔记（以吴恩达课程为例）

本人写过机器学习笔记和深度学习笔记，细心的朋友可以发现我有参考视频的字幕。我推荐我记笔记的方法和几个工具（所有工具现在都有最新版，但还是旧版好用）。
风度78·2020-08-25 00:20

可信云最高级认证 百度飞桨企业版BML就是这么飒！

刚刚结束的“2020可信云大会”上，百度飞桨企业版BML喜获可信云最高级认证证书！
百度智能云·2020-08-24 18:38

又一个新基建标杆案例来了！百度与上海浦东新区签署战略合作协议

双方将发挥各自优势，共同探索人工智能技术在实体经济中的创新应用，推进全国首个百度飞桨人工智能产业赋能中心在浦东新区的落地，加速城市新一代智能管理，共同打造城市智能化升级新范本。
百度智能云·2020-08-24 18:06

Sigmoid ,tanh,ReLU常用的非线性激励函数的代码实现——深度学习笔记 ~2018年11月22

三大激励函数importnumpyasnpimportmatplotlib.pyplotaspltx=np.arange(-10,10,0.1)#随机生成-10到10之间的数据，步长为0.1y=1/(1+np.exp(-x))#函数plt.figure(1)#图号p1=plt.subplot(211)#绘图位置p1.set_title('Sigmoid')#标题名称p1.axhline(0.5,l
冷心笑看丽美人·2020-08-24 17:28

池化层学习笔记（C++实现）

参考文章：《深度学习笔记5：池化层的实现》池化层的理解：池化层是卷积神经网络中常用的操作，属于前馈神经网络的一部分。
张杰_·2020-08-24 15:51

飞桨初体验——百度架构师手把手带你零基础实践深度学习

飞桨初体验——百度架构师手把手带你零基础实践深度学习课程简介波士顿房价预测任务1.python+numpy实现2.paddle实现课程简介《百度架构师手把手带你零基础实践深度学习》是由百度飞桨团队精心打磨的一款线上课程
weixin_44139810·2020-08-24 04:02

百度飞桨架构师手把手带你零基础实践深度学习——第二周实战

百度飞桨架构师手把手带你零基础实践深度学习——打卡计划总目录第二周实战下面给出课程链接，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 °·2020-08-24 02:00

百度飞桨架构师手把手带你零基础实践深度学习——卷积神经网络

百度飞桨架构师手把手带你零基础实践深度学习——打卡计划总目录卷积神经网络卷积（Convolution）卷积计算卷积的特点填充（padding）步幅（stride）感受野（ReceptiveField）多输入通道
only one °·2020-08-24 02:59

百度飞桨架构师手把手带你零基础实践深度学习——VisualDL

百度飞桨架构师手把手带你零基础实践深度学习——打卡计划总目录VisualDL2.0应用升级--基于「手写数字识别」模型的全功能展示VisualDL2.0使用步骤搭建LeNet网络训练网络并使用VisualDL2.0
only one °·2020-08-24 02:28

百度飞桨架构师手把手带你零基础实践深度学习——【第一周实践作业】

百度飞桨架构师手把手带你零基础实践深度学习——打卡计划总目录【第一周实践作业】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 °·2020-08-24 02:28
上一页 29 30 31 32 33 34 35 36 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他