limu深度学习笔记

深度学习笔记

TensorFlowTensorFlow不仅是一个实现机器学习算法的接口，也是一种框架，也可用于线性回归、逻辑回归、随机森林等算法；TensorFlow使用数据流图来规划计算流程，每个运算操作作为一个节点node，节点之间的连接称为边，边中流动的数据称为张量，故而得名TensorFlow，预算操作可以有自己的属性，但必须被预先设置，或者能在创建计算图时被推断出来；TensorFlow有一套为节点分
村雨1943·2019-09-28 10:00

深度学习笔记

TensorFlowTensorFlow不仅是一个实现机器学习算法的接口，也是一种框架，也可用于线性回归、逻辑回归、随机森林等算法；TensorFlow使用数据流图来规划计算流程，每个运算操作作为一个节点node，节点之间的连接称为边，边中流动的数据称为张量，故而得名TensorFlow，预算操作可以有自己的属性，但必须被预先设置，或者能在创建计算图时被推断出来；TensorFlow有一套为节点分
cunyu1943·2019-09-28 00:00

深度学习笔记13_猫狗分类案例 - 从头开始训练一个神经网络

在小型数据集上从头开始训练一个卷积神经网络小型数据集的模型构建的策略小型数据集：“很少的”样本可能是几百张图像，也可能是几万张图像。接下来的示例中，主要用来猫狗分类：4000张图片（2000猫，2000狗）训练数据为：2000验证数据：1000测试数据：1000对于小型数据集的基本策略如下：据从头开始训练一个新模型，不做任何正则化，为模型目标设定一个基准，这里大概为71的精度介绍数据增强（data
瓦力人工智能·2019-09-25 09:00

深度学习笔记（十二）车道线检测 LaneNet

论文：TowardsEnd-to-EndLaneDetection:anInstanceSegmentationApproach代码：https://github.com/MaybeShewill-CV/lanenet-lane-detection参考：车道线检测算法LaneNet+H-Net（论文解读）数据集：TusimpleOverview本文提出一种端到端的车道线检测算法，包含LanNet+
xuanyuyt·2019-09-15 17:00

【深度学习笔记】——win10安装tensorflow-gpu==2.0.0-rc0

目录1安装CUDA10.0（注意不是10.1）和CUDNNforCUDA10.02安装tensorflow1安装CUDA10.0（注意不是10.1）和CUDNNforCUDA10.0  因为前面安装过tensorflow-gpu1.13，所以这里不详细介绍了，有兴趣可以看那个帖子。安装2.0最大的不同就是用CUDA10.1无法正确安装，所以先把CUDA都卸载之后再安装10.0的版本卸载tensor
孙悟充·2019-09-12 17:28

深度学习笔记（49） 风格代价函数

深度学习笔记（49）风格代价函数1.风格相关系数2.风格矩阵3.风格代价函数1.风格相关系数比如有这样一张图片，可能已经对这个计算很熟悉了，它能算出这里是否含有不同隐藏层现在选择了某一层lll（编号1）
氢键H-H·2019-09-11 08:04

深度学习笔记（43） Siamese网络

深度学习笔记（43）Siamese网络1.Siamese网络2.建立人脸识别系统3.训练网络1.Siamese网络深度学习笔记（42）人脸识别提到的函数ddd的作用：输入两张人脸，然后告诉它们的相似度实现这个功能的一个方式就是用
氢键H-H·2019-09-10 08:19

深度学习笔记（47） 神经风格迁移

深度学习笔记（47）神经风格迁移1.神经风格迁移2.代价函数1.神经风格迁移近，卷积神经网络最有趣的应用是神经风格迁移来看几个例子，比如这张照片，照片是在斯坦福大学拍摄的如果想利用右边照片的风格来重新创造原本的照片
氢键H-H·2019-09-08 17:50

AI学习初期的【网址】

吴恩达深度学习笔记以及代码作业：https://github.com/HuangCongQing/deeplearning.ai-note推荐大家上github这个项目，问答作业和编程作业比较全，版式也很工整
509728263·2019-09-08 03:05

深度学习笔记07_预测波士顿房价-回归问题案例

预测波士顿房价-回归问题案例问题描述：回归问题是机器学习常见的问题，它预测一个连续值而不是离散的标签，例如，根据气象数据预测明天的气温，或者根据软件说明书预测完成软件项目所需要的时间注意的地方：logistic回归不是回归算法，而是分类算法。祥见logistic回归数据加载本节将要预测20世纪70年代中期波士顿郊区房屋价格的中位数，已知当时郊区的一些数据点，比如犯罪率、当地房产税率等。  只有50
瓦力人工智能·2019-09-03 23:11

神经网络与深度学习笔记

1、代价函数：，它是遍及每个训练样本代价的平均值。在实践中，利用梯度下降，需要为每个训练输入x单独地计算梯度值，然后求平均值。但训练输入数量过大时会花费很长时间，借助随机梯度下降的算法能加速学习。其思想是：通过随机选取小量训练输入样本(mini-batch)计算，进而估算梯度:在当前小批量数据中的所有训练样本上训练结束，再挑选另一随机选定的小批量数据去训练，直到用完所有的训练输入，这被称为完成了一
colourgxk·2019-08-30 17:07

神经网络和深度学习笔记

前言课程链接：神经网络和深度学习公式绘制AxMath欢迎指正文中的各种错误LogisticRegressionModelSigmoidFunctionLogisticRegressionCostFunctionGradientDescent后面会章节会省略dw1,dw2和db的引号LogisticRegressiononmExamplesVectorizingLogisticRegressionN
pokopiko·2019-08-30 00:00

神经网络和深度学习笔记

前言课程链接：神经网络和深度学习公式绘制AxMath不断更新中欢迎指正文中的各种错误LogisticRegressionModellogistic_regression_model.pngsigmoid.pngLogisticRegressionCostFunctionlogistic_regression_cost_function.pngGradientDescent后面会章节会省略引号gra
pokopiko·2019-08-29 17:40

深度学习笔记01 - 深度学习的基础概念

[toc]深度学习的基础概念人工智能、机器学习与深度学习人工智能的概念：努力将通常由人类完成的智力任务自动化。人工智能、机器学习与深度学习三者的关系人工智能、机器学习与深度学习三者的关系机器学习机器学习系统是训练出来的，而不是明确地用程序编写出来的。机器学习：在预先定义好的可能性空间中，利用反馈信号的指引来寻找输入数据的有用表示。深度学习机器学习和深度学习的核心问题在于有意义地变换数据，换句话说，
瓦力人工智能·2019-08-28 09:49

李弘毅 深度学习笔记 之 P1ML lecture 1_Regression

文章目录梯度下降法一次方模型二次方模型三次方模型四次方模型五次方模型过拟合扩充训练集重新设计加入物种信息的模型重新设计加入物种信息的复杂模型加入正则化台湾李弘毅教授的DeepLearning教程，第一讲1Regression相关的，教程以Pokemon游戏的cp值为样本库进行训练，分析，一步步的改进模型，讲解的很细致，可以给初学者训练AI提供一个思路，且讲解的很清晰透彻，个人觉得他的台湾腔听起来有
Nani_xiao·2019-08-19 17:39

深度学习笔记之《解析卷积神经网络》附下载地址

点击上方“Datawhale”，选择“星标”公众号第一时间获取价值内容《解析卷积神经网络》是@魏秀参博士撰写的深度学习实践手册，主要以卷积神经网络为主体，可以在魏博士个人主页获取电子版或者在文末下载，解析卷积神经网络——深度学习实践手册[1]，基本涵盖了卷积神经网络的基础概念、实践操作等，内容也不多，平时看看复习一下也不错，这篇文章的目的是为方便大家快速学习和复习所用，同时也便于之后在这个基础上丰
Datawhale·2019-08-14 09:00

深度学习笔记

深度学习笔记资料地址https://blog.csdn.net/kkkkkiko/article/details/82870773在神经网络模型中，前几层神经网络能检测到边界，后几层可能检测到物体小部分
eastbell·2019-08-08 09:24

深度学习笔记（十八）—— Memory Networks

0.Introduction本次实验的代码主要参考自github的开源代码，原文请点击这里。0.1Experimentalcontentandrequirements本次实验内容主要实现和运行DynamicMemoryNetworksforVisualandTextualQuestionAnswering(2016)，使用的是数据集是bAbI数据集The(20)QAbAbItasks，具体要求如下
Nino_Lau·2019-08-02 09:42

深度学习笔记（十四）—— GAN-3

实验要求与基本流程实验要求完成上一节实验课内容，理解GAN(GenerativeAdversarialNetworks,生成对抗网络)的原理与训练方法.结合理论课内容,了解CGAN,pix2pix等模型基本结构和主要作用.阅读实验指导书的实验内容,按照提示运行以及补充实验代码,或者简要回答问题.提交作业时,保留实验结果.实验流程CGANpix2pixCGAN(ConditionalGAN)由上节课
Nino_Lau·2019-08-02 09:59

深度学习笔记（十二）—— GAN-1

实验要求与基本流程实验要求结合理论课内容，深入理解GAN(GenerativeAdversarialNetworks,生成对抗网络)的原理与训练过程.了解GAN网络结构的演变过程与几个基本的GAN的原理(如DCGAN,wGAN等.)阅读实验指导书的实验内容,按照提示运行以及补充实验代码,或者简要回答问题.提交作业时,保留实验结果.实验流程GAN的网络结构与训练DCGANLSGANWGANWGAN-
Nino_Lau·2019-08-02 09:46

深度学习笔记（五）—— 分类网络的训练问题-1

Inthispart,wewillformallysetupasimplebutpowerfulclassificationnetwork,torecogize0-9nubmersinMNISTdataset.Yep,wewillbuildaclassificationnetworkandtrainfromscratch.Wewouldintroducesometechniquestoimprov
Nino_Lau·2019-08-02 09:15

NLP和深度学习笔记_概论和实现步骤以及包下载

https://www.bilibili.com/video/av42021445/?p=6卷积的过程就是特征提取的过程。机器翻译，聊天机器人，情感分类和语义搜索例子：将英文翻译成德文，就是利用的多层次递归神经网络sequencetosequence需要：编码器+解码器谷歌2017年提出来的深度学习在自然语言处理的步骤：1）论文的阅读，最新算法的研究自然语言处理最顶级：ACL2）算法的大概方向的评
cocosion·2019-08-01 10:00

TensorFlow笔记（11） GoolgeNet

TensorFlow笔记（11）GoolgeNet1.Inception块2.数据读取3.构建模型4.训练模型5.评估模型6.模型预测1.Inception块根据深度学习笔记（30）Inception网络可以了解到可以利用
氢键H-H·2019-07-30 20:41

深度学习笔记

持续更新...目录sigmoid和tanh的缺点softmax回归神经网络计算结构针对问题的不同算法one-hot表示阶跃函数做激活函数的问题卷积层和池化层的展开实现图像上采样（upsampling）和下采样（downsampling）名词解释卷积的部分连接神经网络的本质GlobalPooling(全局池化)sigmoid和tanh的缺点sigmoid函数和tanh函数两者共同的缺点是，在z特别大
且听风吟0618·2019-07-19 17:11

深度学习笔记（30） Inception网络

深度学习笔记（30）Inception网络1.Inception模块2.瓶颈层3.Inception网络4.Inception网络的细节1.Inception模块构建卷积层时要决定过滤器的大小究竟是1×
氢键H-H·2019-07-11 08:57

吴恩达 - 深度学习笔记 - 导航

[C0]人工智能大师访谈by吴恩达0.1吴恩达采访GeofferyHinton0.2吴恩达采访IanGoodfellow0.3吴恩达采访RuslanSalakhutdinov0.4吴恩达采访YoshuaBengio0.5吴恩达采访林元庆0.6吴恩达采访PieterAbbeel0.7吴恩达采访AndrejKarpathy[C1W1]NeuralNetworksandDeepLearning-Intr
weixin_30314813·2019-07-09 20:00

【资料】机器学习笔记的github镜像下载（github个人star数量排名175）

其中机器学习笔记10000+star，深度学习笔记7200+star。
湾区人工智能·2019-07-09 19:00

神经网络与深度学习笔记（四）：向量化以提高计算速度

我们在计算模型w的转置乘上x的时候，往往需要把w和x分别进行向量化然后运算，因为这样会使我们的计算机得到结果的时间更快，而且这种方法不管是在CPU还是在GPU上都是成立的，首先我们来看看代码：importnumpyasnpimporttimea=np.random.rand(1000000)b=np.random.rand(1000000)toc=time.time()c=np.dot(a,b)t
Geeksongs·2019-07-07 11:00

神经网络与深度学习笔记（三）：逻辑回归的损失函数

以上是之前我们所学习的sigmoid函数以及logistic函数，下面是我们代价函数的普遍定义形式：虽然普遍形式是有了，当然这个函数也仅仅是对第i个x才成立，如果想要得到连续的x的值则需要不断累加第i个的代价的值。如果想要上面的那种形式来作为代价函数，那么我们得到的代价函数不是凸函数因此不可能进行优化，于是引入了下面的这种形式来进行的，其具体形式是怎样的呢？我们来看看：代价函数是使用实际的值和拟合
Geeksongs·2019-07-05 13:00

TensorFlow笔记（9） ResNet

TensorFlow笔记（9）ResNet1.残差网络分类问题2.数据读取3.构建模型4.训练模型5.评估模型6.模型预测1.残差网络分类问题非常深的神经网络是很难训练的，因为存在梯度消失和梯度爆炸问题根据深度学习笔记
氢键H-H·2019-07-05 08:38

TensorFlow笔记（8） LeNet-5卷积神经网络

TensorFlow笔记（8）LeNet-5卷积神经网络1.卷积神经网络分类问题2.数据读取3.构建模型4.训练模型5.评估模型6.模型预测1.卷积神经网络分类问题假如对单神经元的模型92.28%的准确率还不满意根据深度学习笔记的深度学习笔记
氢键H-H·2019-06-28 08:13

深度学习笔记（26） 卷积神经网络

深度学习笔记（26）卷积神经网络1.CONV2.POOL3.Layer4.FC5.卷积的优势1.CONV假设，有一张大小为32×32×3的输入图片，这是一张RGB模式的图片想做手写体数字识别32×32×
氢键H-H·2019-06-26 08:13

深度学习笔记（12） Batch归一化网络

深度学习笔记（12）Batch归一化网络1.Batch归一化2.激活值归一化3.特殊情况不归一化4.mini-batch上的Batch归一化1.Batch归一化Batch归一化，由Sergeyloffe
氢键H-H·2019-06-07 09:21

深度学习笔记（10） 优化算法（二）

深度学习笔记（10）优化算法（二）1.Adam优化算法2.学习率衰减3.局部最优的问题1.Adam优化算法Adam代表的是AdaptiveMomentEstimation基本上就是将Momentum和RMSprop
氢键H-H·2019-06-05 08:03

深度学习笔记（9） 优化算法（一）

深度学习笔记（9）优化算法（一）1.Mini-batch梯度下降2.指数加权平均数3.动量梯度下降法4.均方根反向传播1.Mini-batch梯度下降把训练样本放大巨大的矩阵X当中去，X=[x(1)x(
氢键H-H·2019-05-31 21:10

深度学习笔记（一）DNN-在mnist数据集上用keras搭建dnn

本文代码运行的环境为:ubuntu16.0464cuda=9.0cudnn=7.0.5tensorflow=1.12.0python=3.6.4(anaconda3.5.1)本文包含的知识点有:Keras简介Keras使用Sequential序列模型Keras模型可视化Keras模型编译运行Keras模型保存与加载1.Keras简介Keras是一个用于构建和训练深度学习模型的高阶API。它可用于快
如雨星空·2019-05-28 23:17

深度学习笔记

什么是凸集、凸函数、凸学习问题？凸集：若对集合C中任意两点u和v，连接他们的线段仍在集合C中，那么集合C是凸集。公式表示为：αu+(1-α)v∈Cα∈[0,1]凸函数：凸集上的函数是凸函数。凸函数的每一个局部极小值也是全局极小值(f(x)=0.5x^2)。公式表示为：f(αu+(1-α)v)≤αf(u)+(1-α)f(v)L0、L1、L2正则化？L0范数：计算向量中非0元素的个数。L1范数：计算向
潇萧之炎·2019-05-26 14:47

深度学习笔记----计算机视觉的任务及对应的网络模型

计算机视觉计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。深度学习在计算机视觉领域四大基本任务中的应用，包括：任务名称输入输出评估方法图像分
weixin_41065383·2019-05-18 17:06

深度学习笔记（3） 向量化逻辑回归

深度学习笔记（3）向量化逻辑回归1.向量化运算的优势2.向量化编程3.举例1.向量化运算的优势python的向量化运算速度快，是非常基础的去除代码中for循环的艺术可以看出相同的运算，时间相差接近335
氢键H-H·2019-05-17 20:16

深度学习（二十一）：循环神经网络RNN

编程语言：Python参考资料：吴恩达老师的深度学习系列视频吴恩达老师深度学习笔记整理唐宇迪深度学习入门视频课程深度学习500问RNN&LSTM笔记下载：深度学习个人笔记完整版序列模型(SequenceModel
打不死的小黑·2019-05-16 21:33

深度学习笔记~集成方法bagging, boosting和stacking

转载：https://towardsdatascience.com/ensemble-methods-bagging-boosting-and-stacking-c9214a10a205作者：JosephRoccaEnsemblemethods:bagging,boostingandstackingIntroduction“Unityisstrength”.Thisoldsayingexpress
zlibo丶·2019-05-16 19:25

深度学习笔记（1） 深度学习简介

深度学习笔记（1）深度学习简介1.引言2.神经网络3.兴起1.引言在机器学习的历史上，一共出现了两种定义：1956年，开发了西洋跳棋AI程序的ArthurSamuel在标志着人工智能学科诞生的达特茅斯会议上定义了
氢键H-H·2019-05-15 21:01

正则化(Regularization)分析 [Andrew Ng 深度学习笔记]

之前一直都是看别人的公式，不理解正则化为什么会work，看了吴恩达老师的课后，感觉明白了许多，在这里整理一下笔记我感觉“正则化”这个词，在中文的语义看来有点奇怪，第一次看它感觉挺晦涩的但是当看到它的英文是Regularization时，我感觉就好理解许多了高方差(highvariance)与过拟合(overfitting)高方差就是指在训练集上表现良好(lowtrainseterror)，但是在验
Originum·2019-05-15 20:25

吴恩达深度学习笔记

深度学习视频总结2.02（红色为小标题，蓝色比较重要）第四讲第二周(4.2.1)为什么要进行实例探究(4.2.2)经典网络LeNet-5网络当时还没有padding,所以图片在卷积过程当中越来越小；也没有ReLu函数，当时这个例子用的是sigmoid函数。超级参数不是很多。这个典型的网络有padding，使用的是ReLU函数。超级参数也比较多。卷积核大小确定为3*3，池化层的超级参数也确定了，步幅
秀猪儿·2019-05-10 17:32

深度学习笔记~卷积网络中特征图的可视化

转载：https://machinelearningmastery.com/how-to-visualize-filters-and-feature-maps-in-convolutional-neural-networks/作者：JasonBrownlee,PhDHowtoVisualizeFiltersandFeatureMapsinConvolutionalNeuralNetworksDee
zlibo丶·2019-05-08 18:46

深度学习笔记~1x1卷积层在CNN中降低模型复杂度

转载：https://machinelearningmastery.com/introduction-to-1x1-convolutions-to-reduce-the-complexity-of-convolutional-neural-networks/作者：JasonBrownlee,PhD一篇关于1x1卷积层在CNN中的作用详细解释，并附有代码。AGentleIntroductionto1
zlibo丶·2019-05-07 14:25

《DeepLearning.ai 深度学习笔记》发布，黄海广博士整理

深度学习入门首推课程就是吴恩达的深度学习专项课程系列的5门课。该专项课程最大的特色就是内容全面、通俗易懂并配备了丰富的实战项目。今天，给大家推荐一份关于该专项课程的核心笔记！这份笔记只能用两个字形容：全面！课程概述关于该深度学习专项课程，红色石头非常推荐！它对于理解各种算法背后的原理非常有帮助，同时提供了大量的应用场景，涉及图像、语音、自然语言理解等各方面，还提供了一些工具函数、数据集。这个系列课
飞龙·2019-05-05 00:00

深度学习笔记之五——tensorflow的多值离散值特征的embedding

Embeddingembedding是取代onehot的比较好的一种方式，与NLP中的wordembedding有所区别，我们这里的embedding，仅仅是因为该特征unique值过多，onehot产生的矩阵过宽，所以取而代之使用embedding来减少维度。单值回到题目，对于一般情形下的离散特征，我称之为单值离散值特征，如下：（数据来自movielens）这种状况下的embedding十分简单
落在地上的乐乐·2019-04-24 17:53

深度学习笔记之四——feature_column

1、numeric_column——代表连续数值类型的特征列。2、bucketized_column——将连续数值分箱，如：输入（1，2,3,4,5）按照（0,34,5）两个区间分箱，分箱成为（0,0,0,1,1）的onehot形式，即最终结果为：），（[1,0]#1[1,0]#2[1,0]#3[0,1]#4[0,1]#53、categorical_column_with_identity——将数
落在地上的乐乐·2019-04-22 08:06

【深度学习笔记】tensorflow-gpu1.13 + Win10 + CUDA10.1 + CUDNN7.5.0 + Python3.7 + VS2019安装

目录1准备工作1.1（坑一）确认电脑上没有安装tensorflow的CPU版本，有的话要先卸载1.2（坑二）更新自己的显卡驱动1.3查看python版本1.4查看GPU版本1.5查看Tensorflow版本1.6查看版本支持2安装CUDAToolkit10.13安装cuDNNv7.5.0(Feb25,2019),forCUDA10.14配置环境变量5安装tensorflow1.13(withAna
孙悟充·2019-04-14 17:35
上一页 27 28 29 30 31 32 33 34 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他