python深度学习

Python深度学习基础（二）——反向传递概念透彻解析以及Python手动实现

反向传递概念透彻解析以及Python手动实现前言最简单的反向传递乘法层加法层激活函数的反向传递Relu层Sigmoid层带交叉熵误差的SoftMax层前言我们在感知机中采用了梯度下降的方式实现了参数的优化（手动实现感知机），但是感知机对于较为复杂的问题就显得力不从心了，所以我们需要用到多层感知机，即神经网络。此时的梯度下降就需要通过反向传递来实现了最简单的反向传递我们在感知机中进行的最简单的操作就
艾醒·2022-03-16 07:51

Python深度学习的 Cudatoolkit Cudnn Tensorflow Keras Pytorch 配置全流程

文章目录前言基于CPU基于GPU基于苹果ARM芯片常用命令举例前言Python的学习过程中：管理环境使用Anaconda项目开发使用Pycharm深度学习平台分为两类：1.基于CPU2.基于GPU无论哪一类，都需要搭建一个深度学习框架和配置依赖环境，具体而言都是一个个库，其中基础库的版本必须严格匹配，否则搭建的平台将涌现大量奇怪bug。基于CPU基于CPU的框架兼容性强，通常用于深度学习项目的快速
昊大侠·2022-03-15 07:02

拓端tecdat|python深度学习实现自编码器Autoencoder神经网络异常检测心电图ECG时间序列

原文链接：http://tecdat.cn/?p=25410原文出处：拓端数据部落公众号通过训练具有小中心层的多层神经网络重构高维输入向量，可以将高维数据转换为低维代码。这种神经网络被命名为自编码器Autoencoder。自编码器是非线性降维技术用于特征的无监督学习，它们可以学习比主成分分析效果更好的低维代码，作为降低数据维数的工具。异常心跳检测如果提供了足够的类似于某种底层模式的训练数据，我们可
拓端研究室·2022-03-12 13:29

《Python深度学习》之卷积神经网络可视化

importkeraskeras.__version__首先加载之前保存的模型fromkeras.modelsimportload_modelmodel=load_model('cats_and_dogs_small_2.h5')model.summary()#Asareminder.预处理单张图像img_path='C:/Users/15790/Deep_Learning_with_Python
迪菲赫尔曼·2022-03-12 07:30

python深度学习_《Python深度学习基于PyTorch》

=====================================================选择PyTorch的理由容易上手的强大深度学习框架，像使用Python一样使用PyTorch本书使用环境Python3.6+，Pytorch1.0+，Tensorflow1.5+,GPU或CPU(无需变更代码)视化工具Matplotlib，TensorboardX等2020年8月之后我们在后面
weixin_39563132·2022-03-08 07:38

动手实现深度神经网络3 增加误差反向传播计算梯度&完成MNIST数据集手写数字识别

1.理解误差反向传播关于误差反向传播的理论和使用计算图推导理解的过程，我之前的文章：Python深度学习入门笔记2理解误差反向传播&用python实现自动微
如魔·2022-03-02 07:56

Python深度学习入门笔记 5

Python深度学习入门笔记5这一部分，我们介绍一下深度学习的一些性质特点，发展状况和未来方向等。这一部分没有什么具体的技术细节，也没有代码实现，只是作为后续进一步学习的简单前瞻。
如魔·2022-02-26 07:48

Python深度学习入门笔记 4 CNN

Python深度学习入门笔记4CNN卷积神经网络这一部分的主题是卷积神经网络CNN。
如魔·2022-02-26 07:17

Python深度学习入门笔记 2

Python深度学习入门笔记21.神经网络的学习内容标题中的学习是指从训练数据中自动获取最优权重参数的过程。
如魔·2022-02-26 07:16

Python深度学习（深度学习之前：机器学习简史）----学习笔记（二）

1.2深度学习之前：机器学习简史深度学习已经得到了人工智能历史上前所未有的公众关注度和产业投资，但这并不是机器学习的第一次成功。可以这样说，当前工业界所使用的绝大部分机器学习算法都不是深度学习算法。深度学习不一定总是解决问题的正确工具：有时没有足够的数据，深度学习不适用；有时用其他算法可以更好地解决问题。1.2.1概率建模概率建模（probabilisticmodeling）是统计学原理在数学分析
呆萌的小透明·2022-02-22 07:35

可视化Keras深度学习神经网络模型

为了使开发者更好的理解其开发的神经网络模型，KerasPython深度学习库提供了可视化神经网络模型的工具。这对于产品演示和讲解是非常有用的在本文，你会学到如何在Keras中总结和可视化深度学习模型。
52AI人工智能·2022-02-22 07:04

《Python深度学习》读书笔记：第6章 深度学习用于文本和序列

目录第6章深度学习用于文本和序列6.1处理文本数据6.1.1单词和字符的one-hot编码6.1.2使用词嵌入6.1.3整合在一起：从原始文本到词嵌入6.1.4小结6.2理解循环神经网络6.2.1Keras中的循环层第6章深度学习用于文本和序列本章将介绍使用深度学习模型处理文本（可以将其理解为单词序列或字符序列）、时间序列和一般的序列数据。用于处理序列的两种基本的深度学习算法分别是循环神经网络和一
feiwen110·2022-02-22 07:32

《Python深度学习》读书笔记：第4章 机器学习基础

目录第4章机器学习基础4.1机器学习的四个分支4.1.1监督学习4.1.2无监督学习4.1.3自监督学习4.1.4强化学习4.2评估机器学习模型4.2.1训练集、验证集和测试集4.2.2评估模型的注意事项4.3数据预处理、特征工程和特征学习4.3.1神经网络的数据预处理4.3.2特征工程4.4过拟合与欠拟合4.4.1减小网络大小4.4.2添加权重正则化4.4.3添加dropout正则化4.5机器学
feiwen110·2022-02-22 07:32

《Python深度学习》读书笔记：第3章 神经网络入门

目录第3章神经网络入门3.1神经网络剖析3.1.1层：深度学习的基础组件3.1.2模型：层构成的网络3.1.3损失函数与优化器：配置学习过程的关键3.2Keras简介3.2.1Keras、TensorFlow、Theano和CNTK3.2.2使用Keras开发：概述3.3建立深度学习工作站3.3.1Jupyter笔记本：运行深度学习实验的首选方法3.3.2运行Keras：两种选择3.3.3在云端运
feiwen110·2022-02-22 07:32

《Python深度学习》读书笔记：第1章 什么是深度学习

目录第1章什么是深度学习1.1人工智能、机器学习与深度学习1.1.1人工智能1.1.2机器学习1.1.3从数据中学习表示1.1.4深度学习之“深度”1.1.5用三张图理解深度学习的工作原理1.1.6深度学习已经取得的进展1.1.7不要相信短期炒作1.1.8人工智能的未来1.2深度学习之前：机器学习简史1.2.1概率建模1.2.2早期神经网络1.2.3核方法1.2.4决策树、随机森林与梯度提升机1.
feiwen110·2022-02-22 07:01

python深度学习——第5章 深度学习用于计算机视觉

实现一个简单的卷积神经网络，是Conv2D层和MaxPooling2D层的堆叠。fromkerasimportlayersfromkerasimportmodelsmodel=models.Sequential()model.add(layers.Conv2D(32,(3,3),activation='relu',input_shape=(28,28,1)))model.add(layers.Ma
换种方式生活·2022-02-22 07:53

《python深度学习》学习笔记与代码实现（第六章，6.1处理文本数据）

《python深度学习》第六章深度学习用于文本和序列6.1处理文本数据自然语言处理的应用：文档分类，情感分析，作者识别甚至问答处理文本数据，就是将其转换成数值张量，即文本向量化#one_hot编码#独热编码
Tersai·2022-02-22 07:20

《python深度学习》学习笔记与代码实现（第八章：8.1，8.2，8.3）

《python深度学习》第八章：生成式深度学习8.1使用LSTM生成文本给定一个序列，预测下一个或多个标记的概率，从而生成之后的序列给定前面的标记，能够对下一个标记的概率进行建模的任何网络都叫做语言模型
Tersai·2022-02-22 07:20

《Python深度学习》第五章-6（可视化类激活图）读书笔记

《Python深度学习》第五章-6（可视化类激活图）读书笔记卷积神经网络学到的表示非常适合可视化，很大程度上是因为它们是视觉概念的表示\color{red}视觉概念的表示视觉概念的表示。
Paul-Huang·2022-02-22 07:43

《Python深度学习》第五章-1（CNN简介）读书笔记

第五章深度学习用于计算机视觉5.1卷积神经网络简介5.1.1卷积神经网络对MNIST分类使用卷积神经网络对MNIST数字进行分类，在第2章用密集连接网络做过（当时的测试精度为97.8%）。它是Conv2D层和MaxPooling2D层的堆叠。实例化一个小型的卷积神经网络fromkerasimportlayersfromkerasimportmodelsmodel=models.Sequential
Paul-Huang·2022-02-22 07:42

《Python深度学习》读书笔记：第5章 深度学习用于计算机视觉

目录第5章深度学习用于计算机视觉5.1卷积神经网络简介5.1.1卷积运算5.1.2最大池化运算5.2在小型数据集上从头开始训练一个卷积神经网络5.2.1深度学习与小数据问题的相关性5.2.2下载数据5.2.3构建网络5.2.4数据预处理5.2.5使用数据增强5.3使用预训练的卷积神经网络5.3.1特征提取5.3.2微调模型5.3.3小结5.4卷积神经网络的可视化5.4.1可视化中间激活第5章深度学
feiwen110·2022-02-22 07:36

《脚本之家》的AI书单

DannyKopec《深度学习》【美】lanGoodfellow等《Python神经网络编程》【英】TariqRashid深度学习：《深度学习与TensorFlow实战》李建军等《深度学习原理与实践》陈仲铭等《Python
隨筆塗鴉·2022-02-21 19:40

《python深度学习》笔记（十一）：损失函数

1.定义损失函数的一般表示为L(y,f(x))，用以衡量真实值y和预测值f(x)之间不一致的程度，一般越小越好。为了便于不同损失函数的比较，常将其表示为单变量的函数，在回归问题中这个变量为[y-f(x)]：残差表示，在分类问题中则为yf(x)：趋势一致。具有多个输出的神经网络可能具有多个损失函数，每个输出对应一个损失函数。但是梯度下降过程必须基于单个标量的损失值。因此，对于多个损失函数的网络，需要
AntheLinZ·2022-02-20 19:11

python深度学习实现自编码器Autoencoder神经网络异常检测心电图ECG时间序列

原文链接：http://tecdat.cn/?p=25410通过训练具有小中心层的多层神经网络重构高维输入向量，可以将高维数据转换为低维代码。这种神经网络被命名为自编码器_Autoencoder_。自编码器是_非线性_降_维_技术用于特征的无监督学习，它们可以学习比主成分分析效果更好的低维代码，作为降低数据维数的工具。异常心跳检测如果提供了足够的类似于某种底层模式的训练数据，我们可以训练网络来学习
·2022-02-11 15:00

Python深度学习：OpenCV图像处理实战 HSV处理，图像旋转平移（读书笔记）

今天我们就来继续看一看OpenCV的使用。第四篇一、图片的自由缩放以及边缘裁剪二、图像色调的调整三、图像的旋转、平移和翻转四、使用OpenCV扩大图像数据库1、色彩的随机变换2、对鼠标的监控今天使用的图如下：一、图片的自由缩放以及边缘裁剪#1、对于图片的扩缩，OpenCV提供了一个简单的函数：cv2.resizeimg=cv2.imread("2.jpg")dst=cv2.resize(img,(
芝士工具猿·2022-02-06 18:13

RNN LSTM应用在时间序列上

目标：构建一个Python深度学习模型.用于预测股票价格的流行度.需要了解深度学习概念，特别是LSTM理论.介绍：LSTM在序列预测问题中非常强大.主要是它能够存储过去的信息.学习模型一：数据预处理：机器学习离不开大量的数据
维他柠檬可乐·2022-02-06 07:03

Python深度学习：计算机视觉处理库OpenCV、Numpy编辑图片、高斯模糊处理（读书笔记）

我们上一篇简要的了解了一下机器学习的算法基础，也就是回归分析。今天我们就来看一看OpenCV的使用。第三篇一、三维矩阵存储图片--在Python中使用OpenCV二、OpenCV读取图片三、使用Numpy对图像进行编辑四、OpenCV的卷积核处理使用[3,3]卷积核的结果如下：那么我们也有别的卷积特征提取方式，例如高斯模糊：一、三维矩阵存储图片–在Python中使用OpenCV在正式讲解OpenC
芝士工具猿·2022-02-04 19:40

Python深度学习：Python数据处理及可视化（读书笔记）

老铁们，我们Python的深度学习开始了，第一篇正式的文章就是数据处理和可视化，我们开始吧!数据处理与可视化一、NumPy的初步使用二、Matplotlib包的使用--图形化数据处理三、深度学习理论方法--相似度计算（可以跳过）1、基于欧几里得距离的相似度计算2、基于余弦角度的相似度计算四、数据统计的可视化展示（以我们亳州市降水为例）数据的四分位一、NumPy的初步使用表格是数据的一般表示形式，但
芝士工具猿·2022-02-04 19:09

Python深度学习：计算机视觉与深度学习的关系（包含Anaconda安装与使用，和Pycharm激活虚拟环境教程）

伙计们，这个专栏是作为读书的记录，有喜欢的伙伴也可以一起学习哦！我们第一篇就简要的谈一谈计算机视觉。第一篇一、计算机视觉的难点与人工神经网络1、初识计算机视觉2、计算机视觉的基础与方向二、关于Anaconda的安装与TensorFlow的安装1、安装Pycharm和Anaconda2、在Pycharm中使用虚拟环境一、计算机视觉的难点与人工神经网络1、初识计算机视觉计算机识别有着非常严格的限制和规
芝士工具猿·2022-02-04 19:39

python深度学习include框架_用Python实现深度学习框架

1.大咖推荐：复旦大学计算机学院教授邱锡鹏、品质科技创始人兼CEO袁进辉(@老师木)、格灵深瞳创始人兼CEO赵勇、奇虎360集团副总裁邓亚峰联合推荐2.干货满满：从零开始用Python实现自己的深度学习框架，搭建从逻辑回归到卷积神经网络的各类模型和网络，涵盖模型的训练、评估、保存与部署等工程问题3.聚焦实战：360智能工程部不错机器学习算法工程师倾力打造4.提供源代码这是一本引人入胜的书，它通过由
weixin_39744554·2022-02-04 17:37

python深度学习之多标签分类器及pytorch实现源码

目录多标签分类器多标签分类器损失函数代码实现多标签分类器多标签分类任务与多分类任务有所不同，多分类任务是将一个实例分到某个类别中，多标签分类任务是将某个实例分到多个类别中。多标签分类任务有有两大特点：类标数量不确定，有些样本可能只有一个类标，有些样本的类标可能高达几十甚至上百个类标之间相互依赖，例如包含蓝天类标的样本很大概率上包含白云如下图所示，即为一个多标签分类学习的一个例子，一张图片里有多个类
·2022-02-04 15:48

python深度学习借助多标签分类器进行对抗训练

目前对抗训练的研究方向主要集中在多分类任务中的训练方式上，本文尝试借助多标签分类器来对多分类器进行对抗训练，其中多分类任务和多标签任务的区别可以从文章《python深度学习之
·2022-02-04 15:47

Python深度学习线性代数示例详解

目录标量向量长度、维度和形状矩阵张量张量算法的基本性质降维点积矩阵-矩阵乘法范数标量标量由普通小写字母表示（例如，x、y和z）。我们用R\mathbb{R}R表示所有（连续）实数标量的空间。标量由只有一个元素的张量表示。下面代码，我们实例化了两个标量，并使用它们执行一些熟悉的算数运算，即加法、乘法、除法和指数。importtorchx=torch.tensor([3.0])y=torch.tens
·2021-12-07 17:23

[Python人工智能] 三十三.Bert模型 (2)keras-bert库构建Bert模型实现文本分类

从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。
Eastmount·2021-11-26 14:57

[Python人工智能] 三十二.Bert模型 (1)Keras-bert基本用法及预训练模型

从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。前一篇文章结合文本挖掘介绍微博情感分类知识，包括数据预处理、机器学习和深度学习的情感分类。
Eastmount·2021-11-24 10:44

Python深度学习之使用Albumentations对图像做增强

目录一、导入所需的库二、定义可视化函数显示图像上的边界框和类标签三、获取图像和标注四、使用RandomSizedBBoxSafeCrop保留原始图像中的所有边界框五、定义增强管道六、输入用于增强的图像和边框七、其他不同随机种子的示例一、导入所需的库importrandomimportcv2frommatplotlibimportpyplotaspltimportalbumentationsasA二
·2021-11-18 13:08

python深度学习tensorflow和fme结合，实现档案扫描件数据自动分类

文章目录前言一、深度学习基础知识简介1、什么是深度学习2、深度学习的原理3、深度学习应用场景二、深度学习环境搭建1.深度学习库的安装2.CUDA和对应版本的cudnn下载三、实战教学1.基础数据集的准备2、图片数据集转换为可训练数据集3、模型搭建4、模型初始化和模型训练以及模型保存5、模型再优化6、使用模型进行预测总结前言之前我发过一遍用fme调用谷歌的汉字识别库来实现扫描件分类的文章，虽然能减少
努力的悟空·2021-11-14 23:28

python深度学习人工智能BackPropagation链式法则

目录1.链式法则2.前向传播3.后向传播4.计算方式整理5.总结1.链式法则根据以前的知识，如果我们需要寻找到目标参数的值的话，我们需要先给定一个初值，然后通过梯度下降，不断对其更新，直到最终的损失值最小即可。而其中最关键的一环，就是梯度下降的时候，需要的梯度，也就是需要求最终的损失函数对参数的导数。如下图，假设有一个神经元，是输入层，有2个数据，参数分别是w1和w2，偏置项为b，那么我们需要把这
·2021-11-12 11:14

Python 人工智能 5秒钟偷走你的声音

介绍Python深度学习AI-声音克隆、声音模仿，是一个三阶段的深度学习框架，允许从几秒钟的音频中创建语音的数字表示，并用它来调节文本到语音模型，该模型经过培训，可以概括到新的声音。
·2021-11-12 09:28

《Python深度学习》第三章笔记

神经网络入门神经网络的核心组件层模型损失函数与优化器神经网络解决基本的分类问题与回归问题二分类问题（电影评论分类）准备数据构建网络验证多分类问题（新闻分类）准备数据构建网络验证重新训练模型回归问题（预测房价）神经网络的核心组件层，多个层组合成网络（模型）。输入数据和相应的目标。损失函数，用于学习的反馈信号。优化器，决定学习过程如何进行。多个层链接在一起组成网络，将输入数据映射为预测值。然后损失函数
烟雨行客·2021-11-10 00:59

《Python深度学习》第二章笔记

《Python深度学习》第二章笔记1.第一个神经网络示例2.张量与张量运算张量（输入网络的数据存储对象）张量运算（层的组成要素）逐元素运算广播张量点积张量变形3.神经网络如何通过反向传播与梯度下降进行学习随机梯度下降链式求导
烟雨行客·2021-11-09 00:08

《Python深度学习》第一章笔记

《Python深度学习》第一章笔记1.1人工智能、机器学习、深度学习人工智能机器学习深度学习深度学习的工作原理1.2深度学习之前：机器学习简史概率建模早期神经网络核方法决策树、随机森林与梯度提升机回到神经网络
烟雨行客·2021-11-07 23:19

Mac m1搭建python深度学习环境+pycharm

0、确保已经安装zsh参考教程https://www.jianshu.com/p/677a9bb1ac29https://www.jianshu.com/p/677a9bb1ac291、下载miniforge3下载链接：https://github.com/conda-forge/miniforge/#download选择macarm64位架构:2、打开terminal，cd到下载好的minifa
Crayon8898·2021-11-05 12:12

python深度学习TensorFlow神经网络模型的保存和读取

目录之前的笔记里实现了softmax回归分类、简单的含有一个隐层的神经网络、卷积神经网络等等，但是这些代码在训练完成之后就直接退出了，并没有将训练得到的模型保存下来方便下次直接使用。为了让训练结果可以复用，需要将训练好的神经网络模型持久化，这就是这篇笔记里要写的东西。TensorFlow提供了一个非常简单的API，即tf.train.Saver类来保存和还原一个神经网络模型。下面代码给出了保存Te
·2021-11-04 10:21

Python深度学习神经网络基本原理

目录神经网络梯度下降法神经网络梯度下降法在详细了解梯度下降的算法之前，我们先看看相关的一些概念。1.步长（Learningrate）：步长决定了在梯度下降迭代的过程中，每一步沿梯度负方向前进的长度。用上面下山的例子，步长就是在当前这一步所在位置沿着最陡峭最易下山的位置走的那一步的长度。2.特征（feature）：指的是样本中输入部分，比如2个单特征的样本（x(0),y(0)）,（x(1),y(1)
·2021-10-20 17:28

Python深度学习实战PyQt5菜单和工具栏功能作用

目录1.创建主窗口1.1窗口类型1.2编辑窗口的属性1.3图形界面设计的预览2.建立菜单栏2.1建立一级菜单2.2建立二级菜单2.3关联动作3.建立工具栏3.1添加工具栏3.2添加和编辑动作对象3.3向工具栏添加动作对象4.编写Python应用程序调用图形界面1.创建主窗口上文中我们建立的图形界面程序GUIdemo2.py，通过导入图形界面uiDemo1.py，已经实现了主窗口的创建。1.1窗口类
·2021-10-18 13:39

Python深度学习实战PyQt5基本控件使用解析

目录1.PyQt5控件简介1.1什么是控件1.2编辑控件的属性1.3PyQt5的控件类型输入控件：显示控件：高级控件：2.按钮控件2.1按钮控件简介2.2按键按钮（QPushButton）2.3其它按钮3.输入控件3.1输入控件简介3.2文本输入控件3.3调节输入控件4.Python应用程序调用图形界面1.PyQt5控件简介1.1什么是控件控件也称控件对象，是Qt用户界面上最基本的组件类型，也是构
·2021-10-18 13:06

Python深度学习实战PyQt5安装与环境配置过程详解

目录1.PyQt5图形界面开发工具1.1从CLI到GUI1.2PyQt5开发工具2.安装PyQt5和QtToolspip安装PyQt5pip安装QtTools3.QtDesigner和PyUIC的环境配置3.1在PyCharm添加CreateTools3.2添加QtDesigner工具3.3添加PyUIC工具4.QtDesigner和PyUIC的快速入门4.1QtDesigner的启动和入门新建一
·2021-10-18 13:06

Python深度学习实战PyQt5布局管理项目示例详解

目录1.从绝对定位到布局管理1.1什么是布局管理1.2Qt中的布局管理方法2.水平布局（HorizontalLayout）3.垂直布局（VerticalLayout）4.栅格布局（GridLayout）5.表格布局（FormLayout）6.嵌套布局7.容器布局布局管理就是管理图形窗口中各个部件的位置和排列。图形窗口中的大量部件也需要通过布局管理，对部件进行整理分组、排列定位，才能使界面整齐有序、
·2021-10-18 13:05

Python深度学习实战PyQt5信号与槽的连接

目录1.信号与槽（Signalsandslots）1.1信号与槽的原理1.2信号发送者与槽的接收者2.QtDesigner建立信号与槽的连接2.1信号与槽的连接：不同的发送者与接收者，槽函数为控件的内置函数QtDesigner设置信号/槽的连接的操作步骤如下：2.2信号与槽的连接：不同的发送者与接收者，槽函数为自定义函数QtDesigner设置信号/槽的连接的操作步骤如下：2.3信号与槽的连接：相
·2021-10-18 13:05
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他