已找到以下 10000 条记录
  • 深度学习应用开发》学习笔记-28

    这个房价预测例子基本就结束了,下面是用TensorBoard来将算法,和模型训练过程一些信息进行可视化。可视化是一件有意见工作,有助于信息理解和推广。可视化modelarts老版训练作业下,是收费,但这个服务新版训练作业里已经没有了,也行是因为这个可视化服务使用不

    作者: 黄生
    837
    3
  • 深度学习应用开发》学习笔记-30

    MNIST数据集来自于NIST 美国国家标准和技术研究所。 找学生和工作人员手写。 规模:训练集55000,验证集5000,测试集10000。大小约10M。 数据集可以在网站上去下载,同时tf自己里面已经集成了这个数据集。 notebook里试试: ```python %matplotlib

    作者: 黄生
    525
    0
  • 深度学习应用开发》学习笔记-23

    从人角度来看,12个特征比1个特征要复杂了很多, 但对计算机来说,无所谓。 tf里,12元线性回归方程实现,比1元线性方程实现,代码上也只是多了一点点复杂度而已。 这就是计算机优势。 只是最后训练结果,为什么都是nan,像老师说,脸都黑了哦~ 这次先到这里,请听下回分解~

    作者: 黄生
    1471
    4
  • 深度学习应用开发》学习笔记-04

    1904年时候,生物学家了解了神经元结构然后1945年时候发明了神经元模型。那么这个神经元模型真的可以模拟生物神经功能吗,个人觉得有点奇妙,不过动物植物本来都是很奇妙存在。所谓全连接层,就是说某层一个节点,和他上一层所有节点都有连接。就像连接边长不同,每条

    作者: 黄生
    729
    3
  • 深度学习应用开发》学习笔记-20

    pandas用来处理文件很方便,shuffle就是洗牌,我们打牌,一局结束后需要洗牌后再开始下一局 这里介绍了pandas库,处理常规大小数据文件,会很方便,基于BSD协议库。 可以自动转换为numpy多维数组。 下面是代码 ```python %matplotlib notebook

    作者: 黄生
    934
    3
  • 深度学习应用开发》学习笔记-27

    可视化还是比较重要,因为数据能在图形上看到,会更直观,更符合人认知思维。 这里先来展示一下loss可视化。 用matplot将列表值画出来,调用非常简单 plt.plot(loss_list) 横坐标是列表中索引,纵坐标是列表值,也就是loss值。 可以看到,曲线收敛了,还有

    作者: 黄生
    826
    2
  • 深度学习应用开发》学习笔记-31

    先探索一下tf2里读取出数据。 每张图片数据化表示是28*28=784个数值,每个数值类型是numpy.uint8,uint8取值范围是0-255, 这个可能就是所谓256位图吧? 每张图片会有自己标签,就是表示这张图片是数字0-9中哪个。 另外用reshape重整了一下图像,比较有趣

    作者: 黄生
    520
    0
  • 深度学习应用开发》学习笔记-32

    这里谈到了独热编码one-hot,独热编码是用来表示标签数据。前面已经知道了,标签数据很简单,就是表示0-9范围内一个数字。 说实话独热编码有什么用处,真的还没有理解。还有什么欧式空间概念啊,都很陌生。 看看代码吧。 ```python #独热编码示例。 x=[3,4] tf

    作者: 黄生
    1141
    3
  • 深度学习应用开发》学习笔记-13

    先定义训练数据占位符,定义了2个,1个是特征值x,1个是标签值y然后定义模型函数,这个函数有3个参数,1个就是上面说x,还有2个是参数,分别是w和b,就是2个参数斜率和位移而上面的2个参数,要用tf.Variable来声明来创建变量,它是会变训练中学习,所以给它初值是多

    作者: 黄生
    457
    0
  • 语音识别在医疗领域应用

    对患者病历快速而准确记录。我们将使用深度学习模型,如长短时记忆网络(LSTM),以展示语音识别在医疗领域实际应用。 技术原理 语音识别技术 语音识别技术医疗领域应用主要通过将医生口头输入转化为文字,实现病历记录自动化。深度学习模型,尤其是循环神经网络(RNN)和转

    作者: Y-StarryDreamer
    发表时间: 2024-01-31 22:25:52
    1
    0
  • 深度学习文本情感分析中应用

    一个基础例子,但它展示了深度学习处理NLP任务中潜力。随着模型复杂度增加和数据量扩大,深度学习模型性能可以得到显著提升。 这篇文章提供了一个深度学习文本情感分析中应用案例,包括环境准备、数据准备、文本向量化、模型构建、训练和评估等步骤,适合对NLP感兴趣初学者或实践者。

    作者: 是Dream呀
    发表时间: 2024-12-21 13:27:06
    0
    0
  • 探索Python金融投资领域应用:从入门到精通

    函式:执行特定任务代码块,可以重复调用。Python金融投资领域应用是多方面的,从数据获取到策略执行,Python提供了一整套解决方案。对于希望进入量化交易领域投资者来说,掌握Python是一项宝贵技能。随着技术不断进步,Python金融领域应用将会更加广泛和深入

    作者: yd_269990119
    72
    2
  • 分享深度学习领域这些年取得经典成果 (6)

    riminator)进行一前一后训练。判别器经过训练来分辨真实图像和生成图像,而生成器目标就是生成一些能够骗过判别器样本。随着训练深入,判别器识别伪造物体能力会提高,但生成器也会越来越狡猾,并渐渐生成看起来更逼真的样本。第一代GAN生成图像分辨率低,模糊不清,并且训练

    作者: 初学者7000
    1050
    3
  • 深度学习应用开发》学习笔记-24

    上一节训练不出结果,都是nan原因找到了,就是因为特征数据没有做归一化,那归一化是个什么概念呢?这里有一个很好例子,做一道菜,准备好材料鸭、笋、....盐、酱油...水,再加上烹饪火候,可以做出一道菜。上面做菜每一个要素,都可以看做一个特征变量,而重量可以看做是特征变量值,比如鸭肉xxg

    作者: 黄生
    615
    1
  • 深度学习应用开发》学习笔记-21

    说道:矩阵运算,是机器学习基本手段,必须要掌握。 所以后面有线性代数、矩阵运算基本介绍。 标量是一个特殊向量(行向量、列向量),向量是一个特殊矩阵;这样说来,标量,也是一个特殊矩阵,一行一列矩阵。 看代码吧 ```python import numpy as np ```

    作者: 黄生
    1038
    2
  • 深度学习是机器学习领域中一个新研究方向

    层次,这些学习过程中获得信息对诸如文字,图像和声音等数据解释有很大帮助。它最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。 深度学习是一个复杂机器学习算法,语音和图像识别方面取得效果,远远超过先前相关技术。[1] 深度学习搜索技术,数

    作者: QGS
    2952
    3
  • 深度学习模型油田数据挖掘中应用

    深度学习模型油田数据挖掘中应用 油田勘探和开发过程中,数据分析和挖掘起着关键作用。随着人工智能技术快速发展,深度学习模型油田数据挖掘中应用正变得越来越重要。本文将介绍深度学习模型油田数据挖掘中应用,并展示一个相关应用案例。 1. 深度学习模型简介 深度

    作者: 皮牙子抓饭
    发表时间: 2023-06-30 18:07:26
    8
    0
  • 深度学习自然语言处理中应用

    自然语言处理(NLP)是人工智能中一个活跃领域深度学习模型在其中扮演了重要角色。 简介 NLP涉及到机器理解和生成自然语言。深度学习模型,尤其是循环神经网络(RNN)和Transformer模型,已经文本分类、机器翻译、问答系统等多个领域取得了显著成果。 循环神经网络基础

    作者: 是Dream呀
    发表时间: 2024-06-22 14:52:33
    22
    0
  • 深度学习应用开发》学习笔记-08

    后者比较死板,因为门槛高而被初学者所诟病。这个有点像敏捷和瀑布式开发区别。原来1.x课件会保留,因为有助于底层原理理解,而2.0课件也会更新。这样处理非常好,与时俱进,很负责任。并且建议先看2.0编程基础那一节。

    作者: 黄生
    1133
    3
  • 深度学习应用开发》学习笔记-14

    izer()然后开始迭代训练,训练内容,是每次将样本逐个输入模型,进行梯度下降优化操作。这里为了演示,每轮迭代后绘制出模型曲线(这里有点不清楚地方,是将样本输入模型?还是训练得到了模型?我觉得是前者,训练得到只是参数值,模型不是训练出来)训练代码:for xs,ys in

    作者: 黄生
    626
    2