- 学堂
- 博客
- 论坛
- 开发服务
- 开发工具
- 直播
- 视频
- 用户
- 一周
- 一个月
- 三个月
-
深度学习简介
信息进一步优化神经网络权值的深度置信网络(DBN)。 通过多层处理，逐渐将初始的“低层”特征表示转化为“高层”特征表示后，用“简单模型”即可完成复杂的分类等学习任务。由此可将深度学习理解为进行“特征学习”（feature learning）或“表示学习”（representation
-
深度学习前景
为众所周知的“深度学习’’。这个领域已经更换了很多名称，它反映了不同的研究人员和不同观点的影响。全面地讲述深度学习的历史超出了本书的范围。然而，一些基本的背景对理解深度学习是有用的。一般来说，目前为止深度学习已经经历了三次发展浪潮：20世纪40年代到60年代深度学习的雏形出现在控
-
深度学习之学习 XOR
发挥作用的一个简单例子说起：学习 XOR 函数。 XOR 函数（“异或” 逻辑）是两个二进制值 x1 和 x2 的运算。当这些二进制值中恰好有一个为 1 时，XOR 函数返回值为 1。其余情况下返回值为 0。XOR 函数提供了我们想要学习的目标函数 y = f∗(x)。我们的模型给出了一个函数
-
机器学习与深度学习
业也在快速布局。2、所需数据量机器学习能够适应各种数据量，特别是数据量较小的场景。如果数据量迅速增加，那么深度学习的效果将更加突出，这是因为深度学习算法需要大量数据才能完美理解。3、执行时间执行时间是指训练算法所需要的时间量。一般来说，深度学习算法需要大量时间进行训练。这是因为该
-
深度学习之学习率
ϵ0 的 1%。主要问题是如何设置 ϵ0。若 ϵ0 太大，学习曲线将会剧烈振荡，代价函数值通常会明显增加。温和的振荡是良好的，容易在训练随机代价函数（例如使用 Dropout 的代价函数）时出现。如果学习率太小，那么学习过程会很缓慢。如果初始学习率太低，那么学习可能会卡在一个相当
-
《MXNet深度学习实战》—1.1.3 深度学习
复杂多变。深度学习中的深度主要就是来描述神经网络中层的数量，目前神经网络可以达到成百上千层，整个网络的参数量从万到亿不等，所以深度学习并不是非常深奥的概念，其本质上就是神经网络。神经网络并不是最近几年才有的概念，早在20世纪中期就已经有人提出了神经网络，那么既然深度学习是基于神经
-
机器学习之深度学习
有趣的是，二十一世纪初，连接主义学习又卷上重来，掀起了以 “深度学习”为名的热潮．所谓深度学习，狭义地说就是 “很多层 ＂ 的神经网络．在若干测试和竞赛上，尤其是涉及语音、 图像等复杂对象的应用中，深度学习技术取得了优越性能以往机器学习技术在应用中要取得好性能，对使用者的要求较高；而深度学习技术涉及的模型复杂度非常高，以至千只要下工夫
-
深度学习应用开发学习
件不仅展示了人工智能的演进，也体现了其在系统性思维上的挑战。在机器学习领域，我学习了有监督学习、无监督学习、半监督学习和强化学习等概念。特别是强化学习，它通过奖励和惩罚机制进行学习，非常适合棋类游戏。而无监督学习中的聚类算法，让我意识到它在日常生活中的广泛应用，比如超市货架的商品
-
【深度学习环境搭建】Anaconda 快速配置与使用（windows使用为例）
二、Anaconda常用命令三、Anaconda更换清华源四、安装常用深度学习工具4.1、pytorch 安装4.2、TensorFlow 安装4.2.1、创建虚拟环境4.2.2、安装TensorFlow4.2.3、验证是否安装成功 五、与pycharm搭配使用方法参考 一、Anaconda介绍与安装注意事项
-
深度学习初体验
通过对课程的学习，从对EI的初体验到对深度学习的基本理解，收获了很多，做出如下总结：深度学习是用于建立、模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据的一种机器学习技术。它的基本特点是试图模仿大脑的神经元之间传递，处理信息的模式。最显著的应用是计算机视觉和自然语言处理(N
-
使用Python实现深度学习模型：迁移学习与预训练模型
迁移学习是一种将已经在一个任务上训练好的模型应用到另一个相关任务上的方法。通过使用预训练模型，迁移学习可以显著减少训练时间并提高模型性能。在本文中，我们将详细介绍如何使用Python和PyTorch进行迁移学习，并展示其在图像分类任务中的应用。 什么是迁移学习？ 迁移学习的基本
-
机器学习主要术语
什么是（监督式）机器学习？简单来说，它的定义如下： 机器学习系统通过学习如何组合输入信息来对从未见过的数据做出有用的预测。 下面我们来了解一下机器学习的基本术语。 标签 在简单线性回归中，标签是我们要预测的事物，即 y 变量。标签可以是小麦未来的价格、图片中显示的动物品种、音频剪辑的含义或任何事物。
-
机器学习以及深度学习
所谓“ 机器学习” ， 是指利用算法使计算机能够像人一样从数据中挖掘出信息； 而“ 深度学习”作为“机器学习”的一个**子集**， 相比其他学习方法， 使用了更多的参数、模型也更复杂， 从而使得模型对数据的理解更加深人， 也更加智能。 传统机器学习是分步骤来进行的， 每一步的最优解不一定带来结果的最优解；
-
联邦学习自然语言处理综述论文
联邦学习旨在在不牺牲本地数据隐私的情况下，从多个分散的边缘设备（例如移动设备）或服务器中学习机器学习模型。最近的自然语言处理技术依赖于深度学习和大型预训练语言模型。然而，大型深度神经模型和语言模型都是用大量数据训练的，这些数据通常位于服务器端。由于文本数据广泛来自最终用户，在这项
-
深度学习之深度学习界以外的微分
深度学习界在某种程度上已经与更广泛的计算机科学界隔离开来，并且在很大程度上发展了自己关于如何进行微分的文化态度。更一般地，自动微分（automatic differentiation）领域关心如何以算法方式计算导数。这里描述的反向传播算法只是自动微分的一种方法。它是一种称为反向模式累加（reverse
-
什么是深度学习
深度学习是使用多层结构从原始数据中自动学习并提取高层次特征的一类机器学习算法。通常，从原始数据中提取高层次、抽象的特征是非常困难的。深度学习将原始的数据表示成一个嵌套的特征层级，这样一来，每层特征均可以由更简单的特征来定义和计算。尤为重要的是，深度学习可以自动地学习如何最优地将不
-
SQL DCL数据控制语言的使用【转】
SQL语言中的DCL（Data Control Language）是一组用于控制数据库用户访问权限的语言，主要包括GRANT、REVOKE、DENY等关键字。1.GRANT关键字GRANT用于授权给用户或用户组访问数据库对象的权限。 GRANT语句的语法如下：1GRANT permission
-
Gremlin语言学习系列链接汇总
[Gremlin语言学习系列0：环境搭建与数据准备](https://bbs.huaweicloud.com/forum/thread-105921-1-1.html) [Gremlin语言学习系列1：基本操作](https://bbs.huaweicloud.com/forum/thread-105941-1-1
-
深度学习实战（三）：使用PyTorch搭建VGG网络
-Practice-VGG 1. VGG16 VGG网络有多个版本，一般常用的是VGG-16模型，其网络结构如下如所示： 2. 使用PyTorch搭建VGG网络 2.1 model.py VGG网络分为 卷积层提取特征 和 全连接层进行分类 这两个模块 import
-
《MXNet深度学习实战》—2.2 使用Docker安装MXNet
2.2 使用Docker安装MXNet本节将介绍如何安装Docker，以及如何通过Docker使用MXNet。相信很多开发者都曾经被环境依赖搞得焦头烂额，几年前配置深度学习框架的环境确实是一件令人非常头疼的事情，因为会涉及各种环境依赖，而且即便你配置好了，也会出现在你的电脑上可以
