已找到以下 10000 条记录
  • 资料学习 - 开源深度学习框架tinygrad

    深度学习时代,谷歌、Facebook、百度等科技巨头开源了多款框架来帮助开发者更轻松地学习、构建和训练不同类型的神经网络。而这些大公司也花费了很大的精力来维护 TensorFlow、PyTorch 这样庞大的深度学习框架。除了这类主流框架之外,开发者们也会开源一些小而精的框架或者库。比如今年

    作者: RabbitCloud
    729
    5
  • 分享深度学习发展的学习范式——混合学习

     这种学习范式试图去跨越监督学习与无监督学习边界。由于标签数据的匮乏和收集有标注数据集的高昂成本,它经常被用于商业环境中。从本质上讲,混合学习是这个问题的答案。我们如何才能使用监督学习方法来解决或者链接无监督学习问题?例如这样一个例子,半监督学习在机器学习领域正日益流行,因为它能

    作者: 初学者7000
    741
    1
  • 分享深度学习发展的学习范式——混合学习

        这种学习范式试图去跨越监督学习与无监督学习边界。由于标签数据的匮乏和收集有标注数据集的高昂成本,它经常被用于商业环境中。从本质上讲,混合学习是这个问题的答案。我们如何才能使用监督学习方法来解决或者链接无监督学习问题?例如这样一个例子,半监督学习在机器学习领域正日益流行,因

    作者: 初学者7000
    829
    3
  • 深度学习应用开发》学习笔记-07

    还有一个是vggnet,他的问题是参数太大。深度学习的问题:1面向任务单一,依赖于大规模有标签数据,几乎是个黑箱模型。现在人工智能基本由深度学习代表了,但人工智能还有更多。。。然后就开始讲深度学习的开发框架。先整了了Theano,开始于2007年的加拿大的蒙特利尔大学。随着ten

    作者: 黄生
    827
    2
  • 深度学习模型结构

    者目标等),再到更高层的目标、目标的行为等,即底层特征组合成了高层特征,由低到高的特征表示越来越抽象。深度学习借鉴的这个过程就是建模的过程。 深度神经网络可以分为3类,前馈深度网络(feed-forwarddeep networks, FFDN),由多个编码器层叠加而成,如多层感知机(multi-layer

    作者: QGS
    646
    2
  • 深度学习之正则化

    机器学习中的一个核心问题是设计不仅在训练数据上表现好,并且能在新输入上泛化好的算法。在机器学习中,许多策略显式地被设计为减少测试误差(可能会以增大训练误差为代价)。这些策略被统称为正则化。我们将在后文看到,深度学习工作者可以使用许多不同形式的正则化策略。事实上,开发更有效的正则化

    作者: 小强鼓掌
    527
    0
  • 深度学习之过拟合

    化算法是基于梯度下降的,但是很多有用的损失函数,如 0 − 1 损失,没有有效的导数(导数要么为零,要么处处未定义)。这两个问题说明,在深度学习中我们很少使用经验风险最小化。反之,我们会使用一个稍有不同的方法,我们真正优化的目标会更加不同于我们希望优化的目标。

    作者: 小强鼓掌
    335
    1
  • 大V讲堂——双向深度学习

    以当今研究趋势由前馈学习重新转入双向对偶系统为出发点,从解码与编码、识别与重建、归纳与演绎、认知与求解等角度,我们将概括地介绍双向深度学习的历史、发展现状、应用场景,着重介绍双向深度学习理论、算法和应用示例。

  • 《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

    作者: 华章计算机
    发表时间: 2019-06-16 16:21:27
    3404
    0
  • 深度学习笔记之贡献

            深度学习的另一个最大的成就是其在强化学习 (reinforcement learning) 领域的扩展。在强化学习中,一个自主的智能体必须在没有人类操作者指导的情况下,通过试错来学习执行任务。DeepMind 表明,基于深度学习的强化学习系统能够学会玩Atari 视频游戏,并在多种任务中可与人类匹敌

    作者: 小强鼓掌
    856
    2
  • 深度学习VGG网络

    为多层非线性层可以增加网络深度来保证学习更复杂的模式,而且代价还比较小(参数更少)。简单来说,在VGG中,使用了3个3x3卷积核来代替7x7卷积核,使用了2个3x3卷积核来代替5*5卷积核,这样做的主要目的是在保证具有相同感知野的条件下,提升了网络的深度,在一定程度上提升了神经网

    作者: 我的老天鹅
    579
    16
  • 深度学习是机器学习的一种

    深度学习是机器学习的一种,而机器学习是实现人工智能的必经路径。深度学习的概念源于人工神经网络的研究,含多个隐藏层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。研究深度学习的动机在于建立模拟人脑进行分析学

    作者: QGS
    531
    1
  • 深度学习概览

    HCIA-AI V3.0系列课程。本课程主要讲述深度学习相关的基本知识,其中包括深度学习的发展历程、深度学习神经 网络的部件、深度学习神经网络不同的类型以及深度学习工程中常见的问题。

  • 网站搭建与部署知识课程

    CCE助力网站搭建,体验容器为企业应用带来的巨大便利 华为云学院推荐 华为云官方学习平台,提供一站式在线学习、实验、考试、认证,零基础也可轻松上云 立即学习 热门课程/实验推荐 弹性云服务器ECS:轻松上云第一步 弹性云服务器概念、操作、应用场景知识一手掌握 【¥0】立即学习 30分钟轻松搭建网站应用 利用华为云服务搭建属于自己的WordPress网站

  • EI企业智能开发者课程

  • 软件安全检测技术研究

    遇见你,遇见未来 华为云 | +智能,见未来 博士招聘 软件安全检测技术研究员 软件安全检测技术研究员 领域方向:安全 工作地点: 杭州、深圳 软件安全检测技术研究员 安全 杭州、深圳 岗位职责 1、参与源码安全检查工具开发,利用源代码静态检查技术进行代码漏洞检测和分析,并实现对

  • 云原生数据库技术研究

    遇见你,遇见未来 华为云 | +智能,见未来 项目实习生 云原生数据库技术研究 云原生数据库技术研究 领域方向:云数据库 工作地点: 北京、成都 云原生数据库技术研究 云数据库 北京、成都 项目简介 云数据库创新Lab的重点研究方向包括云原生分布式数据库和云原生时空时序多模数据库。分布式数据

  • 以内存为中心体系架构研究

    华为云 | +智能,见未来 博士后招聘 以内存为中心体系架构研究 以内存为中心体系架构研究 华为深圳博士后工作站,华为成都博士后工作站 以内存为中心体系架构研究 华为深圳博士后工作站,华为成都博士后工作站 研究课题简介 本课题研究以内存为中心的体系架构,面向持久化内存技术和高性能网络技

  • 云原生图形渲染引擎研究

    遇见你,遇见未来 华为云 | +智能,见未来 天才少年招聘 云原生图形渲染引擎研究 云原生图形渲染引擎研究 领域方向:图形渲染 职位名称: 云原生渲染技术工程师 云原生图形渲染引擎研究 图形渲染 云原生渲染技术工程师 挑战课题方向简介 元宇宙提出构建一个虚拟数字世界,大量虚拟3D

  • 深度学习的现实应用《深度学习与Mindspore实践》今天你读书了吗?

    要成果就是词向量的学习。  医疗领域深度学习算法可以发现人类无法捕捉到的特征。研究人员利用这些算法对细胞图像进行分类,建立基因组连接,加速药物发明周期。在医疗领域,深度卷积神经网络被应用于癌细胞分类、病变检测、器官分割和图像增强等医疗图像分析金融领域,深度学习被应用于金融欺诈检测

    作者: QGS
    1026
    2