《深度学习应用开发》学习笔记－13

Variable来声明来创建变量，它是会变的，在训练中学习到的，所以给它的初值是多少是无所谓的然后就是怎么样来训练模型了训练模型就是一个不断迭代不断改进的过程首先是训练参数，也就是超参，一个是迭代次数train_epochs，这里设置为10，根据复杂情况，可能上万次都可能的。一个是学习率learning_rate，这里默认为0

了解一下机器学习所需要的数据集

机器学习需要那么多数据来训练，这就让我想到了爬虫，爬虫可以在网上爬取各种图片音频。那么用来训练的数据会不会也有很多是爬虫爬下来的？这里其实就是想了解一下 爬虫和人工智能有没有什么联系。

深度学习介绍

学习目标 目标 知道深度学习与机器学习的区别了解神经网络的结构组成知道深度学习效果特点 应用 无 1.1.1 区别   1.1.1.1 特征提取方面 机器学习的特征工程步骤是要靠手动完成的，而且需要大量领域专业知识深度学习通常由多个层

《深度学习应用开发》学习笔记－06

什么是深度？深度就是简单的量变。神经网络到深度神经网络，就是每一层的节点搞多一点，层数也搞多一点。但是如果说网络越深，节点越多，表现能力就越好，这个我看未必，过犹未及嘛深度神经网络本身没再多讲，讲的是卷积神经网络就是CNN。这个是在60年代的时候，在研究猫的神经元时发现的，199

《深度学习入门》笔记 - 13

这里有一个数据集，它的内容包含：信用卡余额、每月收入、是否违约。 ```python %config InlineBackend.figure_format='retina' import pandas as pd import matplotlib.pyplot as plt import

深度学习框架TensorFlow

    TensorFlow是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief   。Tensorflow拥有多层级结构，可部

深度学习和目标检测系列教程 3-300：了解常见的目标检测的开源数据集

测的开源数据集而来，因此需要了解常见的目标检测的开源数据集 https://public.roboflow.com/object-detection CIFAR-10 CIFAR-10 是一个综合数据集，由 10 个不同类别的 60,000 张彩色图像组成。该数据集包含 10

GEE数据集——油棕种植园分布概率数据集

的 "收集地球在线 "项目。 如果您有兴趣为此贡献数据集，请通过此表格联系我们。 本数据集对应 GitHub 上 20240312 模型的输出。 有关森林数据伙伴关系的更多信息，请访问我们的网站、 目录所有者森林数据伙伴关系数据集可用性2020-01-01T00:00:00Z&n

AI实战 | Tensorflow自定义数据集和迁移学习（附代码下载）

自定义数据集 做深度学习项目时，我们一般都不用网上公开的数据集，而是用自己制作的数据集。那么，怎么用Tensorflow2.0来制作自己的数据集并把数据喂给神经网络呢？且看这篇文章慢慢道来。 Pokemon Datasets 这篇文

数据集-CV篇

IST手写数字数据集、Fashion-MNIST数据集、CIFAR-10和CIFAR-100数据集、ILSVRC竞赛的ImageNet数据集、用于检测和分割的PASCAL VOC和COCO数据集等。而自然语言处理(NLP)方向的经典数据集包括IMDB电影评论数据集、WikiText（维基百科）数据集、Amazon

深度学习之虚拟对抗

抗对抗样本。神经网络能够将函数从接近线性转化为局部近似恒定，从而可以灵活地捕获到训练数据中的线性趋势同时学习抵抗局部扰动。对抗样本也提供了一种实现半监督学习的方法。在与数据集中的标签不相关联的点 x 处，模型本身为其分配一些标签 yˆ。模型的标记 yˆ 未必是真正的标签，但如果模型是高品质的，那么

深度学习TensorBoard错误

No dashboards are active for the current data set. 特地重新训练了，记下来日志目录，都是创建TensorBoard还是错误，不知道怎么回事，求解

【深度学习】嘿马深度学习笔记第1篇：深度学习基本概要【附代码文档】

设计特征提取环节。 深度学习算法试图从数据中学习高级功能，这是深度学习的一个非常独特的部分。因此，减少了为每个问题开发新特征提取器的任务。适合用在难提取特征的图像、语音、自然语言领域 1.1.1.2 数据量 机器学习需要的执行时间远少于深度学习，深度学习参数往往很庞大，需要通过大量数据的多次优化来训练参数。

动手学深度学习：优化与深度学习的关系

Smola）人工智能机器学习深度学习领域重磅教程图书亚马逊科学家作品动手学深度学习的全新模式，原理与实战紧密结合目前市面上有关深度学习介绍的书籍大多可分两类，一类侧重方法介绍，另一类侧重实践和深度学习工具的介绍。本书同时覆盖方法和实践。本书不仅从数学的角度阐述深度学习的技术与应用，还包

《深度学习应用开发》学习笔记-20

落了很长时间没学，捡起来继续。编号也忘了从哪里接上，就从20开始吧。 前面弄完了一元线性回归，现在是波士顿房价预测-多元线性回归。 数据方面，12+1共13个指标，506行数据。 前面12个是多个维度的数据，维度还是比较全面的，是输入值/特征。 比如：城镇人均犯罪率、师生比例、住宅比例、边界是否为河流等

《深度学习应用开发》学习笔记-23

从人的角度来看，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。 在tf里，12元的线性回归方程的实现，比1元的线性方程的实现，代码上也只是多了一点点复杂度而已。 这就是计算机的优势。 只是最后训练的结果，为什么都是nan，像老师说的，脸都黑了哦~ 这次先到这里，请听下回分解~

《深度学习应用开发》学习笔记-28

这个房价预测的例子基本就结束了，下面是用TensorBoard来将算法，和模型训练过程的一些信息进行可视化。可视化是一件有意见的工作，有助于信息的理解和推广。可视化在modelarts的老版的训练作业下，是收费的，但这个服务在新版的训练作业里已经没有了，也行是因为这个可视化服务的

AI、机器学习、深度学习的关系

UCI-HAR数据集深度剖析：训练仿真与可视化解读

n对UCI人类活动识别（HAR）数据集进行分割和预处理，以及运用模型网络CNN对数据集进行训练仿真和可视化解读。 一、UCI-HAR数据集分析及介绍 UCI-HAR数据集是一个公开的数据集，旨在通过智能手机传感器数据进行人类活动识别。这个数据集由30名志愿者在进行日常生活活动时