已找到以下 10000 条记录
  • 分享深度学习笔记组件学习

    组件学习组件学习不仅使用一个模型知识,还使用多个模型知识。人们相信,通过独特信息组合或输入(包括静态和动态),深度学习可以比单一模式更深入地理解和表现。迁移学习是组件学习一个非常明显例子。基于这一思想,对类似问题预先训练模型权重可用于对特定问题进行微调。为了区分不同类

    作者: 初学者7000
    628
    1
  • 分享适合科学研究深度学习模型

       数据一个非常常见属性是具有顺序结构,例如视频中帧、蛋白质氨基酸序列或句子中单词。开发神经网络模型来处理序列数据一直是过去几年来最广泛研究领域之一。其中很大一部分是由自然语言处理任务进展所推动,该领域重点是让计算机读懂人工作。这个领域机器翻译和问题回答两个

    作者: 初学者7000
    1260
    5
  • 分享深度学习笔记

    深度学习领域,特别是在NLP(最令人兴奋深度学习研究领域)中,该模型规模正在扩大。最新gpt-3模型有1750亿个参数。把它比作伯特就像把木星比作蚊子一样(好吧,不是字面意思)。深度学习未来会更大吗?通常情况下,gpt-3是非常有说服力,但它在过去一再表明,“成功

    作者: 初学者7000
    636
    1
  • 创建和训练模型 - CodeArts IDE Online

    epochs=10) 父主题: 基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型

  • 深度学习

    全面地讲述深度学习历史超出了本书范围。然而,一些基本背景对理解深度学习是有用深度学习经历了三次发展浪潮:20世纪40年代到60年代深度学习雏形出现在控制论(cybernetics)中,20世纪80年代到90年代深度学习表现为联结主义(connectionism),直到

    作者: QGS
    966
    4
  • 深度学习

    能。借助深度学习,我们可以制造出具有自动驾驶能力汽车和能够理解人类语音电话。由于深度学习出现,机器翻译、人脸识别、预测分析、机器作曲以及无数的人工智能任务都成为可能,或相比以往有了显著改进。虽然深度学习背后数学概念几十年前便提出,但致力于创建和训练这些深度模型编程库是近

    作者: G-washington
    2443
    1
  • 深度学习

    使用深度学习方法处理计算机视觉问题过程类似于人类学习过程:我们搭建深度学习模型通过对现有图片不断学**结出各类图片特征,最后输出一个理想模型,该模型能够准确预测新图片所属类别。图1-2展示了两个不同学习过程,上半部分是通过使用深度学习模型解决图片分类问题,下半部分

    作者: 生命无价
    1555
    1
  • 深度学习

    深度学习是机器学习一种,而机器学习是实现人工智能必经路径。深度学习概念源于人工神经网络研究,含多个隐藏层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高层表示属性类别或特征,以发现数据分布式特征表示。研究深度学习动机在于建立模拟人脑进行分析学

    作者: QGS
    662
    1
  • 深度学习是什么?

    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,在语音和图像识别方面取得效果,远远超过先前相关技术。深度学习在搜索技术,数据挖掘,机器学习

    作者: QGS
    827
    2
  • 华为云深度学习服务于2019年5月30日00:00(北京时间)退市通知

    华为云在此提醒您,产品退市后,深度学习服务不可用,为了避免影响您业务,建议您在2019/5/29 23:59:59前做好迁移数据及数据备份。 同时,华为云一站式AI开发平台ModelArts已经商用,ModelArts是深度学习服务新一代架构版本支持更多高级特性,不仅仅全部包含深度学习服务功能,还

  • 深度学习深度学习界以外微分

    accumulation)更广泛类型技术特殊情况。其他方法以不同顺序来计算链式法则子表达式。一般来说,确定一种计算顺序使得计算开销最小,是困难问题。找到计算梯度最优操作序列是 NP 完全问题 (Naumann, 2008),在这种意义上,它可能需要将代数表达式简化为它们最廉价形式。

    作者: 小强鼓掌
    438
    0
  • 深度学习入门》笔记 - 07

    也叫做目标函数或者损失函数,它值叫做预测误差或者模型误差。求它最小值方法有很多,最常见方法是`求偏导数`,然后令这些偏导数等于零,解方程得到b和w估计值。但是这个方法只适合少数结构比较简单模型(比如线性回归模型),不能求解深度学习这类复杂模型参数。 所以下面介绍深度学习中常用优化算法:`梯度下降法`

    作者: 黄生
    156
    2
  • 分享适合科学研究深度学习模型(五)

    按给定条件,强化学习可分为基于模式强化学习(model-based RL)和无模式强化学习(model-free RL),以及主动强化学习(active RL)和被动强化学习 (passive RL) 。强化学习变体包括逆向强化学习、阶层强化学习和部分可观测系统强化学习。求解强化

    作者: 初学者7000
    1939
    6
  • 分享适合科学研究深度学习模型(一)

    姿势估计也能看做卷积神经网络应用,重点在于图片中人物关键节点,例如膝盖、手肘、头部等。2D姿势估计是计算机核心问题,此类数据集和卷积架构也比较多,早期堆叠沙漏网络结构衍生各种变种算法,牢牢占据了姿态检测半壁江山。最近网络 HRNet,能够通过并行连接高分辨率到

    作者: 初学者7000
    1139
    4
  • 深度学习应用开发学习

    还介绍了神经元模型起源和全连接层概念,以及ReLU等激活函数作用。深度学习核心是构建多层神经网络,而卷积神经网络(CNN)发展,尤其是AlexNet在2012年突破,让我对深度学习强大能力有了更深认识。在学习过程中,我也了解到了不同深度学习开发框架,包括The

    作者: 黄生
    22
    0
  • 深度学习应用开发》学习笔记-01

    之前好像有听人介绍说吴明辉课程很不错,最近刚好在中国大学APP上看到他一个人工智能相关课程,看了一下确实很不错。课程名称叫做《深度学习应用开发 基于tensorflow实践》。是一个入门级别的课程,不需要人工智能基础,不需要太多数学知识,也不需要什么编程经验。我觉得很

    作者: 黄生
    1139
    5
  • 分享适合科学研究深度学习模型(四)

    N)非常适合处理文本、语音、视频等时间序列数据样本。注意力在深度学习中可以大致理解为对于某一个向量关注程度如何,这个向量可能表示是图像中某一局部区域或是句子中某个词,使用注意力向量来估计关注部分和其他元素之间关系强弱,并将不同部分和用注意力向量加权得到结果作为

    作者: 初学者7000
    1538
    1
  • 分享适合科学研究深度学习模型(二)

    图神经网络  图是一种非常神奇表示方式,生活中绝大多数现象或情境都能用图来表示,例如人际关系网、道路交通网、信息互联网等等。相比于传统图模型,图网络最大优势在于它不只可以对一个节点进行语义表示。  可以把图神经网络看做将深度学习技术应用到符号表示图数据上,或者说是从非结构化

    作者: 初学者7000
    1054
    2
  • 分享适合科学研究深度学习模型(三)

    用于序列数据神经网络数据一个非常常见属性是具有顺序结构,例如视频中帧、蛋白质氨基酸序列或句子中单词。开发神经网络模型来处理序列数据一直是过去几年来最广泛研究领域之一。其中很大一部分是由自然语言处理任务进展所推动,该领域重点是让计算机读懂人工作。这个领域机器翻译和

    作者: 初学者7000
    1026
    1
  • 【mindSpore】【深度学习】求指路站内深度学习教程

    老师给了我们个任务,用mindSpore完成一个深度学习,求大佬指路,站内有什么方便教程。要求不能是花卉识别、手写体数字识别、猫狗识别,因为这些按教程已经做过了(然而我还是不会mindSpore)。尽量简单,我们只要是个深度学习就能完成任务。

    作者: abcd咸鱼
    1444
    1