内容选择
全部
内容选择
内容分类
  • 学堂
  • 博客
  • 论坛
  • 开发服务
  • 开发工具
  • 直播
  • 视频
  • 用户
时间
  • 一周
  • 一个月
  • 三个月
  • 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
  • 【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
    1443
    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
  • 深度学习应用开发》学习笔记-03

    有监督学习,无监督学习,半监督学习,强化学习。强化学习非常厉害,适用于下棋和游戏这一类领域,基本逻辑是正确就奖励,错误就惩罚来做一个学习。那么无监督学习典型应用模式是什么呢?说出来之后你就会觉得无监督学习没有那么神秘了,那就是聚类。一个比较典型例子就是超市里货架商品摆放,

    作者: 黄生
    1332
    6
  • 深度学习应用开发》学习笔记-11

    2.5,学习率是0.01,那下一个尝试点是距离前一个点2.5*0.01=0.0025位置。(梯度是固定,还是每走一步都会变呢?)个人认为好学习率,不应该是一个固定值,而应该是先大后小。也就是先大步快速到达底部附近,再小步寻找最底部。学习率是学习开始之前就设置,叫超参

    作者: 黄生
    1128
    1
  • 深度学习应用开发》学习笔记-10

    y=wx+b里w和b,也叫权重和偏差?在监督式学习中,机器学习算法通过以下方式构建模型:检查多个样本并尝试找出可最大限度减少损失模型。这一过程称为经验风险最小化损失函数有L1,L2。L1是绝对值,L2是均方误差MSE,那么2个场景做损失比较时会有L1一样,L2不一样情况本来是

    作者: 黄生
    1431
    3
  • 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-07

    还有一个是vggnet,他问题是参数太大。深度学习问题: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开发框架。先整了了Theano,开始于2007年加拿大蒙特利尔大学。随着tens

    作者: 黄生
    827
    2
  • 深度学习笔记》笔记(二)

    神经网络结构从普通全连接神经网络,发展到卷积神经网络、循环神经网络、自编码器、生成式对抗网络和图神经网络等各种结构, 但BP算法一直是神经网络一个经典和高效寻优工具。附神经网络早期一些发展历程1943年,WarrenMcCulloch和WalterPitts于《神经元与行

    作者: 黄生
    48
    3
  • 深度学习应用开发》学习笔记-12

    数据不是收集,是自己生成,好吧~一个简单例子学习没关系%matplotlib inline这个是为了让在jupyter在浏览器里能够显示图像。生成y=2x+1随机数据,数据加背景噪声限值0.4生成等差数列,100个x_data=np.linspace(-1,1,100)y_data=2*x_data+1

    作者: 黄生
    1024
    2
  • 深度学习应用开发》学习笔记-09

    n阶张量/n维数组流,表示张量数据流动/计算过程。每一个张量有一个唯一类型,运算类型不匹配会报错,比如int和float32运算就不行,这个是比较严格,可以先通过tf.cast()做类型转换常量定义时候是可以按需求做类型自动转换、reshape但是变量定义中,类型还是根据初值来定,而设定需求类型并没有生效:v2=tf

    作者: 黄生
    1745
    3
  • 深度学习笔记之应用

    2015)。      这种复杂性日益增加趋势已将其推向逻辑结论,即神经图灵机 (Graves et al., 2014) 引入,它能学习读取存储单元和向存储单元写入任意内容。这样神经网络可以从期望行为样本中学习简单程序。例如,从杂乱和排好序样本中学习对一系列数进行排序。这种自我编

    作者: 小强鼓掌
    624
    0
  • 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-04

    在1904年时候,生物学家了解了神经元结构然后在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-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-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,曲线在收敛了

    作者: 黄生
    827
    2
  • 深度学习应用开发》学习笔记-26

    这样是不好,因为就像学习训练时将考试题都让你做过一遍,再让你考试就不公平了,类似于作弊了。 应该是考你运用学到知识,来做没做过题。 那比较好做法呢,是有一些数据,把这些数据分一分, 大部分做训练、一小部分做验证、再分一小部分做测试。 下面是模型应用,也就是预测代码 ```python

    作者: 黄生
    826
    3
  • 机器学习深度学习

    Learning,DL)属于机器学习子类。它灵感来源于人类大脑工作方式,是利用深度神经网络来解决特征表达一种学习过程。深度神经网络本身并非是一个全新概念,可理解为包含多个隐含层神经网络结构。为了提高深层神经网络训练效果,人们对神经元连接方法以及激活函数等方面做出了

    作者: QGS
    678
    2