注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Deep Learning（深度学习）学习笔记整理系列pdf

  2. 原创作者是Zouxy,整个笔记在他博客上，为了方便大家保存阅读，我将其整理成了pdf文档，希望大家多多交流。 目录 一、概述 2 二、背景 5 三、人脑视觉机理 8 四、关于特征 10 4.1、特征表示的粒度 10 4.2、初级（浅层）特征表示 11 4.3、结构性特征表示 14 4.4、需要有多少个特征？ 16 五、Deep Learning的基本思想 17 六、浅层学习（Shallow Learning）和深度学习（Deep Learning） 18 七、Deep learning与Neu

  3. 所属分类：其它

    • 发布日期：2015-09-09
    • 文件大小：1048576
    • 提供者：cdownload_zxl

  1. 深度学习读书笔记 三． 限制波尔兹曼机 3.1 限制波尔兹曼机（RBM） 使用方法

  2. 深度学习读书笔记 三． 限制波尔兹曼机 3.1 限制波尔兹曼机（RBM） 使用方法 3.1.1 RBM 的使用说明 3.1.2 RBM 的用途 3.2 限制波尔兹曼机（RBM）能量模型 3.2.1 能量模型定义 3.2.2 能量模型作用 3.3 从能量模型到概率 3.3.1 从能量函数到概率

  3. 所属分类：机器学习

    • 发布日期：2018-08-11
    • 文件大小：1018880
    • 提供者：wowenlong

  1. TensorFlow学习笔记（一）之逻辑斯地回归模型及Cifar-10分类的实现

  2. 目录 环境 介绍 机器学习步骤 深度学习、机器学习、人工智能三者的关系 神经网络 二分类逻辑斯地回归模型 多分类逻辑斯地回归模型 目标函数（损失函数） 主要类型 举例 神经网络训练 训练目标 梯度下降算法 TensorFlow实现 计算图模型 命令式编程 声明式编程 二者的对比 数据处理 下载数据 准备工作 读取数据 查看数据 数据读取及预处理整体代码 构建模型 构建计算图 构建模型整体代码 初始化及运行模型 整体代码 注意事项 参考资料 环境 python 3.6 + TensorFlow 1

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：523264
    • 提供者：weixin_38501751

  1. python学习笔记（八）函数相关

  2. 函数相关 文章目录函数相关递归函数生成器生成器方式1：将列表生成式的[]换成()即可生成器方式2：在函数中使用yield关键字迭代器可迭代对象高级函数map函数filter函数reduce函数 递归函数 定义：在函数内部调用自己的函数称为递归函数。 组成： 函数内部调用自己 终止条件(停止调用自己) 核心算法 特点： 代码简洁 可读性差 瞬间占用内存较大，终止条件出错立即崩溃 原则： 能不使用就不使用，只有再不得不使用时才使用(深度优先目录遍历) 实例： 求n的阶乘 求斐波那契数列的第n项 前两

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：60416
    • 提供者：weixin_38719890

  1. [DL]PyTorch 学习总结（1）

  2. 本系列文章为“深度之眼” PyTorch 框架班学习笔记。 安装 PyTorch（macOS 操作系统下） pip install torch 查询 PyTorch 版本 import torch print(torch.__version__) # 1.5.0 张量是什么？ 张量是一个多维数组： – 标量是一个 0 维数组； – 向量是一个 1 维数组； – 矩阵是一个 2 维张量。 torch.tensor 有什么功能？ 最重要的功能是可以求导： – data：被转换为 tensor 的

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：53248
    • 提供者：weixin_38748556

  1. [笔记2]动手学深度学习

  2. 资料来源：伯禹学习平台。 概念整理 K折交叉验证 由于验证数据集不参与模型训练，当训练数据不够用时，预留大量的验证数据显得太奢侈。一种改善的方法是K折交叉验证（K-fold cross-validation）。在K折交叉验证中，我们把原始训练数据集分割成K个不重合的子数据集，然后我们做K次模型训练和验证。每一次，我们使用一个子数据集验证模型，并使用其他K-1个子数据集来训练模型。在这K次训练和验证中，每次用来验证模型的子数据集都不同。最后，我们对这K次训练误差和验证误差分别求平均。 L2 范数正

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：759808
    • 提供者：weixin_38743054

  1. MATLAB深度学习笔记（三） 机器学习的类型

  2. （三）机器学习的类型 机器学习根据训练方法的不同可以分为三类，监督学习、无监督学习、强化学习。 监督学习和人类的学习过程很相似， 1）选择一个练习题，运用已有的知识去解决它，将答案和正确答案进行比较； 2）如果答案不对，换一种方法； 3）重复1和2直到解决所有的问题。 机器学习和这个例子类比，练习题和答案对应于训练数据，知识对应于模型。重要的是我们需要一个正确答案，这是监督学习的一个重点。就像是老师给学生提供解法一样。 在监督学习中，每一个训练数据集包含输入数据和与之对应的正确的输出数据。对于同

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：141312
    • 提供者：weixin_38508549

  1. 动手学深度学习-学习笔记（四）

  2. 本文的主要内容有：机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer。 一、机器翻译及相关技术 机器翻译（MT）：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。 主要特征：输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的长度不同。 字符在计算机里是以编码的形式存在，我们通常所用的空格是 \x20 ，是在标准ASCII可见字符 0x20~0x7e 范围内。 而 \xa0 属于 latin1 （ISO/IEC_88

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：770048
    • 提供者：weixin_38664556

  1. 深度学习（基于Tensorflow2.0）学习笔记——Day4

  2. 主要内容 昨天我们已经成功训练了一个有效的神经网络，并且对官方提供的Fashion-MNIST数据集进行了分类，准确率达到了80%以上。但是这个准确率远远达不到应用的要求，那么，如何来提高神经网络的分类效率呢？这也就引出了我们接下来学习的内容： 数据归一化处理 回调函数的作用 数据归一化处理 归一化大家都不陌生，简单的理解，它的作用就是把你需要用到的数据经过处理后（通过某种算法）将其限制在你所规定的范围内。那么神经网络为什么需要归一化呢？我总结了以下几点： 取消量纲。举一个直观的例子，若样本x的

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：67584
    • 提供者：weixin_38683195

  1. 伯禹公益AI《动手学深度学习PyTorch版》Task 08 学习笔记

  2. 伯禹公益AI《动手学深度学习PyTorch版》Task 08 学习笔记 Task 08：文本分类；数据增强；模型微调 微信昵称：WarmIce 文本分类 前面一堆数据处理和对双向循环神经网络的讲解可以忽略了，之前都讲过，咱也都详细聊过。 这里主要说一下情感分类在使用双向循环神经网络时的一个细节。我们可以根据双向循环网络得到t个时刻的双向的经过concat的隐藏状态，那么如何利用这t个信息进行二分类呢（假设只进行正面与反面的二分类）。给的例子中，只使用了第1个时刻的concat后的隐藏状态与第t

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：99328
    • 提供者：weixin_38706455

  1. 旷世x北大 公开课 | 深度学习实战 笔记（1）

  2. 最近关注到一门28课时的《深度学习实战》的公开课（B站上有全集资源），觉着1-2天可以对深度学习有一个具体的了解，所以就开看了，这一篇是记录听课的学习笔记。 人工智能主要有以下四部分： 语音（speech） 视觉（vision） 自然语言处理（NLP） 通用人工智能（AGI）：目前还做不了，包括resoning/ self-learning/interacting 其中语音和视觉是自然的光信号啊、声音信号啊，相对来说只要理解了其中的原理就可以做出来，也更容易推向市场；而NLP是人造出来的相对来

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：364544
    • 提供者：weixin_38613681

  1. 伯禹公益AI《动手学深度学习PyTorch版》Task 05 学习笔记

  2. 伯禹公益AI《动手学深度学习PyTorch版》Task 05 学习笔记 Task 05：卷积神经网络基础；LeNet；卷积神经网络进阶 微信昵称：WarmIce 昨天打了一天的《大革命》，真挺好玩的。不过讲道理，里面有的剧情有点为了“动作”而“动作”，颇没意思。但是Ubi的故事还是讲得一如既往得好。 言归正传，这3节课，前两节没什么意思，充其量复习了计算卷积层输出的特征图大小的公式： $ \mathbf{floor}((in_size + padding – kernel_size)/stri

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：49152
    • 提供者：weixin_38720653

  1. 深度学习—学习笔记（二）

  2. 模型选择、过拟合和欠拟合 1、训练误差和泛化误差 在解释上述现象之前，我们需要区分训练误差（training error）和泛化误差（generalization error）。通俗来讲，前者指模型在训练数据集上表现出的误差，后者指模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。计算训练误差和泛化误差可以使用之前介绍过的损失函数，例如线性回归用到的平方损失函数和softmax回归用到的交叉熵损失函数。机器学习模型应关注降低泛化误差。 2、模型选择 验证数据集

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：103424
    • 提供者：weixin_38589314

  1. 大数据案例分析学习笔记1.1（深度学习的引出）

  2. 什么是机器学习？ （Machine learning） 机器学习：是对研究问题进行 模型假设，利用计算机从训练数据中学习得到模型参数，并最终对数据进行预测和分析的一门学科 从简单线性分类器到深度学习（一） 从简单线性分类器到深度学习（二） 深度学习网络中往往包含多个中间层（隐藏层）且网络结构要更复杂一些 什么是深度学习？ （Deep learning） 一种实现机器学习的技术，是机器学习重要分支 源于人工神经网络的研究，深度学习的模型结构是一种含多隐藏层的神经网络 通过组合底层特征形成更加

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：180224
    • 提供者：weixin_38500630

  1. [动手学深度学习PyTorch笔记三]

  2. 一 过拟合、欠拟合及其解决方案 欠拟合（underfitting）： 一类是模型无法得到较低的训练误差，我们将这一现象称作 过拟合（overfitting）：模型的训练误差远小于它在测试数据集上的误差，我们称该现象为。 在实践中，我们要尽可能同时应对欠拟合和过拟合。两个主要影响因素：模型复杂度和训练数据集大小。模型复杂度过低会导致欠拟合，过高则导致过拟合，训练数据集过小容易发生过拟合。因此需选取适当的模型复杂度和计算能力范围内可以承受的较大训练数据集。 解决方案 1 权重衰减 权重衰减等价于 L

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：60416
    • 提供者：weixin_38686860

  1. 动手学深度学习 Task3 笔记

  2. 过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶 2.15-2.19 一、过拟合、欠拟合及其解决方案 1、过拟合问题 模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 产生过拟合的可能原因 模型复杂度过高 训练数据过少，特别是比模型参数数量（按元素计）更少 解决过拟合的方案 降低模型复杂度 增加训练数据 在计算资源允许的范围之内，我们通常希望训练数据集大一些 2、欠拟合问题 模型无法得到较低的训练误差，我们将这一现象称作欠拟合（unde

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：43008
    • 提供者：weixin_38669832

  1. 深度学习学习笔记（1）

  2. 这几天开始搞毕业设计，跟着老师算是正式入门深度学习了，在此记录一下这几天的收获 1.深度学习环境配置 首先是深度学习环境的配置，以前都是用pycharm写一些小程序小打小闹，结果电脑炸了什么都没有了，现在刚好一切从新开始，也算是做个备份和总结 目前python的环境配置最好的方法还是Anaconda，使用十分便捷，自带许多基础库，可以说是新手必备。但由于各种各样的原因直接使用Anaconda下载或更新库会非常慢且容易出错，且换源似乎也无法解决。于是我就在Anaconda Prompt改用pip进

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：74752
    • 提供者：weixin_38707153

  1. 动手学深度学习学习笔记tf2.0版（3.8: 多层感知机）

  2. 注意这里的bh维度为 1 * h,计算时使用广播机制，进行计算 所以引入激活函数 %matplotlib inline import tensorflow as tf from matplotlib import pyplot as plt import numpy as np import random def use_svg_display(): # 用矢量图显示 %config InlineBackend.figure_format = 'svg' def set_fi

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：446464
    • 提供者：weixin_38647925

  1. 【opencv学习笔记】013之形态学操作应用（trackbar应用）

  2. 一、前言 继续填坑。 如果想看其他有关于OpenCV学习方法介绍、学习教程、代码实战、常见报错及解决方案等相关内容，可以直接看我的OpenCV分类： 【OpenCV系列】：https://blog.csdn.net/shuiyixin/article/category/7581855 如果你想了解更多有关于计算机视觉、OpenCV、机器学习、深度学习等相关技术的内容，想与更多大佬一起沟通，那就扫描下方二维码加入我们吧！ 二、形态学操作 1、回顾 首先我们先回顾一下形态学操作。 首先我们学习了形

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：931840
    • 提供者：weixin_38506713

  1. 深度学习入门笔记（二十）：经典神经网络（LeNet-5、AlexNet和VGGNet）

  2. 专栏——深度学习入门笔记 声明 1）该文章整理自网上的大牛和机器学习专家无私奉献的资料，具体引用的资料请看参考文献。 2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。如果某部分不小心侵犯了大家的利益，还望海涵，并联系博主删除。 3）博主才疏学浅，文中如有不当之处，请各位指出，共同进步，谢谢。 4）此属于第一版本，若有错误，还需继续修正与增删。还望大家多多指点。大家都共享一点点，一起为祖国科研的推进添砖加瓦。 文章目录专栏——深度学习入门笔记声明深度学习入门笔记（二十）：经

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：466944
    • 提供者：weixin_38629920
« 12 3 4 5 6 »