点数信息
www.dssz.net
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]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - 深度学习总结1
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
c/c++ 学习总结 初学者必备
用变量a给出下面的定义 a) 一个整型数(An integer) b) 一个指向整型数的指针(A pointer to an integer) c) 一个指向指针的的指针,它指向的指针是指向一个整型数(A pointer to a pointer to an integer) d) 一个有10个整型数的数组(An array of 10 integers) e) 一个有10个指针的数组,该指针是指向一个整型数的(An array of 10 pointers to integers) f) 一
所属分类:
C
发布日期:2009-09-16
文件大小:51200
提供者:
rzvs8275161
Deep Learning(深度学习)学习笔记整理系列pdf
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
所属分类:
其它
发布日期:2015-09-09
文件大小:1048576
提供者:
cdownload_zxl
深度学习常用网站总结(持续更新)
1. Nvidia官网 CUDA版本号 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 2. Nvidia官网 CUDA Toolkit下载 https://developer.nvidia.com/cuda-toolkit-archive 3. Nvidia官网 cuDNN下载(必须要Nvidia账号) https://developer.nvidia.com/cudnn 4. 清华镜像源 Anaconda下
所属分类:
其它
发布日期:2020-12-22
文件大小:21504
提供者:
weixin_38692162
深度学习自学记录(3)——两种多分类混淆矩阵的Python实现(含代码)
深度学习自学记录(3)——两种多分类混淆矩阵的Python实现(含代码)1、什么是混淆矩阵2、分类模型评价指标3、两种多分类混淆矩阵3.1直接打印出每一个类别的分类准确率。3.2打印具体的分类结果的数值4、总结 1、什么是混淆矩阵 深度学习中,混淆矩阵是ROC曲线绘制的基础,同时它也是衡量分类型模型准确度中最基本,最直观,计算最简单的方法。它可以直观地了解分类模型在每一类样本里面表现,常作为模型评估的一部分。它可以非常容易的表明多个类别是否有混淆(也就是一个class被预测成另一个class)。
所属分类:
其它
发布日期:2020-12-21
文件大小:211968
提供者:
weixin_38645865
[DL]PyTorch 学习总结(1)
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
所属分类:
其它
发布日期:2020-12-21
文件大小:53248
提供者:
weixin_38748556
百度飞桨PaddlePaddle深度学习心得分享
能参加到这次的百度飞桨七日“Python小白逆袭大神”打卡营是一次偶然的了解得知的这个机会,之前因为课程和基础不够扎实参加到AI实战营没有顺利跟完全程,这一次很开心可以顺利跟上并且结营。下面的内容就简要的总结一下这几天的学习内容和踩过的小坑吧。 本次课程的课程目标: 1.掌握Python的基础语言、进阶知识和常用的深度学习库,能够利用Python爬取数据并进行可视化分析 2.掌握人工智能基础知识、应用,体验人工智能的前沿技术 3.了解飞桨平台及百度AI技术、应用,掌握AI Studio的使用方法
所属分类:
其它
发布日期:2020-12-21
文件大小:231424
提供者:
weixin_38712092
深度学习–第9篇: Pytorch模型创建与nn.Module
Pytorch模型创建与nn.Module1. 模型创建步骤1.1 构建模型的两要素2. nn.Module属性2.1 torch.nn2.2 nn.Module3. 模型容器Containers3.1 nn.Sequential3.2 nn.ModuleList3.3 nn.ModuleDict3.4 容器总结4. AlexNet创建5. VGG16创建6. MobileNetv2创建 1. 模型创建步骤 原创文章 23获赞 6访问量 1992
所属分类:
其它
发布日期:2020-12-21
文件大小:115712
提供者:
weixin_38610573
深度学习总结1
1)开发环境:Anaconda spyder 坑:使用时spyder路径要设置为工作文件夹路径,否则一下库找不到。 python语句空格可视化设置:Tools->perferences->Editor下打开show blank space 2)环境安装pip install mxnet 如果使用jupyter notebook,需要先在命令行切换到工作文件夹后打开jupyter notebook 深度学习更适合于没有模型或者很难取得模型的情况,这种情况下用大数据堆积然后
所属分类:
其它
发布日期:2021-01-07
文件大小:76800
提供者:
weixin_38537777
深度学习(基于Tensorflow2.0)学习笔记——Day4
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
所属分类:
其它
发布日期:2021-01-07
文件大小:67584
提供者:
weixin_38683195
Windows Server云服务器配置深度学习环境WS
之前在自己的机器上用pip磕磕绊绊配置过一次,今天在云服务器上相当于复习了一下。 总结一下需要注意的点: 1.anaconda与要使用的python的版本要互相对应。 2.pycharm要装上python的解释器,在project interpreter中可以找到。 3.这次用的anaconda真的香,比如sklearn就不用自己安装,上一次用pip安装时候有各种依赖的血泪史我至今还记得。 4.安装keras之前要安装tensorflow,并且版本要互相兼容。 5.我出现了命令行import c
所属分类:
其它
发布日期:2021-01-06
文件大小:35840
提供者:
weixin_38675969
深度学习学习笔记(1)
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
所属分类:
其它
发布日期:2021-01-06
文件大小:74752
提供者:
weixin_38707153
deep-learning-for-image-processing:用于图像处理的深度学习,包括分类和对象检测等-源码
深度学习在图像处理中的应用教程 前言 本教程是对本人研究生期间的研究内容进行整理总结,总结的同时也希望能够帮助更多的小伙伴。 本教程会以视频的方式进行分享,教学流程如下: 1)介绍网络的结构与创新点2)使用Pytorch进行网络的建造与训练3)使用Tensorflow(内部的keras模块)进行网络的建造与训练 教程目录,单击重新相应视频(后续会根据学习内容增加) 图像分类 LeNet(已完成) AlexNet(已完成) VggNet(已完成) GoogLeNet(已完成) R
所属分类:
其它
发布日期:2021-03-06
文件大小:984064
提供者:
weixin_42131439
讲座_视频_概述:应用深度学习最终项目-源码
讲座视频总结 该代码被用作我在2020年秋季在哥伦比亚大学进行的应用深度学习课程(COMS 4995)的最终项目。该代码分为4部分。 预处理:这用于将我的课程成绩单存储库转换为唯一的结构化数据集。 我希望将其以csv的形式存储,以便易于阅读和编辑。 基于单词嵌入的基本摘要:此代码用于构建基线模型,该基线模型计算每个文档的文档嵌入,并选择与整个文档嵌入的余弦相似度最高的3个句子作为摘要。 句子嵌入是通过对单词嵌入词进行平均来计算的,并将文档嵌入作为文档中所有句子嵌入的平均值。 BERT的提取
所属分类:
其它
发布日期:2021-02-28
文件大小:157696
提供者:
weixin_42112658
深度解读:深度学习在IoT大数据和流分析中的应用
本文来自于InfoQ,论文对目前不同的深度学习方法进行了总结,并详细讨论了使用深度学习方法对IoT数据进行分析的优势,以及未来面临的挑战。在物联网时代,大量的感知器每天都在收集并产生着涉及各个领域的数据。由于商业和生活质量提升方面的诉求,应用物联网(IoT)技术对大数据流进行分析是十分有价值的研究方向。这篇论文对于使用深度学习来改进IoT领域的数据分析和学习方法进行了详细的综述。从机器学习视角,作者将处理IoT数据的方法分为IoT大数据分析和IoT流数据分析。1.为了更好的在IoT领域内应用深度
所属分类:
其它
发布日期:2021-02-25
文件大小:1048576
提供者:
weixin_38523728
基于像素梯度的深度学习:Pytorch:基于像素梯度的深度学习(HOG + CNN)-源码
Pytorch:基于像素梯度的深度学习(HOG + CNN) 概述 一种新颖的基于像素梯度的CNN。 为CNN的输入制作“像素渐变数组” 。 与基于灰度图像的普通CNN相比,精度更高。 Pytorch实现为自定义的torchvision.transforms 。 像素渐变阵列 图像的梯度方向是图像处理中的基本组成部分之一,并且经典用于“定向直方图(HOG)功能”,这是最成功的描述符之一。 该存储库是将其带入深度学习领域的建议: 制作量化像素渐变的3维数组(=“像素渐变数组”)。 使用像
所属分类:
其它
发布日期:2021-02-20
文件大小:217088
提供者:
weixin_42117082
Udacity的无人驾驶汽车项目:此存储库包含我关于Udacity的第1学期的无人驾驶汽车纳米学位项目的总结报告,该项目专注于决策的计算机视觉和深度学习-源码
Udacity的无人驾驶汽车项目:此存储库包含我关于Udacity的第1学期的无人驾驶汽车纳米学位项目的总结报告,该项目专注于决策的计算机视觉和深度学习
所属分类:
其它
发布日期:2021-02-03
文件大小:6291456
提供者:
weixin_42116713
Python的框架/库总结(深度学习向)
下面总结了一些我平时常用的库,并配有解释,不多废话,直接上! 1深度学习库 Tensflower(用过) 先说我对tensflower的理解,入门特别推荐,安装方便,代码一堆,通俗是真的通俗,易懂也是真的易懂,不过支持前期入门,并不支持深入使用。谷歌公司开发的神经网络开源库,主要优点是可进行分布式计算,API稳定,兼容性比较好。张量(Tensor)是他的基本数据单位,可在各种设备上运行,在图形处理和语音识别方面有不俗实力 pytorch(用过) 作为torch的Python版本,由Faceboo
所属分类:
其它
发布日期:2021-01-21
文件大小:81920
提供者:
weixin_38689113
deeplearning学习总结(三)——卷积神经网络(CNN)
1. CNN介绍 1.1 为什么引入CNN CNN是一种主要用于图像识别的神经网络深度学习方法,当图片像素过大,例如为3000*3000时(当然这也太大了),在Keras中根本无法使用Dense层直接运算,因此需要引入CNN。简单的说:CNN在工作过程中提取图片边缘信息,丢弃掉剩余信息,使图片信息变小,更便于运算。 1.2 CNN工作方式 计算机通过寻找诸如边缘和曲线之类的低级特点来分类图片, 经过卷积层后构建出更抽象的概念。CNN采用了局部连接和权值共享,保持了网络的深层构架,同时又减少了网络
所属分类:
其它
发布日期:2021-01-20
文件大小:125952
提供者:
weixin_38548589
《深度学习的数学》二刷总结
最近在配合花书看台大李宏毅的DeepLearning课程,其中遇到了Gradient Descent(梯度下降)的知识,感觉不是很熟练。想到之前老师给买过一本日本涌井良幸的《深度学习的数学》,其中对这部分讲解的比较浅显易懂,于是打算二刷一遍这本书,并借助MarginNote将书中重点标记总结。 此篇博文将记录所有的总结,二刷完成之后,再将知识进行分章放置,暂时先按照自己二刷时间排序。 关于《深度学习的数学》,喜欢此本书的同学可以评论私信我邮箱,给你们分享。因为上传资源显示有重复的,就不再上传了。
所属分类:
其它
发布日期:2021-01-20
文件大小:446464
提供者:
weixin_38622125
[DL]PyTorch 学习总结(2)
文章目录1. 计算图1.1 动态图1.2 静态图1.3 计算图示例2. 张量的运算2.1 张量的四则运算2.2 对数,指数,幂函数运算2.3 三角函数2.4 变换函数2.5 降维函数2.6 比较函数3. 张量的索引,变换,拼接与拆分3.1 张量的索引3.2 张量的变换3.3 张量的拼接3.4 张量的拆分 1. 计算图 一个深度学习模型是由“计算图”构成的。所谓计算图是一个有向无环图(directed acyclic graph)。数据是这个图的节点(node),运算是这个图的边(edge)。如下
所属分类:
其它
发布日期:2021-01-20
文件大小:56320
提供者:
weixin_38706055
«
1
2
3
4
5
6
7
8
»