深度学习代码（持续更新中）

最新推荐文章于 2024-10-31 17:05:07 发布

Aselan

最新推荐文章于 2024-10-31 17:05:07 发布

阅读量1.4k

点赞数 2

分类专栏：深度学习文章标签： deep learning 深度学习 machine learning

本文链接：https://blog.csdn.net/Aselan/article/details/14648835

版权

深度学习专栏收录该内容

1 篇文章 0 订阅

订阅专栏

1. sparse coding

（1）http://web.eecs.umich.edu/~honglak/softwares/nips06-sparsecoding.htm

2. DBN

（1）http://www.cs.toronto.edu/~hinton/MatlabForSciencePaper.html

3. DBM

（1）http://www.cs.toronto.edu/~rsalakhu/DBM.html

4. convnet

（1）http://code.google.com/p/cuda-convnet/

（2）http://cs.nyu.edu/~koray/publis/code/eblearn.tar.gz

（3）http://cs.nyu.edu/~koray/publis/code/randomc101.tar.gz

5. 其他

（4）http://deeplearning.net/

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Aselan

关注关注

2
点赞
踩
2

收藏

觉得还不错? 一键收藏
1
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

深度学习入门代码详解（附代码）

Python，数据分析，机器学习，深度学习

11-28

2万+

目录一、数据处理 1.1 读入数据 1.2 数据形状变换 1.3 数据集划分 1.4 数据归一化处理 1.5 封装成load data函数二、模型设计 2.1 训练配置 2.2 训练过程 2.3 梯度下降法 2.4 计算梯度 2.5 使用Numpy进行梯度计算 2.6 确定损失函数更小的点 2.7 代码封装Train函数 2.8 训练扩展到全部参数三、随机梯度下降法（ Stochastic Gradient Descent） 3.1 数据处理代码修改 3.2 ...

进化深度学习

盼小辉丶的博客

07-25

1万+

进化深度学习 (Evolutionary Deep Learning, EDL) 是一套可以用于自动化深度学习系统开发的工具和实践，EDL 包括了广泛的进化计算方法和模式，可以应用于深度学习系统流程的各个方面。本节中，介绍了深度学习面临的挑战，以及进化深度学习在应对这些挑战方面的技术方法。

1 条评论您还未登录，请先登录后发表或查看评论

深度学习代码

HandsomeWey的博客

04-20

139

研究生期间代码

搞深度学习如何找到需要的代码

期待黎明的博客

10-02

3505

搞深度学习如何找到需要的代码此博客整理了查找所需要代码的最佳方法以及与如何找到paper相关联的网址，都是非常不错的网址。此网址集合了arXiv上最新的关于深度学习或者机器学习的研究论文并且关联了code，还可以直接看star 非常不错。 Paperswithcode 此网址可以利用扩展工具查找code research code 计算机界的Google scholar ，非常好用，体验过你...

深度学习-LSTM网络-代码-示例

热门推荐

一遍看不懂，我就再看一遍

07-14

5万+

一、 LSTM网络原理要点介绍（1）LSTM网络用来处理带“序列”(sequence)性质的数据，比如时间序列的数据，像每天的股价走势情况，机械振动信号的时域波形，以及类似于自然语言这种本身带有顺序性质的由有序单词组合的数据。（2）LSTM本身不是一个独立存在的网络结构，只是整个神经网络的一部分，即由LSTM结构取代原始网络中的隐层单元部分。（3）LSTM网络具有“记忆性”。其原因在于

深度学习实现代码汇总

pangxing6491的博客

07-17

1万+

https://blog.csdn.net/missyougoon/article/details/90368727

贴心的深度学习领域必备网址汇总（持续更新）

weixin_45977690的博客

02-07

3736

持续更新记录下各种有用的杂七杂八的网址

PyTorch 深度学习入门

努力是为了站在万人之中，成为别人的光

06-14

2万+

深度学习是机器学习的一个分支，其中编写了模仿人脑功能的算法。深度学习中最常用的库是 Tensorflow 和 PyTorch。由于有各种可用的深度学习框架，人们可能想知道何时使用 PyTorch。以下是人们可能更喜欢将 Pytorch 用于特定任务的原因。Pytorch 是一个开源深度学习框架，带有 Python 和 C++ 接口。Pytorch 位于 torch 模块中。在 PyTorch 中，必须处理的数据以张量的形式输入。如果您的系统中安装了 Anaconda Python.........

动手学深度学习-tensorflow-源代码

04-14

这本书特别强调了TensorFlow这一强大的开源库在深度学习中的应用。TensorFlow是由谷歌开发的一个用于数值计算的强大工具，尤其在处理大规模数据和构建复杂的神经网络方面表现突出。本书的源代码提供了丰富的实例，...

机器学习深度学习实战模板代码（持续更新）

weixin_45955767的博客

09-04

1934

数据预处理有偏数据变正态分布对数变换：可以让方差和均值呈现线性 data.apply(np.log) 减小偏度和峰度 data.apply(np.log).apply(scipy.stats.skew) #观察偏度 data.apply(np.log).apply(scipy.stats.kurtosis) #观察峰度 def plot_hist(df, variable, bins=20, xlabel=N...

Deep Learning(深度学习)代码/课程/学习资料整理【持续更新】-附件资源

03-02

Deep Learning(深度学习)代码/课程/学习资料整理【持续更新】-附件资源

深度学习：深度学习人工智能机器学习资料汇总（深度学习人工智能机器学习）持续更新……

02-06

在"Deep-Learning-master"这个压缩包中，很可能包含了深度学习的相关项目、代码示例或者教程资源，这些可以帮助初学者或有经验的研究者更好地理解和实践深度学习。随着技术的不断发展，深度学习的研究和应用将持续...

[综述笔记]Deep learning for brain disorder diagnosis based on fMRI images

Sherlily的博客

10-31

621

计算机-人工智能-脑科学与类脑智能

深度学习：卷积神经网络中的im2col

最新发布

m0_49786943的博客

10-31

623

第二行为 2，3，4，6，7，8，10，11，12，18，19，20，22，23，24，26，27，28，34，35，36，38，39，40，42，43，44 即第二次卷积运算所涉及到的输入数据。第一行为 1，2，3，5，6，7，9，10，11，17，18，19，21，22，23，25，26，27，33，34，35，37，38，39，41，42，43 即第一次卷积运算所涉及到的输入数据。在传统的卷积操作中，卷积核（滤波器）在输入图像上滑动，逐个计算每个位置的卷积结果。若是批大小为10，即保存10倍的数据。

深度学习-理论知识

qq_63961628的博客

10-31

199

深度学习（Deep Learning）是机器学习的一个子领域，它利用多层人工神经网络来模拟人脑的结构和功能，从而在复杂数据的分析、理解和生成上表现出色。深度学习是当前人工智能（AI）研究的核心技术之一，已广泛应用于图像识别、自然语言处理、自动驾驶等领域。下面，我将为你详细介绍深度学习的理论知识。

【深度学习】实验 — 动手实现 GPT【二】：注意力机制、注意力掩码、多头注意力机制

我们都是被分成两半的人，一边热爱生活，一边憎恨生活。面对生活，我们总是在矛盾的两端摇摆，在反复的矛盾和犹豫中，一边踉跄前行，一边重振旗鼓。我渴望改变，渴望变得更好，渴望找到出口……就像一个溺水人的挣扎，就像一个救生圈。我是一个矛盾集合体，想要变得快乐，但是

10-31

333

（在本书中，我们遵循机器学习和深度学习的常见惯例，即训练样本表示为行，特征值表示为列；在上面的张量中，每一行表示一个词，每一列表示一个嵌入维度。（请注意，此图中的数字已截取至小数点后两位，以减少视觉杂乱；同样，其他图中的数字也被截取。在自注意力机制中，首先计算注意力分数，随后对其进行归一化以得出总和为 1 的注意力权重。接下来，我们将推广该计算，以求得所有的注意力权重和上下文向量。然后，这些注意力权重被用于通过输入的加权求和生成上下文向量。上面我们计算了输入 2 的注意力权重和上下文向量。

Pytorch学习--DataLoader的使用

weixin_68930974的博客

10-24

1163

Pytorch学习--DataLoader的使用

深度学习（八） TensorFlow、PyTorch、Keras框架大比拼（8/10）

小相探索IT世界

10-31

582

深度学习框架在当今人工智能和机器学习领域中占据着至关重要的地位。其中，TensorFlow 由 Google 开发，自 2015 年发布以来，凭借其灵活的计算图、自动微分功能以及跨平台支持等特点，迅速成为主流深度学习框架之一。它在图像识别、自然语言处理、语音识别等多个领域都有广泛应用。例如，在图像识别任务中，通过卷积神经网络能够准确识别物体、人脸和车辆等。PyTorch 由 Facebook 推出，以其动态图机制、简洁直观的 API 和强大的社区支持备受青睐。

深度学习案例：一步步搭建多层神经网络以及应用

STRANGEX-03的博客

10-31

250

该案例来自吴恩达深度学习系列课程一《神经网络和深度学习》第四周编程作业，一步步搭建多层神经网络以及应用，作业内容是搭建一个能够识别猫的多层的神经网络。作业提供的资料包括：训练集、测试集、测试实例、神经网络工具包、加载数据的工具包，下载请移步参考链接一。