飞浆PaddlePaddle-百度架构师手把手带你零基础实践深度学习---21日学习打卡（学习心得）

最新推荐文章于 2023-08-14 09:39:58 发布
最新推荐文章于 2023-08-14 09:39:58 发布
阅读量447 收藏
点赞数
文章标签： 深度学习 机器学习 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Etc_in_the_great/article/details/108223214
版权
本文记录了作者参加飞浆PaddlePaddle深度学习21日学习打卡的体验，从第一周的深度学习基础知识和房价预测模型，到第二周的计算机视觉和卷积神经网络，再到第三周的YOLO-V3图像检测。学习过程中，作者强调了特征归一化的重要性，并分享了手写数字识别模型和YOLO-V3算法的训练流程。
摘要由CSDN通过智能技术生成

飞浆PaddlePaddle-百度架构师手把手带你零基础实践深度学习—21日学习打卡（学习心得）

**

第一周

第一周的学习安排从8月10号开始，8月10号开课仪式，并给大家留个一个小小的作业就是在本地安装飞桨PaddlePaddle和一个简单的输出九九乘法表的程序，对于初学者来说是相当友好的。之后的一周里毕然老师带领大家学习了零基础入门深度学习的一章，讲述了深度学习的产生，发展，及应用前景等等，利用一个真实的例子–房价预测模型从建立模型到数据处理到梯度下降一步步带着大家熟悉怎么建模来解决房价预测问题。最后还教了大家怎么使用百度飞桨平台，不得不说这个平台是真的强大啊，赞一个！
下图描述的就是构建神经网络的基本步骤：
构建神经网络/深度学习模型的基本步骤
在数据处理过程中，一个极为重要的步骤就是要进行特征归一化，为了在梯度下降的过程中让步长更加合适。
未归一化的特征，会导致不同特征维度的理想步长不同
如图所示，特征归一化之后，不同参数输出的Loss是一个比较规整的曲线，学习率可以设置成统一的值 ；特征输入未归一化时，不同特征对应的参数所需的步长不一致，尺度较大的参数需要大步长，尺寸较小的参数需要小步长，导致无法设

最低0.47元/天 解锁文章
Etc_in_the_great
关注
PyTorch深度学习实战（21）——从零开始实现Faster R-CNN目标检测
盼小辉丶的博客
10-16 3523
Faster R-CNN 提出了一种全新的目标检测框架，将候选框生成和目标分类合并到一个网络中，实现了端到端的训练，可以同时优化候选框生成和目标分类任务，提高了检测的准确性和效率。同时，利用共享的卷积特征可以加速特征提取的计算，进一步提高了检测速度。在本节中，将介绍 Faster R-CNN 的工作原理，然后在自定义数据集上训练 Faster R-CNN 目标检测模型。
Paddle飞浆百度架构师手把手带你零基础实践深度学习21打卡计划（持续更新ing~）
热门推荐
何少的博客
08-11 1万+
课程链接 https://aistudio.baidu.com/aistudio/education/group/info/1297 预习作业 1. 安装环境 2. 九九乘法表 for i in range (10): for j in range(1, i+1): print('{}*{}={:-2}'.format(j,i,j*i),end=' ') if i==j: print() 趁假期弥补一下不足，大家一起加油！ ..
百度飞桨系列课程：百度架构师手把手带你零基础实践深度学习——21日学习打卡（第一周第一日）
zhu_rui的博客
08-11 1841
百度架构师手把手带你零基础实践深度学习——21日学习打卡（第一周第一日） 首先声明，不详细讲解代码部分，主要是针对课程的理解及对作业的分析。（要是有代码相关问题可以私信） 今天开始正式的开始课程的学习，毕然老师今天的讲课视频是从最基础开始说起，很大程度上照顾了还没有了解过深度学习以及Python的同学，对于像我这样有一定基础的同学也是一种对底层记忆的打磨，大家可以通过对波士顿房价这个经典案例的建模预测来进入深度学习的大门，进而增强对人工智能领域深度学习的兴趣。 今天这节课首先从人工智能-机器学习-深度学习
飞浆PaddlePaddle-百度架构师手把手带你零基础实践深度学习（学习笔记）
weixin_46058482的博客
08-16 915
飞浆PaddlePaddle-百度架构师手把手带你零基础实践深度学习（学习笔记） 百度架构师手把手带你零基础实践深度学习（打卡学习笔记） 为什么学习飞浆PaddlePaddle，不得不说百度最近几年在国内发展人工智能的所做出的贡献，随着人工智能的不断发展，百度推出此框架是很好的学习方向。 1. 回顾第一天的学习之配置篇 零基础是指深度学习零基础，此次学习要求对python的语法有一定要求,建议先学习这个课程从0开始学Python -----------希望这些信息有助你做出更合理的判断----------
飞桨PaddlePaddle-百度架构师手把手21天带你零基础实践深度学习-个人总结
WZSCSDN的博客
08-27 1071
百度架构师手把手带你零基础时间深度学习应该算是我第二个听得深度学习课程，之前有听了黑马程序员就业班的机器学习深度学习课程，并且也将所学内容应用于本科的毕业设计。 黑马程序员的课程更注重理论知识的讲解，用在毕设的时候其实也是更多的是课程外自己找的Tensorflow和Keras的应用。飞桨的课程则更注重实践，从一些项目感性的认识深度学习。黑马在讲具体的计算过程，当时运用到实践时有点两眼一抹黑的感觉，很多内容还要百度相关资源，所以才从Tensorflow转换到Keras的使用上...
百度飞桨系列课程：百度架构师手把手带你零基础实践深度学习——21日学习打卡（第一周第四日）
zhu_rui的博客
08-14 1677
百度架构师手把手带你零基础实践深度学习——21日学习打卡（第一周第四日） 首先声明，不详细讲解代码部分，主要是针对课程的理解及对作业的分析。（要是有代码相关问题可以私信） 让我们回顾一下，昨天所讲的手写体识别这个案例，着重讲了这个案例的数据处理的部分，其中的重点包含了同步读取和异步读取的不同，在不同的场景下选择合适的方法，存在即合理，有的时候同步读取更加的有效果。 今天毕然老师讲解了这个案例里面的网络结构、损失函数及对算法的优化（选取合适的激活函数、优化器或者是正则化参数）。我觉得这部分的重点在于交叉熵损
4.5 目标检测YOLO-V3算法--损失函数(百度架构师手把手带你零基础实践深度学习原版笔记系列)
aiAI
10-19 2028
4.4 目标检测YOLO-V3算法--损失函数(百度架构师手把手带你零基础实践深度学习原版笔记系列) 损失函数 上面从概念上将输出特征图上的像素点与预测框关联起来了，那么要对神经网络进行求解，还必须从数学上将网络输出和预测框关联起来，也就是要建立起损失函数跟网络输出之间的关系。下面讨论如何建立起YOLO-V3的损失函数。 对于每个预测框，YOLO-V3模型会建立三种类型的损失函数： 表征是否包含目标物体的损失函数，通过pred_objectness和label_objectness计..
3.5 CNN卷积神经网络基础知识-批归一化Batch Normalization(百度架构师手把手带你零基础实践深度学习原版笔记系列)
aiAI
10-14 1421
3.5CNN卷积神经网络基础知识-批归一化Batch Normalization(百度架构师手把手带你零基础实践深度学习原版笔记系列) 批归一化（Batch Normalization） 批归一化方法方法（Batch Normalization，BatchNorm）是由Ioffe和Szegedy于2015年提出的，已被广泛应用在深度学习中，其目的是对神经网络中间层的输出进行标准化处理，使得中间层的输出更加稳定。 通常我们会对神经网络的数据进行标准化处理，处理后的样本数据集满足均值为...
2.4mnist手写数字识别之损失函数精讲(百度架构师手把手带你零基础实践深度学习原版笔记系列)
aiAI
10-11 2304
2.4mnist手写数字识别之损失函数精讲(百度架构师手把手带你零基础实践深度学习原版笔记系列) 目录 2.4mnist手写数字识别之损失函数精讲(百度架构师手把手带你零基础实践深度学习原版笔记系列) 概述 分类任务的损失函数 Softmax函数 交叉熵 交叉熵的代码实现 概述 损失函数是模型优化的目标，用于在众多的参数取值中，识别最理想的取值。损失函数的计算在训练过程的代码中，每一轮模型训练的过程都相同，分如下三步： 先根据输入数据正向计算预测输出。 再根据预测值和真实值计算.
资源链接-零基础入门深度学习
03-21 1470
零基础入门深度学习(1) - 感知器 - 作业部落 Cmd Markdown 编辑阅读器 零基础入门深度学习(2) - 线性单元和梯度下降 - 作业部落 Cmd Markdown 编辑阅读器 零基础入门深度学习(3) - 神经网络和反向传播算法 - 作业部落 Cmd Markdown 编辑阅读器 零基础入门深度学习(4) - 卷积神经网络 - 作业部落 Cmd Markdown 编辑阅读器 零基础入门深度学习(5) - 循环神经网络 - 作业部落 Cmd Markdown 编辑阅读器 零基础入门深
百度飞桨PaddelePaddle-21天零基础实践深度学习-【手写数字识别】1
weixin_44708890的博客
08-14 484
百度飞桨PaddelePaddle-21天零基础实践深度学习-学习笔记数据处理实践作业 今天毕然老师通过经典案例【手写数字识别任务】展开，模型方面从房价预测模型过渡到手写体识别模型。使用“横纵式”教学法中的纵向极简方案快速完成手写数字识别任务的建模，但模型测试效果并未达成预期。所以考虑从横向展开，如 图所示，逐个环节优化，以达到最优训练效果。 数据处理 步骤：读入数据——划分数据集——生成批次数据——训练样本集乱序——校验数据有效性 异步数据读取方式 与同步数据读取相比，异步数据读取仅增加了三行代码，如下
《零基础实践深度学习》(第2版)学习笔记，（三）深度学习框架
最新发布
汽车电子软件领域知识分享
08-14 132
《零基础实践深度学习》(第2版)学习笔记
《零基础实践深度学习》(第2版)学习笔记，（一）开营讲座
汽车电子软件领域知识分享
08-14 252
《零基础实践深度学习》(第2版)学习笔记
百度飞桨系列课程：百度架构师手把手带你零基础实践深度学习——21日学习打卡（第一周第五日）
zhu_rui的博客
08-15 2242
百度架构师手把手带你零基础实践深度学习——21日学习打卡（第一周第五日） 首先声明，不详细讲解代码部分，主要是针对课程的理解及对作业的分析。（要是有代码相关问题可以私信） > 不把课件里的复制粘贴，只谈自己的理解。 之前的文章： 飞浆PaddlePaddle-百度架构师手把手带你零基础实践深度学习——21日学习打卡（预习日） 飞浆PaddlePaddle-百度架构师手把手带你零基础实践深度学习——21日学习打卡（第一周第一日） 飞浆PaddlePaddle-百度架构师手把手带你零基础实践深度学习—
百度开源深度学习框架【飞桨——PaddlePaddle】学习实践一
Together_CZ的博客
07-11 7653
上一周百度刚刚召开了AI开发者大会，其中自研的深度学习平台飞桨再一次走进了大家的视野里面，其中，早在学校期间我就有接触过PaddlePaddle，据说这个名字都是机器学习界的大神吴恩达给起的，也就是下面这位： 这里说之前接触过是什么意思呢，主要是之前接触的时候并不是很顺利，在安装和搭建的时候都有问题，后面的实践也就不了了之了，今天重新来安装使用了PaddlePadd...
《零基础实践深度学习》(第2版)学习笔记，（五）深度学习与计算机视觉
汽车电子软件领域知识分享
08-14 568
《零基础实践深度学习》(第2版)学习笔记
百度飞桨系列课程：百度架构师手把手带你零基础实践深度学习——21日学习打卡（第一周第三日）
zhu_rui的博客
08-13 1928
百度架构师手把手带你零基础实践深度学习——21日学习打卡（第一周第三日） 首先声明，不详细讲解代码部分，主要是针对课程的理解及对作业的分析。（要是有代码相关问题可以私信） 今天毕然老师是围绕着一个经典案例【手写数字识别】展开来讲的，模型方面从房价预测模型过渡到手写体识别模型，依旧使用了Linear()函数定义一层全连接，中间部分讲述了使用“横纵式”教学法中的纵向极简方案快速完成手写数字识别任务的建模，但效果不行，所以后来改用横向展开，进行逐个环节优化。下面是结构图，方便记忆。紧接着讲解了对数据的“预处理”
一图带你了解完飞桨架构、工具及其所有组件
weixin_47567401的博客
03-21 2834
这张图 点这里快速查阅1.框架和全流程工具1)模型训练组件2)模型部署组件Paddle Inference:Paddle Serving:Paddle Lite:Paddle.jsPaddeSlim:X2Paddle:3)其他全研发流程的辅助工具AutoDL:VisualDL:PaddleFL:PaddleX:2.模型资源PaddleHub:ERNIE:PaddleClas:PaddleDetection:PaddleSeg:ElasticCTR:PLSC：ElasticCTR:Parakeet:PGL:
强力推荐！飞桨产业级PaddleCV最新全景图
PaddlePaddle
09-24 1013
导读：PaddleCV是飞桨开源的产业级CV工具与预训练模型集，提供了依托于百度实际产品打磨，能够极大地方便 CV 研究者和工程师快速应用。使用者可以使用PaddleCV...
Matlab深度学习：3-D U-Net 神经网络用于3-D脑肿瘤MRI分割与重建
"该资源提供了一套基于Matlab的深度学习解决方案，具体是利用3-D U-Net神经网络对3-D脑部肿瘤MRI图像进行分割和三维重建。它包括了从下载BraTS数据集到训练、验证和测试的全过程，并提供了预训练网络和测试样本。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值